工具接口在 BaseTool 类中定义，它是 Runnable 接口的子类。

与工具模式相对应的关键属性：

• name：工具的名称。

• description：工具功能的描述。

• args：返回工具参数的 JSON 模式的属性。

执行与工具关联的函数的关键方法：

• invoke：使用给定的参数调用工具。

• ainvoke：使用给定的参数异步调用工具。用于使用 Langchain 进行异步编程。

创建工具的推荐方式是使用 @tool 装饰器。此装饰器旨在简化工具创建过程，支持以下内容：

• 自动推断工具的名称、描述和输入，同时还支持自定义。

• 定义返回工件（例如图像、dataframe 等）的工具。

• 使用注入的工具参数隐藏模式中的输入参数（从而隐藏模型中的输入参数）。

定义函数后，你可以使用 @tool 装饰它以创建实现工具接口的工具：

@tool 装饰器提供了其他选项来配置工具的模式（例如，修改名称、描述或解析函数的文档字符串以推断架构）。可以去参考官方文档：

https://python.langchain.com/api_reference/core/tools/langchain_core.tools.convert.tool.html

定义工具后，可以通过调用函数直接使用它：

我们还可以检查该工具的模式和其他属性：

在设计模型使用的工具时，请牢记以下几点：

• 名称正确、文档正确且类型提示正确的工具更易于模型使用。

• 设计简单且范围狭窄的工具，因为它们更易于模型正确使用。

• 使用支持工具调用 API 的聊天模型来利用工具。

• 要求模型从大量工具列表中进行选择会给模型带来挑战

许多 AI 应用程序直接与人类交互。在这些情况下，模型以自然语言做出响应是合适的。但是，如果我们希望模型也直接与系统（例如数据库或 API）交互，该怎么办？这些系统通常具有特定的输入模式；例如，API 通常具有必需的访问请求体。这种需求催生了工具调用（也称为函数调用）的概念。我们可以使用工具调用来请求与特定模式匹配的模型响应。

1. 创建工具：使用 @tool 装饰器创建工具。 

2. 绑定工具：工具需要连接到支持工具调用的模型。这使模型能够了解工具以及工具所需的相关输入模式。

3. 调用工具：在适当的情况下，模型可以决定调用工具并确保其响应符合工具的输入模式。

4. 执行工具：可以使用模型提供的参数执行工具。工具实现了 Runnable 接口，这意味着它们可以被直接调用（例如，tool.invoke(args)）。

下面的伪代码说明了使用工具调用的推荐工作流程。创建的工具以列表形式传递给 .bind_tools() 方法。可以像往常一样调用此模型。如果进行了工具调用，模型的响应将包含工具调用参数。工具调用参数可以直接传递给工具。

LangChain 提供了一个标准化接口，用于将工具连接到模型。可以使用 .bind_tools() 方法指定模型可以调用哪些工具。

工具调用的一个关键原则是，模型根据输入的相关性决定何时使用工具。模型并不总是需要调用工具。例如，给定一个不相关的输入，模型不会调用该工具：

结果将是一个 AIMessage，其中包含模型以自然语言做出的响应（例如“你好！”）。但是，如果我们传递与工具相关的输入，模型应该选择调用它：

与之前一样，输出结果将是 AIMessage。但是，如果调用了该工具，结果将具有 tool_calls 属性。此属性包含执行该工具所需的所有内容，包括工具名称和输入参数：