LangChain Agent 有插件系统吗？如何添加新工具？

作者： Dr.n8n 更新时间：2025-12-11 16:00:41 分类：n8n教程

“我的 LangChain Agent 怎么连个查天气的功能都没有？”——别急，它比你想象的更开放

上周，一位做旅游 SaaS 的客户在 Slack 上抓狂：“我搭了个客服 Agent，用户问‘明天三亚适合出海吗？’它居然回‘我不懂气象学’！这玩意儿不是号称能连接万物吗？”

其实，LangChain Agent 本身没有传统意义上的“插件市场”，但它拥有一个更灵活、更强大的机制——工具（Tools）系统。你可以把它理解为：Agent 是个聪明的大脑，而 Tools 就是它伸向外部世界的“手”和“眼睛”。缺什么功能？自己给它装上就行。

我在帮某跨境电商搭建退货处理 Agent 时，就亲手给它“装”了一个 Shopify 库存查询工具 + 一个快递面单生成器。结果原本要人工跑三个系统的活，现在一句话就搞定了。

LangChain 的“工具箱”长什么样？核心原理拆解

很多人误以为“插件”必须是官方上架、一键安装的。但在 LangChain 世界里，Tool 的本质就是一个 函数（或 Callable 对象），只要满足两个条件：

有明确的名称和描述（让 LLM 知道这个工具是干嘛的）
接收字符串输入，返回字符串输出（便于大模型理解和调用）

这就像你雇了个助理，不需要他懂所有技能，但你要给他配好“瑞士军刀”——每把刀都有标签（名称+用途），他按需取用即可。

手把手教学：三步给你的 Agent 装上“新器官”

下面以“添加一个天气查询工具”为例，我们用 Python 实战一把。（假设你已初始化好 LangChain 环境）

from langchain.agents import Tool
from langchain.utilities import OpenWeatherMapAPIWrapper

# 第一步：准备你的“工具”
weather = OpenWeatherMapAPIWrapper()
weather_tool = Tool(
    name="Weather Checker",
    func=weather.run,  # 这就是工具的核心执行函数
    description="当用户询问某城市天气时使用此工具。输入应为城市名，如‘北京’或‘New York’"
)

# 第二步：把工具“注册”给 Agent
agent = initialize_agent(
    tools=[weather_tool],  # 把你的工具放进列表
    llm=your_llm_instance,
    agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION,
    verbose=True
)

# 第三步：直接对话！
response = agent.run("明天上海会下雨吗？记得带伞吗？")
print(response)

就这么简单。运行后，Agent 会自动判断“这个问题需要查天气”，然后调用你刚装上的工具，最后把 API 返回的数据整理成自然语言回复你。

进阶技巧：自定义工具 & 复合工具链

官方封装的工具（如 Google Search、Wikipedia）固然方便，但真实业务往往需要定制。比如你想让 Agent 能读公司内部数据库，只需写个函数：

def query_internal_db(question: str) -> str:
    # 你的数据库查询逻辑
    return "查询结果：..."

internal_tool = Tool(
    name="Internal DB Query",
    func=query_internal_db,
    description="用于查询公司内部客户数据表。输入应为自然语言问题。"
)

更狠的是，你可以把多个工具“串”起来。比如“查库存→生成采购单→发邮件通知采购部”，形成一条自动化流水线。这时候 Agent 就不只是问答机器人，而是真正的“数字员工”了。