02-Agent 智能体开发实战指南（二）：工具调用系统

大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。

系列导读：这是《Agent 智能体开发实战指南》系列的第二篇，将深入讲解 Agent 的工具调用系统，包括@tool 装饰器原理、工具设计原则、多工具协作等核心内容。

1.1 为什么需要工具？

如果把 LLM 比作“大脑”，那么工具就是“手脚”——没有工具，再聪明的大脑也无法影响现实世界。

工具的本质：将外部能力封装成 LLM 可以理解和调用的接口。

GPT plus 代充 只需 145

1.2 工具的三大要素

要素作用示例名称 LLM 识别工具的标识描述 LLM 理解工具用途 “查询指定城市的天气” 参数 LLM 传递必要信息

2.1 基础用法

装饰器做了什么？

提取函数名作为工具名
解析参数签名确定输入要求
解析返回类型确定输出格式
绑定供 LLM 理解用途
将普通函数转换为 LangChain 的对象

2.2 完整 Tool 对象结构

GPT plus 代充 只需 145

2.3 多参数工具示例

3.1 描述的重要性

description 是 LLM 选择工具的唯一依据。糟糕的描述会导致：

LLM 不知道何时调用该工具
LLM 传入错误的参数
LLM 完全忽略该工具

3.2 优秀描述的三要素

GPT plus 代充 只需 145

优秀描述包含：

功能说明：这个工具做什么
参数说明：需要传入什么，格式是什么
返回说明：会返回什么，格式是什么
示例值：给出典型参数示例

3.3 描述模板

实战示例：

GPT plus 代充 只需 145

4.1 场景：股票查询 + 介绍

4.2 执行流程分析

GPT plus 代充 只需 145

4.3 工具调用顺序

LLM 会自动决定工具调用顺序，通常遵循：

依赖关系：先获取必要数据，再进行处理
逻辑顺序：按人类思考的自然顺序
效率优先：能并行则并行（LangChain 支持并行调用）

5.1 单一职责原则

❌ 错误示例：一个工具做太多事

✅ 正确示例：每个工具专注一件事

GPT plus 代充 只需 145

5.2 错误处理

工具内部应该处理异常，返回友好提示：

为什么？

避免 Agent 因工具异常而崩溃
让 LLM 知道发生了什么，可以调整策略
提供更好的用户体验

5.3 返回值格式

原则：返回 LLM 容易理解的格式

GPT plus 代充 只需 145

原因：LLM 处理自然语言最擅长，结构化数据反而需要额外解析。

5.4 参数设计

原则：参数越少越好，类型越简单越好

6.1 智扫通客服 Agent 工具集

GPT plus 代充 只需 145

6.2 工具分类管理

7.1 打印工具调用日志

GPT plus 代充 只需 145

7.2 常见问题排查

问题可能原因解决方案 Agent 不调用工具 description 不清晰重写工具描述调用错误工具工具名相似区分工具命名参数传错参数类型不明确在 description 中说明工具返回被忽略返回格式混乱统一返回格式

核心要点

@tool 装饰器：将 Python 函数转换为 LLM 可调用的 Tool 对象
description 至关重要：决定 LLM 是否正确选择工具
单一职责：每个工具只做一件事，做好一件事
错误处理：工具内部处理异常，返回友好提示
返回值格式：优先返回自然语言字符串

下章预告

下一篇我们将深入 ReAct 框架，学习：

ReAct 的思考 - 行动 - 观察循环
多步推理策略
如何引导 Agent 按正确顺序调用工具
ReAct 实战案例解析

Agent 智能体开发实战指南（一）：从 LLM 到 Agent 的认知升级
Agent 智能体开发实战指南（二）：工具调用系统深度解析（本文）
Agent 智能体开发实战指南（三）：ReAct 框架深度解析
Agent 智能体开发实战指南（四）：流式输出与状态管理
Agent 智能体开发实战指南（五）：中间件系统与动态提示词
Agent 智能体开发实战指南（六）：RAG 与向量存储实战
Agent 智能体开发实战指南（七）：项目架构设计与工程化实践
Agent 智能体开发实战指南（八）：UI 集成与生产部署

本文是《Agent 智能体开发实战指南》系列的第二篇，下一篇将深入讲解 ReAct 框架。