🎯 课程主题

演示多工具场景下的调用流程：当一个用户问题需要同时调用多个工具时，如何使用 while True 循环持续检查 tool_calls 直到所有工具执行完毕。

📝 核心知识点

1. 多工具调用场景

  • 概念说明：当模型绑定了多个工具，且用户问题涉及多项任务（如"查询苹果股价和最新新闻"），模型的一次返回中 tool_calls 可能包含多个工具调用。
  • 关键细节：
    • 即使函数体内没有匹配的公司数据，模型仍会尝试调用（因为它在函数描述中看到了相关能力）。
    • 实际开发中，工具通常对接真实 API（如 Google Search、Tavily Search），确保能返回有效结果。

2. while True 循环处理模式

  • 概念说明：使用 while True 包裹整个调用流程，每次模型返回后检查 tool_calls 是否为空，有则执行工具并继续循环，无则 break 退出。
  • 关键细节：
    • 相比前两个案例的"单次判断"方式，while 循环能处理多次迭代的工具调用（如图一工具结果又触发了新的工具调用）。
    • 每轮循环中：将 response（AIMessage）追加到消息列表 → 提取 tool_calls 列表 → 遍历执行各工具 → 追加 ToolMessage → 再次 invoke 模型。
    • 当 response.tool_calls 为空列表时 break，此时 response 即为最终回答。

3. 案例四：天气+新闻多工具调用

  • 概念说明：定义 get_weather 和 search_news 两个独立工具，演示同时查询天气和新闻的完整流程。
  • 关键细节：与案例三逻辑一致，结构更简洁（未使用 while 循环，因假设一次调用即可完成）。

🏗️ 架构与工作流

┌─────────────────────────────────────────────────┐
│  while True:                                     │
│    1. response = model.invoke(messages)          │
│    2. messages.append(response)                  │
│    3. if not response.tool_calls: break          │
│    4. for tc in response.tool_calls:             │
│         tool_msg = tool.invoke(tc)               │
│         messages.append(tool_msg)                │
│    5. 继续循环（回到步骤1）                       │
└─────────────────────────────────────────────────┘

💻 代码实战

from langchain_core.messages import HumanMessage
from langchain_core.tools import tool
from langchain_deepseek import ChatDeepSeek

# ========== 工具定义 ==========

@tool(parse_docstring=True)
def get_stock_price(company: str = "苹果", period: str = "今天") -> str:
    """获取指定公司的股票价格。

    Args:
        company: 公司名称（苹果、谷歌、微软）
        period: 时间范围（今天、本周、本月）

    Returns:
        str: 股票价格信息
    """
    stocks = {
        "苹果": 175.5, "谷歌": 140.2, "微软": 330.8
    }
    price = stocks.get(company, "未找到")
    return f"{company} {period} 股价：{price}美元" if isinstance(price, float) else f"未找到{company}的股价信息"

@tool(parse_docstring=True)
def search_news(company: str = "苹果") -> str:
    """搜索指定公司的最新新闻。

    Args:
        company: 公司名称（苹果、谷歌、微软）

    Returns:
        str: 新闻摘要
    """
    news = {
        "苹果": "苹果发布新一代M4芯片，性能提升显著",
        "谷歌": "谷歌推出Gemini 2.0大模型",
        "微软": "微软宣布加大对OpenAI的投资"
    }
    return news.get(company, f"暂未找到{company}的相关新闻")

# ========== 模型初始化与工具绑定 ==========

model = ChatDeepSeek(model="deepseek-chat")
tools = [get_stock_price, search_news]
model_with_tools = model.bind_tools(tools)

# ========== 多工具调用流程 ==========

messages = [HumanMessage(content="苹果今天股价是多少？最近有什么新闻？")]

while True:
    # 调用模型
    response = model_with_tools.invoke(messages)
    messages.append(response)

    # 无工具调用则退出
    if not response.tool_calls:
        break

    # 执行所有工具调用
    for tool_call in response.tool_calls:
        tool_name = tool_call["name"]
        if tool_name == "get_stock_price":
            tool_msg = get_stock_price.invoke(tool_call)
        elif tool_name == "search_news":
            tool_msg = search_news.invoke(tool_call)
        else:
            continue
        messages.append(tool_msg)

# 输出最终结果
print(response.content)

# 消息流专家分析
for msg in messages:
    print(msg.pretty_repr())

⚠️ 常见问题与避坑指南

  • 案例一/二中只做了一次工具调用判断，实际应使用 while True 循环来覆盖可能的多轮工具调用。
  • 多个 tool_calls 共享同一个 AIMessage，追加到消息列表时只追加一次。
  • 每次进入 while 循环需要重新调用模型，否则消息列表未更新，模型无法利用工具返回的结果。
  • 如果工具返回的结果又触发了新的工具调用需求，while 循环会自动处理（如 Agent 多步推理场景）。

💡 个人总结与延伸

多工具调用是 Agent 自动化工具编排的基础模式。while True + 检查 tool_calls 的循环模式本质上就是简化版的 Agent 执行循环（AgentExecutor 内部也是类似逻辑）。理解这个模式后，后续学习 Agent 和 LangGraph 的状态图编排会更加顺畅。

最近更新:
Contributors: yangwenguang