LangChain Tools-API
@tool-Dekorator
| Parameter | Type | Standardwert | Beschreibung |
|---|---|---|---|
| args_schema | BaseModel oder None | Keine | Parametervalidierungsmodell. Wenn nicht angegeben, wird es automatisch aus der Funktionssignatur generiert. |
| return_direct | bool | False | Ob direkt zurückgegeben werden soll (Modell-Neudenken überspringen) |
| name | str or None | Funktionsname | Tool-Name |
| description | str or None | Funktions-Docstring | Tool-Beschreibung |
Wichtige Attribute und Methoden von BaseTool
| Attribut/Methode | Beschreibung |
|---|---|
| name | Tool-Name (string) |
| description | Tool-Beschreibung (string) |
| args_schema | Pydantic-Modell für Parameter |
| return_direct | Ob direkt zurückgegeben werden soll (bool) |
| invoke(input) | Tool aufrufen; input ist das Parameter-Dictionary |
| ainvoke(input) | Tool asynchron aufrufen |
Dependency-Injection-Marker
| Marker | Zweck | Nutzung |
|---|---|---|
| InjectedState | Agent-Status injizieren | Annotated[dict, InjectedState] |
| InjectedStore | Cross-Session-Store injizieren | Annotated[BaseStore, InjectedStore()] |
| InjectedToolCallId | Tool-Aufruf-ID injizieren | Annotated[str, InjectedToolCallId] |
| InjectedToolArg | Generischer Injektionsmarker | Annotated[T, InjectedToolArg] |
Häufige Anwendungsbeispiele
Beispiele
from langchain.tools import tool, InjectedState, InjectedStore, ToolException
from typing import Annotated
from langgraph.store.base import BaseStore
# Einfaches Tool
@tool
def my_tool(param: str) -> str:
"""Tool-Beschreibung"""
return f"Ergebnis: {param}"
# Mit Parametervalidierung
from pydantic import BaseModel, Field
class MyInput(BaseModel):
param: str = Field(description="Parameterbeschreibung", min_length=1)
@tool(args_schema=MyInput)
def validated_tool(param: str) -> str:
return param
# Direkte Rückgabe
@tool(return_direct=True)
def query_tool(query: str) -> str:
return f"Ergebnis: {query}"
# Zustand injizieren
@tool
def stateful_tool(
param: str,
state: Annotated[dict, InjectedState],
) -> str:
return f"Nachrichtenanzahl: {len(state.get('messages', []))}"
# Store injizieren
@tool
def store_tool(
key: str,
store: Annotated[BaseStore, InjectedStore()],
) -> str:
item = store.get(("ns",), key)
return str(item.value if item else "None")
# Ausnahmebehandlung
@tool
def safe_tool(param: int) -> str:
if param < 0:
raise ToolException(f"Parameter muss eine positive Zahl sein: {param}")
return f"OK: {param}"
from typing import Annotated
from langgraph.store.base import BaseStore
# Einfaches Tool
@tool
def my_tool(param: str) -> str:
"""Tool-Beschreibung"""
return f"Ergebnis: {param}"
# Mit Parametervalidierung
from pydantic import BaseModel, Field
class MyInput(BaseModel):
param: str = Field(description="Parameterbeschreibung", min_length=1)
@tool(args_schema=MyInput)
def validated_tool(param: str) -> str:
return param
# Direkte Rückgabe
@tool(return_direct=True)
def query_tool(query: str) -> str:
return f"Ergebnis: {query}"
# Zustand injizieren
@tool
def stateful_tool(
param: str,
state: Annotated[dict, InjectedState],
) -> str:
return f"Nachrichtenanzahl: {len(state.get('messages', []))}"
# Store injizieren
@tool
def store_tool(
key: str,
store: Annotated[BaseStore, InjectedStore()],
) -> str:
item = store.get(("ns",), key)
return str(item.value if item else "None")
# Ausnahmebehandlung
@tool
def safe_tool(param: int) -> str:
if param < 0:
raise ToolException(f"Parameter muss eine positive Zahl sein: {param}")
return f"OK: {param}"