Skip to content

README.md

Latest commit

 

History

History
121 lines (85 loc) · 4.77 KB

README.md

File metadata and controls

121 lines (85 loc) · 4.77 KB
Raw

LangChain 工具集成示例

本示例展示如何将 LangChain 的 Tavily 搜索工具封装为 FunctionTool，集成到 trpc-agent 中使用，验证第三方工具链接入的完整链路。

关键特性

  • LangChain 工具封装：将 langchain-tavily 的 TavilySearch 包装为异步函数，再通过 FunctionTool 注册到 Agent
  • 实时搜索能力：借助 Tavily 搜索引擎，Agent 可回答需要实时或最新信息的问题
  • 会话状态管理：使用 InMemorySessionService 创建会话并注入 user_name 状态
  • 流式事件处理：通过 runner.run_async(...) 消费事件流，打印工具调用与工具返回

Agent 层级结构说明

本例是单 Agent 示例，不涉及多 Agent 分层路由：

langchain_tavily_agent (LlmAgent)
├── model: OpenAIModel
├── tools:
│   └── tavily_search(query, max_results)
└── session: InMemorySessionService (state 注入 user_name)

关键文件：

关键代码解释

这一节用于快速定位"工具封装、Agent 组装、事件输出"三条核心链路。

1) LangChain 工具封装（agent/tools.py）

  • 导入 langchain_tavily.TavilySearch，在异步函数 tavily_search 中调用 tool.ainvoke(query)
  • 对返回结果做归一化处理（兼容 dict 和 list 两种响应格式），统一输出 status、query、result_count、results
  • 异常时返回 {"status": "error", "error_message": ...}，保证 Agent 不会因工具异常崩溃

2) Agent 组装（agent/agent.py）

  • 使用 LlmAgent 组装搜索助手，通过 FunctionTool(tavily_search) 挂载工具
  • 提示词指引 Agent 在用户提出需要实时信息的问题时调用 tavily_search

3) 流式事件处理与可观测输出（run_agent.py）

  • 使用 runner.run_async(...) 消费事件流
  • event.partial=True 时打印文本分片
  • 完整事件中区分并打印：
    • function_call（工具调用）
    • function_response（工具返回）

环境与运行

环境要求

  • Python 3.12

安装步骤

git clone https://github.com/trpc-group/trpc-agent-python.git
cd trpc-agent-python
python3 -m venv .venv
source .venv/bin/activate
pip3 install -e .
pip3 install langchain-tavily

环境变量要求

在 examples/langchain_tools/.env 中配置（或通过 export）：

  • TRPC_AGENT_API_KEY
  • TRPC_AGENT_BASE_URL
  • TRPC_AGENT_MODEL_NAME
  • TAVILY_API_KEY（Tavily 搜索的 API Key，可在 https://tavily.com 获取）

运行命令

cd examples/langchain_tools
python3 run_agent.py

运行结果（实测）

🆔 Session ID: 95ea1edd...
📝 User: Search for today's major news in the AI field
🤖 Assistant:
🔧 [Invoke Tool: tavily_search({'query': "today's major news in AI field", 'max_results': 5})]
📊 [Tool Result: {'status': 'success', 'query': "today's major news in AI field", 'result_count': 5, 'results': [...]}]
Here are today's major developments in the AI field:

1. **OpenAI Announces New Model**: OpenAI released its latest model with improved reasoning capabilities...
2. **Google DeepMind Research Breakthrough**: A new paper demonstrates advances in protein structure prediction...
3. **AI Regulation Update**: The EU published new guidelines for AI governance...

Let me know if you'd like more details on any of these topics!
----------------------------------------

结果分析（是否符合要求）

结论：符合本示例测试要求。

  • 工具路由正确：搜索类问题正确调用 tavily_search
  • 工具参数正确：query 与 max_results 参数符合用户意图
  • 工具结果被正确消费：Agent 根据搜索返回的结果进行归纳总结，输出可读答案
  • LangChain 封装有效：TavilySearch 被成功封装为 FunctionTool，与 trpc-agent 无缝集成

说明：该示例每轮使用新的 session_id，主要验证的是 LangChain 工具集成与调用链路，不强调跨轮记忆一致性。

适用场景建议

  • 快速验证 LangChain 第三方工具集成到 trpc-agent 的链路：适合使用本示例
  • 验证实时搜索能力（Tavily）+ Agent 工具调用完整流程：适合使用本示例
  • 需要测试多 Agent 分层路由：建议使用 examples/graph 等多 Agent 示例