🧠 進階 LangChain 技巧：讓 LLM 自己選工具！打造迷你 AI Agent 🎩

嗨大家好！今天這篇，我們要來玩一點 進階的 LangChain 技巧，主題是——

如何讓 AI 模型自己決定要不要用工具，甚至自己挑選哪個工具！

是不是很帥？😎 就像一位智慧小助理會思考：「嗯…這題我不太熟，我去查一下」或「喔～這只是個簡單的數學題，我自己算給你聽就好！」

🧰 工具能幹嘛？先來預習一下 Tool 的概念！

在前一篇文中我們已經示範了怎麼讓模型使用 DuckDuckGo 搜尋工具。

這次我們再升級：模型可以從「多個工具中選擇一個」，甚至決定「根本不需要工具」！

這就像這樣的決策流程👇

🧍‍♂️ 使用者：「123 * 456 + 789 等於多少？」
🤖 模型內心：這題我可以算，不用去查網頁！
➡️ 選用：calculator 工具
----------------------

🧍‍♂️ 使用者：「gpt-4o-mini 有哪些功能？」
🤖 模型內心：我不確定...去 DuckDuckGo 找一下好了
➡️ 選用：ddg-search 工具
----------------------

🧍‍♂️ 使用者：「你覺得 AI 的未來會怎樣？」
🤖 模型內心：這我可以自己聊 😎
➡️ 不使用工具

🧱 系統架構一覽

來看一下我們的實作，這次程式邏輯分成幾大步驟：

1️⃣ 定義工具

class SearchInput(BaseModel):
    query: str = Field(description="The search query to be executed.")

search_tool = DuckDuckGoSearchRun(
    name="ddg-search",
    description="Use DuckDuckGo to search the internet.",
    args_schema=SearchInput
)

def calculator_tool_fn(args: dict):
    try:
        result = eval(args["expression"])
        return f"{args['expression']} = {result}"
    except Exception as e:
        return f"Error evaluating expression: {e}"

我們把兩個工具都包裝好，並透過 tools 字典做管理 👇

tools = {
    "ddg-search": lambda args: search_tool.run(args),
    "calculator": calculator_tool_fn,
}

2️⃣ 工具選擇 Prompt（超重要！）

這邊是整個 Agent 的「靈魂設計」🔥

tool_selection_prompt = ChatPromptTemplate.from_messages([
    ("system", 
     "你是一個可以選擇工具的智慧助手。\n"
     "可用工具如下：\n"
     "- ddg-search(query): 用於搜尋網路資訊\n"
     "- calculator(expression): 用來進行基本數學運算\n"
     "請根據使用者問題，決定是否需要工具。\n"
     "若需要，請輸出 JSON: {\"tool\": 工具名稱, \"args\": 參數字典}\n"
     "若不需要工具，請輸出 JSON: {\"tool\": null, \"args\": null}"),
    ("human", "{input}")
])

這段 prompt 告訴模型怎麼選工具、要怎麼格式化回覆。
（我們會強制它吐出 JSON 格式，這樣好 parse）

3️⃣ 執行整合流程：模擬 Mini Agent

# -----------------------------
# 4️⃣ 主流程：模擬 Agent 行為
# -----------------------------
def multi_tool_agent(user_input: str) -> str:
    print(f"📩 使用者輸入: {user_input}")
    decision_raw = tool_selector_chain.invoke({"input": user_input})
    print(f"🤖 工具選擇回應: {decision_raw}")

    try:
        decision = json.loads(decision_raw)
        tool_name = decision.get("tool")
        args = decision.get("args")

        if tool_name and tool_name in tools:
            print(f"🔧 執行工具: {tool_name} 參數: {args}")
            result = tools[tool_name](args)
            final_prompt = ChatPromptTemplate.from_template(
                "工具結果如下：{tool_result}\n請根據這個結果回答問題：{user_input}"
            )
            answer_chain = final_prompt | chat_model | StrOutputParser()
            return answer_chain.invoke({"tool_result": result, "user_input": user_input})

        elif tool_name is None:
            return "模型判斷不需要工具：" + chat_model.invoke(user_input).content
        else:
            return f"❌ 不支援的工具名稱: {tool_name}"

    except Exception as e:
        return f"❌ 錯誤：無法解析模型輸出或執行工具: {e}"

