LangChain组件Tools/Toolkits详解（5）——返回产出artifact

1. 《LangChain组件Tools/Toolkits详解（1）——Tools接口与创建工具概述》
2. 《LangChain组件Tools/Toolkits详解（2）——装饰器@tool》
3. 《LangChain组件Tools/Toolkits详解（3）——结构化工具StructuredTool》
4. 《LangChain组件Tools/Toolkits详解（4）——处理Error》
5. 《LangChain组件Tools/Toolkits详解（5）——返回产出artifact》
6. 《LangChain组件Tools/Toolkits详解（6）——特殊类型注解》
7. 《LangChain组件Tools/Toolkits详解（7）——工具调用与Toolkits》

本篇摘要

本章介绍LangChain组件Tools/Toolkits。

14. LangChain组件Tools/Toolkits详解

工具（Tools）是一种封装函数及其模式schema的方法，可以传递给聊天模型，使模型能够请求执行带有特定输入的工具函数，例如从数据库获取数据、发出API请求或运行自定义代码。LangChain中的tool抽象类将Python函数与定义函数名称、描述和预期参数的模式schema关联起来，以明确创建工具的作用及调用方式。本节将从Tools接口与创建工具概述、装饰器@tool、结构化工具StructuredTool、处理Error、返回产出artifact、特殊类型注解、工具调用和Toolkits等方面详细介绍工具。

14.5 返回产出artifact

工具是模型可以调用的实用程序，其输出被设计为反馈给模型。然而，有时我们希望将工具执行的一些产出（artifacts）提供给链或代理中的下游组件，但不希望将这些结果暴露给模型本身。例如，如果工具返回一个自定义对象（如文档）、数据帧或图像，我们可能希望将有关此输出的一些元数据metadata传递给模型，而不是将原始输出传递给模型；同时我们可能希望在其他地方访问完整的输出，例如在下游工具中。

Tool和ToolMessage接口使我们可以区分工具输出中用于模型的部分（即 ToolMessage.content）和用于模型外部的部分（ToolMessage.artifact）。
此功能在langchain-core == 0.2.19中添加，因此请确保langchain-core >= 0.2.19。

14.5.1 定义工具

如果我们希望工具能够区分消息内容和其他产出，需要在定义工具时指定 response_format=“content_and_artifact”，并确保返回一个 (content, artifact) 元组。示例如下：

# !pip install -qU "langchain-core>=0.2.19"
import random
from typing import List, Tuple

from langchain_core.tools import tool

@tool(response_format="content_and_artifact")
def generate_random_ints(min: int, max: int, size: int) -> Tuple[str, List[int]]:
    """Generate size random ints in the range [min, max]."""
    array = [random.randint(min, max) for _ in range(size)]
    content = f"Successfully generated array of {
     size} random ints in [{
     min}