因为Langchain的代码也不是很复杂，因此 直接看代码会更好的学习。 一些说明，我已经放到了注释当中。

请各位看官享用。

代码样例

from langchain.agents import initialize_agent
from langchain.llms import OpenAI
from langchain.tools import BaseTool# 下面是继承 langchain的工具类来自定义工具
# 天气查询工具 ，无论查询什么都返回雷暴天气
class WeatherTool(BaseTool):name = "Weather"description = "用于查询天气情况"def _run(self, query: str) -> str:return "雷暴天气"
# 计算工具，暂且写死返回3
class CustomCalculatorTool(BaseTool):name = "Calculator"description = "计算机用于准确的进行数值计算"def _run(self, query: str) -> str:# 我这里强制等于 3 来测试工具使用情况return "3"# 因为没有钱买GPT4,我就使用阿里开源的Qwen模型，部署openai的api服务。
llm = OpenAI(temperature=0,openai_api_base="http://192.168.101.30:8081/v1",openai_api_key="EMPTY",model_name="Qwen-7B-Chat")
tools = [WeatherTool(), CustomCalculatorTool()]agent = initialize_agent(tools, llm, agent="zero-shot-react-description", verbose=True)agent.run("今天天气怎么样")agent.run("使用计算器工具计算 1+9=？")

运行结果:

> Entering new AgentExecutor chain...
我应该使用weather API来查询天气情况。
Action: Weather
Action Input: 今天天气怎么样
Observation:
Observation: 雷暴天气
Thought:I now know the final answer.
Final Answer: 今天是雷暴天气，记得带上雨伞。> Finished chain.> Entering new AgentExecutor chain...
我需要使用计算器工具来进行数值计算
Action: Calculator
Action Input: 1+9
Observation:
Observation: 3
Thought:I now know the final answer.
Final Answer: 1+9=3> Finished chain.

我们会发现，模型成功的运行使用了API的结果进行回答，而没有依据自身的知识。