是不是超像一個 Agent 的行為？能決策、能執行，還會整合答案！

🧪 測試時間！來看看效果怎麼樣～

✔️ DuckDuckGo 搜尋：

multi_tool_agent("gpt-4o-mini 有哪些功能？")

## result
🧪 測試 1：DuckDuckGo 搜尋
📩 使用者輸入: gpt-4o-mini 有哪些功能？
🤖 工具選擇回應: {"tool": "ddg-search", "args": {"query": "gpt-4o-mini 功能"}}
🔧 執行工具: ddg-search 參數: {'query': 'gpt-4o-mini 功能'}
根据您提供的信息，gpt-4o-mini 具有以下功能：

1. **多模态能力**：继承了 GPT-4o 系列的多模态特性，能够处理文本和图像输入。

2. **图像生成与编辑**：用户可以通过自然语言描述（Prompt）生成、编辑和调整图像。这个功能比之前的图像生成工具更流畅、交互性更强。

3. **图像识别能力**：具备强大的视觉理解能力，包括：
   - 能够识别和描述图像中的场景、物体、人物及其活动。

4. **高性价比**：作为免费的默认模型，其性能超越 GPT-3.5，但在处理极复杂任务方面的能力不如完整的 GPT-4。

5. **快速处理**：提供快速响应，成本低，适合日常高频任务。

6. **支持长上下文**：能够处理长达 128K 的上下文，有助于中长文本任务的完成，不易出现信息断裂的情况。

这些功能使得 gpt-4o-mini 成为一个经济实惠且高效的选择，适合各种需求。

✔️ 計算器工具：

multi_tool_agent("123 * 456 + 789 等於多少？")

##result 
🧪 測試 2：計算器
📩 使用者輸入: 123 * 456 + 789 等於多少？
🤖 工具選擇回應: {"tool": "calculator", "args": {"expression": "123 * 456 + 789"}}
🔧 執行工具: calculator 參數: {'expression': '123 * 456 + 789'}
根據提供的計算結果，123 * 456 + 789 等於 56877。

✔️ 不用工具的回答：

multi_tool_agent("你覺得AI的未來會怎樣？")

##result
🧪 測試 3：不使用工具
📩 使用者輸入: 你覺得AI的未來會怎樣？
🤖 工具選擇回應: {"tool": null, "args": null}
模型判斷不需要工具：AI的未來可能會有幾個主要方向的發展：

1. **更高度的自動化**：AI將在各行各業中實現更廣泛的自動化，從工廠生產到物流管理，可能會取代一些重複性和程序性的工作。

2. **增強人類能力**：AI可能將成為人類的強大助手，不論是在醫療診斷、科學研究還是創意創作方面，幫助人們更高效地工作。

3. **個性化服務**：隨著數據分析技術的進步，AI能夠提供更加個性化的服務，了解個體需求，提升用戶體驗。

4. **道德與法律挑戰**：隨著AI技術的進步，我們將面臨許多倫理和法律問題，例如隱私權、決策透明度和責任歸屬等。

📊 整體架構整理一下：

模型功能	有工具支援的版本 🛠️
回答 AI 常識	✅ 不用工具，模型自己回答
查詢最新知識	✅ 使用 ddg-search 工具
處理簡單計算	✅ 使用 calculator 工具
模型自己做選擇嗎？	✅ YES！透過 prompt 做選擇
模型回答會變靈活嗎？	✅ 超靈活，自由切換策略！

🧠 結語：讓 LLM 動腦又動手！

這樣的設計讓 LLM 不再是死板板的「問答機器」，而是可以根據問題靈活調用工具的小助理！

未來你可以加上更多工具，比如：

📊 查股價
🌤️ 查天氣
📅 查日曆
📦 查產品庫存
🔍 查企業內部資料

🎯 只要建立好 tools + prompt + chain，就能快速打造自己的 AI 工具人！