LangChain Agent 能调用工具吗？API 调用如何实现？

“我的LangChain Agent怎么就是调不动API？”——别急，问题可能出在工具绑定上

上周我帮一家跨境电商客户调试他们的客服自动应答系统时，他们产品经理抓狂地问我：“Dr.n8n，我们写的Agent明明逻辑没问题，为什么就是调不动内部订单查询API？是不是LangChain不支持？”——这几乎是每个刚接触LangChain的开发者都会踩的第一个坑。今天，我就带你从原理到实战，彻底搞懂Agent如何调用工具，尤其是API。

Agent不是“孤胆英雄”，它靠“工具箱”吃饭

很多人误以为LangChain的Agent是个全能AI，自己就能查数据库、发邮件、调API。错！它更像一个“项目经理”：自己不动手，但知道该找哪个“专家”（工具）来干活。这个“专家团队”，就是你给它绑定的Tools。

想象一下：你要开一扇电子门。Agent不是那个有指纹或密码的人，而是那个知道“该去找谁拿门禁卡”的人。API调用工具，就是那张“门禁卡”。

三步走：让Agent学会“打电话”给API

实现API调用，核心就三步：选工具、配参数、绑Agent。下面我们用Python实战演示。

第一步：选择或自定义你的“电话拨号器”（Tool）

LangChain内置了requests工具，但更多时候你需要自定义。比如调用一个天气API：

from langchain.tools import tool
import requests

@tool
def get_weather(city: str) -> str:
    """获取指定城市的当前天气"""
    url = f"https://api.weatherapi.com/v1/current.json?key=YOUR_KEY&q={city}"
    response = requests.get(url)
    if response.status_code == 200:
        data = response.json()
        return f"{city}当前温度: {data['current']['temp_c']}°C, {data['current']['condition']['text']}"
    else:
        return "获取天气失败，请重试。"

第二步：把“拨号器”装进Agent的工具箱

这里的关键是使用合适的Agent类型（如OpenAIFunctionsAgent），并传入tools列表：

from langchain.agents import create_openai_functions_agent
from langchain_openai import ChatOpenAI

# 初始化LLM
llm = ChatOpenAI(model="gpt-4-turbo", temperature=0)

# 创建Agent，绑定工具
tools = [get_weather]  # 把刚才定义的工具放进来
agent = create_openai_functions_agent(llm, tools, prompt)

第三步：执行！让Agent决定何时拨号

用户提问后，Agent会分析语义，自动选择是否以及如何调用工具：

from langchain.agents import AgentExecutor

agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)

# 用户问：“上海现在多少度？”
result = agent_executor.invoke({"input": "上海现在多少度？"})
print(result['output'])
# 输出：上海当前温度: 22°C, 晴

避坑指南：我在实战中总结的3个高频错误

1. 工具描述不清：@tool装饰器下的docstring必须清晰说明用途和参数，否则LLM看不懂该不该用、怎么用。
2. 权限/密钥没传：API密钥硬编码在函数里？生产环境请用环境变量或Secret管理器。
3. 返回格式太复杂：工具返回尽量是字符串或简单JSON，避免嵌套过深导致Agent解析失败。

进阶技巧：把n8n工作流也变成Agent的“工具”

既然API能调，那能不能把n8n里那些复杂的审批流、数据清洗流程也封装成Tool？当然可以！思路很简单：让Tool内部发起Webhook请求触发n8n工作流。

@tool
def trigger_n8n_workflow(user_id: str, action: str) -> str:
    """触发n8n中的用户行为处理工作流"""
    webhook_url = "https://your-n8n-instance.com/webhook/trigger-user-action"
    payload = {"user_id": user_id, "action": action}
    response = requests.post(webhook_url, json=payload)
    return "已触发n8n工作流，后台正在处理..."

这样，Agent一句“帮我冻结这个用户的账户”，就能联动你精心设计的n8n风控流程——这才是真正的自动化协同！

总结：Agent的价值，在于“调度”而非“执行”

记住：LangChain Agent本身不直接调用任何API，它通过绑定的Tools间接完成。理解这一点，你就掌握了构建智能自动化系统的核心钥匙。无论是调天气API、发企业微信，还是触发n8n工作流，本质都是给Agent配对正确的“工具人”。

你在搭建Agent时遇到过哪些奇葩报错？或者有什么想联动的系统还没打通？欢迎在评论区留言，我会挑三个典型问题亲自帮你调试！