（五）智能体与工具协同——打造智能对话的超级助手

上一篇：（四）数据检索与增强生成——让对话系统更智能、更高效

在前四个阶段，我们已经搭建了一个功能强大的智能对话，并深入探讨了输入输出处理、链式工作流构建和数据检索与增强生成的细节。现在，我们将进入智能对话的终极阶段——智能体与工具协同。这一阶段的目标是通过智能体与工具的协同工作，让对话能够处理更加复杂的任务，成为真正的“超级助手”。
（建议从第一篇食用）

一、工具创建：赋予系统实用能力

工具是智能体与外部世界交互的桥梁。通过创建各种工具，我们可以让对话系统具备实际的实用能力。

导入相关库

from langchain_community.chat_models import ChatZhipuAI
from langchain_core.tools import tool
from datetime import datetime
import pytz
from langchain.agents import initialize_agent, AgentType

获取当前时间

@tool
def get_current_time(timezone: str = "America/New_York") -> str:"""获取指定时区的当前时间（默认北京时间）"""now = datetime.now().astimezone(pytz.timezone(timezone))return f"当前时间：{now.strftime('%Y-%m-%d %H:%M:%S %Z')}"

通过这个工具，我们可以获取指定时区的当前时间。这对于需要处理时区相关问题的场景非常有用。

货币汇率转换

@tool
def currency_converter(amount: float, from_cur: str, to_cur: str) -> str:"""货币汇率转换（示例工具，实际需接入API）"""rates = {"USD-CNY": 7.25, "EUR-CNY": 7.88}  # 模拟汇率数据key = f"{from_cur}-{to_cur}"return f"{amount} {from_cur} = {amount * rates.get(key, 1)} {to_cur}"

这个工具可以将一种货币转换为另一种货币。虽然示例中使用了模拟数据，但在实际应用中可以接入真实的汇率API。

二、智能体创建：构建决策与执行的核心

智能体是对话系统的大脑，它负责根据用户的需求选择合适的工具并执行相应的操作。

初始化智能体

tools = [get_current_time, currency_converter]agent = initialize_agent(tools, # 调用工具chat,  # GLM-4-Flash模型agent=AgentType.STRUCTURED_CHAT_ZERO_SHOT_REACT_DESCRIPTION,  # 结构化决策verbose=True  # 显示详细思考过程
)

通过初始化智能体，我们可以将工具与模型绑定在一起，让智能体具备决策和执行的能力。

三、执行查询：让智能体处理复杂任务

智能体的强大之处在于它能够处理复杂的多步骤任务。通过简单的查询，智能体可以自动选择和调用合适的工具。

response = agent.invoke("现在纽约时间几点？换算100美元对应多少人民币？")
print(response["output"])

在执行查询时，智能体会自动进行以下步骤：

1. 思考任务：分析用户的需求，确定需要完成的任务。
2. 选择工具：根据任务选择合适的工具。
3. 调用工具：执行工具并获取结果。
4. 整合结果：将工具的结果整合成最终的回答。

执行过程详解

通过这个过程，我们可以看到智能体如何一步步完成复杂任务。它不仅能够理解用户的需求，还能自动选择和调用合适的工具，最终给出准确的回答。

四、总结

智能体与工具协同是智能对话的终极能力，它能够处理更加复杂的任务，成为真正的“超级助手”。通过工具创建、智能体初始化和执行查询等技术，我们可以让对话具备实际的实用能力。

未来，我们可以进一步探索以下方向：

• 更多实用工具：接入更多外部API，扩展系统的功能边界。
• 复杂任务处理：通过多步骤决策，处理更加复杂的任务。
• 实时数据支持：接入实时数据源，让系统能够处理动态变化的信息。

祝我们学习愉快 😊