如何在LangChain中捕获并处理StructuredTool的Pydantic ValidationError？

核心解决方案：自定义StructuredTool子类，拦截参数验证错误 #

LangChain的StructuredTool在执行前会通过_parse_input方法做参数验证，这里抛出的ValidationError不会触发handle_tool_error（因为它是工具执行前抛出的）。你可以通过继承StructuredTool并重写_parse_input方法，直接捕获验证错误，执行自定义处理逻辑后返回友好提示，避免Agent终止。

代码实现

from langchain.tools import StructuredTool
from pydantic import ValidationError, BaseModel, Field
import logging

# 配置自定义日志（根据你的需求调整）
logger = logging.getLogger("tool_validation")
logger.setLevel(logging.ERROR)
logger.addHandler(logging.FileHandler("tool_validation_errors.log"))

class ValidationSafeStructuredTool(StructuredTool):
    def __init__(self, validation_error_handler=None, **kwargs):
        super().__init__(**kwargs)
        # 允许传入自定义错误处理函数，默认用内置逻辑
        self.error_handler = validation_error_handler or self._default_handler

    def _default_handler(self, error: ValidationError) -> str:
        # 默认处理：记录日志+返回通用提示
        logger.error(f"参数验证失败: {str(error)}")
        return "参数格式不符合要求，请检查后重试"

    def _parse_input(self, tool_input: dict) -> dict:
        try:
            # 调用父类的参数验证逻辑
            return super()._parse_input(tool_input)
        except ValidationError as e:
            # 捕获错误，调用处理函数，返回带错误标记的字典
            error_msg = self.error_handler(e)
            return {"__validation_error__": error_msg}

    def _run(self, **kwargs):
        # 检查是否有验证错误标记，有则直接返回错误信息
        if "__validation_error__" in kwargs:
            return kwargs["__validation_error__"]
        # 无错误则执行原工具逻辑
        return super()._run(**kwargs)

# ------------------------------
# 示例：定义你的工具和Schema
# ------------------------------
def example_tool(required_str: str, required_int: int) -> str:
    return f"处理结果：{required_str} - {required_int}"

class ExampleToolArgs(BaseModel):
    required_str: str = Field(description="必填字符串参数")
    required_int: int = Field(description="必填整数参数")

# 自定义错误处理函数（可选）
def custom_error_handler(error: ValidationError) -> str:
    # 提取具体错误信息，生成更友好的提示
    missing_fields = [err["loc"][0] for err in error.errors() if err["type"] == "value_error.missing"]
    if missing_fields:
        msg = f"缺少必填参数：{', '.join(missing_fields)}，请补充后重试"
    else:
        msg = f"参数格式错误：{str(error)}"
    logger.error(f"工具验证错误详情: {str(error)}")
    return msg

# 创建带错误处理的工具
safe_tool = ValidationSafeStructuredTool.from_function(
    func=example_tool,
    args_schema=ExampleToolArgs,
    validation_error_handler=custom_error_handler,
    name="ExampleTool",
    description="示例结构化工具"
)

# 测试：传入不完整参数
result = safe_tool.run({"required_str": "test"})
print(result)  # 输出：缺少必填参数：required_int，请补充后重试

方案优势 #

• 完全保留args_schema的准确性，所有参数仍设为必填，不需要做妥协
• 自动捕获所有类型的ValidationError（缺失字段、类型不匹配、格式错误等），不用提前预判所有失败场景
• 错误处理逻辑完全自定义，可灵活实现日志记录、错误提示优化、甚至自动补全参数等恢复逻辑
• Agent会收到错误提示字符串，不会因为未捕获的异常终止，能继续执行后续流程

替代思路 #

如果不想自定义工具类，也可以在Agent的运行循环中全局捕获ValidationError，但这种方式需要修改Agent的执行逻辑，不如自定义工具类灵活，而且容易遗漏其他场景的错误。

内容的提问来源于stack exchange，提问作者istrupin