115 lines
3.5 KiB
Python
115 lines
3.5 KiB
Python
from langchain_openai import ChatOpenAI
|
||
from langchain_core.messages import HumanMessage, ToolMessage
|
||
|
||
from conf import settings
|
||
|
||
|
||
# todo: 第一步：定义工具函数
|
||
def add(a: int, b: int) -> int:
|
||
"""
|
||
将数字a与数字b相加
|
||
Args:
|
||
a: 第一个数字
|
||
b: 第二个数字
|
||
"""
|
||
return a + b
|
||
|
||
|
||
def multiply(a: int, b: int) -> int:
|
||
"""
|
||
将数字a与数字b相乘
|
||
Args:
|
||
a: 第一个数字
|
||
b: 第二个数字
|
||
"""
|
||
return a * b
|
||
|
||
tools = [
|
||
{
|
||
"type": "function",
|
||
"function": {
|
||
"name": "add",
|
||
"description": "将数字a与数字b相加",
|
||
"parameters": {
|
||
"type": "object",
|
||
"properties": {
|
||
"a": {
|
||
"type": "integer",
|
||
"description": "第一个数字"
|
||
},
|
||
"b": {
|
||
"type": "integer",
|
||
"description": "第二个数字"
|
||
}
|
||
},
|
||
"required": ["a", "b"]
|
||
}
|
||
}
|
||
},
|
||
{
|
||
"type": "function",
|
||
"function": {
|
||
"name": "multiply",
|
||
"description": "将数字a与数字b相乘",
|
||
"parameters": {
|
||
"type": "object",
|
||
"properties": {
|
||
"a": {
|
||
"type": "integer",
|
||
"description": "第一个数字"
|
||
},
|
||
"b": {
|
||
"type": "integer",
|
||
"description": "第二个数字"
|
||
}
|
||
},
|
||
"required": ["a", "b"]
|
||
}
|
||
}
|
||
}
|
||
]
|
||
|
||
|
||
# todo: 第二步：初始化模型
|
||
llm = ChatOpenAI(
|
||
base_url=settings.base_url,
|
||
api_key=settings.api_key,
|
||
model=settings.model_name,
|
||
temperature=0.1
|
||
)
|
||
llm_with_tools = llm.bind(tools=tools, tool_choice="auto")
|
||
|
||
|
||
# todo: 第三步：调用回复
|
||
query = "2*10+1？"
|
||
messages = [HumanMessage(query)]
|
||
|
||
try:
|
||
# todo: 第一次调用
|
||
ai_msg = llm_with_tools.invoke(messages)
|
||
messages.append(ai_msg)
|
||
print(f"\n第一轮调用后结果：\n{messages}")
|
||
|
||
# 处理工具调用
|
||
# 判断消息中是否有tool_calls，以判断工具是否被调用
|
||
if hasattr(ai_msg, "tool_calls") and ai_msg.tool_calls:
|
||
for tool_call in ai_msg.tool_calls:
|
||
# todo: 处理工具调用
|
||
selected_tool = {"add": add, "multiply": multiply}[tool_call["name"].lower()]
|
||
tool_output = selected_tool(**tool_call["args"])
|
||
messages.append(ToolMessage(content=tool_output, tool_call_id=tool_call["id"]))
|
||
print(f"\n第二轮 message中增加tool_output 之后：\n{messages}")
|
||
|
||
# todo: 第二次调用，将工具结果传回模型以生成最终回答
|
||
final_response = llm_with_tools.invoke(messages)
|
||
print(f"\n最终模型响应：\n{final_response.content}")
|
||
else:
|
||
print("模型未生成工具调用，直接返回文本:")
|
||
print(ai_msg.content)
|
||
except Exception as e:
|
||
print(f"模型调用失败: {str(e)}")
|
||
|
||
# llm.invoke(messages, tools=tools, ...):
|
||
# 绑定方式: 直接在 .invoke() 调用中传入 tools 参数。这是一种临时、一次性的绑定方式，仅对本次调用有效。
|
||
# 调用方式: 如果你想再次调用模型并使用工具，你必须在下一次 .invoke() 调用中再次传递 tools 参数。
|
||
# 适用场景: 适用于简单、单次的工具调用需求， |