故小里1. 深入解析LangChain的create_agent函数
在构建AI应用时，我们经常需要让大语言模型具备调用外部工具的能力。LangChain框架提供的create_agent函数正是解决这一需求的利器。这个函数会创建一个代理图谱，让模型能够循环调用工具直到满足停止条件。今天我们就来深入剖析这个核心函数的实现细节。
create_agent的设计理念非常清晰：它把工具调用过程抽象为一个状态图(StateGraph)，通过模型节点和工具节点的交互，实现智能的工具调用循环。这种设计既保持了灵活性，又能处理复杂的工具调用场景。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 核心参数详解
2.1 模型参数解析
模型参数(model)是create_agent最核心的必填参数，它支持两种形式：
- 字符串标识符：如"openai:gpt-4"、"anthropic:claude-3"等
- 直接的聊天模型实例：如ChatOpenAI、ChatAnthropic等
在函数内部，字符串标识符会被转换为实际的模型实例。这里有个细节值得注意：模型绑定时会根据响应格式(response_format)自动选择最佳策略。例如，如果模型支持ProviderStrategy(如OpenAI的JSON模式)，就会优先使用这种更高效的响应方式。
2.2 工具系统设计
工具参数(tools)可以是以下几种形式：
- BaseTool实例：标准的工具类
- 可调用对象：普通Python函数
- 字典：内置工具的配置
工具系统的设计有几个精妙之处：
- 工具动态绑定：工具可以在运行时通过middleware动态添加
- 结构化输出工具：特殊的工具类型，用于处理结构化响应
- 工具调用包装：通过wrap_tool_call机制实现工具调用的拦截和修改
实际开发中，我建议将常用工具封装为BaseTool子类，这样能获得更好的类型提示和文档支持。对于简单功能，使用普通函数作为工具也很方便。
2.3 中间件机制剖析
middleware参数是create_agent最强大的特性之一。中间件可以拦截和修改代理的各个阶段行为，包括：
- before_agent/after_agent：代理执行前后
- before_model/after_model：模型调用前后