### 如何在 Python 中使用 LangChain 调用自定义函数 LangChain 是一个用于构建语言模型应用程序的强大框架，支持通过自定义工具来扩展其功能。以下是实现这一目标的具体方法： #### 使用 LangChain 调用自定义函数的步骤说明 1. **初始化 LLM 模型** 需要先加载一个大型语言模型 (LLM)，例如 OpenAI 提供的语言模型。这可以通过 `langchain` 库中的 `OpenAI` 类完成[^2]。 ```python from langchain.llms import OpenAI llm = OpenAI(temperature=0) ``` 2. **创建自定义工具** 自定义工具可以被设计为接受输入并返回处理后的输出。这些工具会被集成到 LangChain 的代理机制中。下面展示了一个简单的自定义工具示例[^2]。 ```python def custom_tool(input_data): """执行特定逻辑并将结果作为字符串返回""" processed_output = f"Processed Input: {input_data.upper()}" return processed_output ``` 3. **注册工具至 LangChain 工具链** 将自定义工具封装成 LangChain 支持的标准形式，并将其加入工具列表中。此过程涉及指定工具名称及其描述信息以便于后续调用[^2]。 ```python from langchain.agents import Tool tools = [ Tool( name="Custom Processing", func=custom_tool, description="Processes text by converting it to uppercase." ) ] ``` 4. **初始化 Agent 并运行** 利用已有的工具集合以及选定类型的代理（如零样本反应描述），初始化代理实例。随后可通过该代理对象传递查询请求以触发对应的功能执行。 ```python from langchain.agents import initialize_agent, AgentType agent = initialize_agent( tools, llm, agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION, verbose=True ) result = agent.run("Can you process this string using your custom tool?") print(result) ``` 以上代码片段展示了如何利用 LangChain 来定义和部署一个能够调用外部业务逻辑或数据源访问能力的定制化组件[^2]。 ```python from langchain import OpenAI from langchain.agents import initialize_agent, Tool from langchain.agents import AgentType def custom_function(user_input): response = f"Your input was: '{user_input}'" return response llm = OpenAI(temperature=0) tools = [ Tool( name="Echo Function", func=custom_function, description="Repeats back user's input verbatim.", ), ] agent = initialize_agent(tools, llm, agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION, verbose=True) result = agent.run("What does the echo function do? Test with 'hello'") print(result) ``` 这段脚本实现了从接收用户指令到最后生成响应整个流程自动化的同时还保持高度灵活性允许开发者轻松替换内部核心算法或者调整参数配置满足不同场景需求.