霍格沃兹测试开发学社
二、本质是让 LLM 从“大脑”变成“大脑+手脚”先搞清楚一个概念。LangChain 官方对 Agent 的定义很直接：用户给 Agent 一个输入消息，Agent 进入循环——调用工具、把工具返回结果和 AI 消息加入状态、继续调用，直到它决定不再调用任何工具并最终结束。这个循环看似简单，但背后解决了一个核心问题：大模型本身没有“行动能力”，它只会生成文本。Tools 把“行动”封装成可被大模型调用的函数，Agent 把“什么时候调用什么工具”的决策权交给了大模型自己。本质上，这是在 LLM 外面包了一层“执行器”。LLM 负责推理和决策，执行器负责干活。LangChain Agent 框架通过模块化设计把智能 Agent 拆解为三个核心部分：工具链（Tools）、推理引擎（Reasoning Engine）和执行控制器（Execution Controller）。工具链是“手脚”——能做什么。推理引擎是“小脑”——怎么做决策。执行控制器是“神经系统”——怎么协调。这三层缺一不可。很多人觉得 LangChain “重”，是因为他们把这三层全用了。但如果你只需要“手脚”（Tools），你可以只用 Tools 层，不用 Agent。如果你只需要“小脑”（推理），你也可以单独用 Prompt 模板。框架重不重，取决于你怎么用。Tools 解决“能做什么”，Agent 解决“什么时候做”。两个加在一起，大模型才有了真正的行动能力。三、Tools 机制拆解：怎么给大模型装“手脚”3.1 Tool 的本质是什么在 LangChain 里，一个 Tool 本质上就是一个带描述的函数。大模型不直接执行代码。它通过“函数调用”（Function Calling）协议告诉系统：“我想调用这个函数，参数是这些”。系统收到指令后，在本地执行这个函数，把结果返回给大模型。所以 Tool 的核心不是“怎么实现功能”，而是“怎么让大模型知道有这个功能、知道什么时候用它”。关键在三个地方：name：工具的名字，要简洁明确description：描述这个工具做什么、什么时候该用。大模型靠这个判断要不要调它args_schema：参数的结构定义，告诉大模型需要传什么参数、什么类型description 写不好，工具永远不会被调用。arg_schema 定义不清晰，大模型传的参数永远是错的。
发布于 北京
分享
评论
赞
未登录
友善发言
评论
加载中
