如何向作为工具的LLMCypherGraphChain传递多参数并适配AgentExecutor？

我正在构建一个与Neo4j交互的Agent，采用自定义LLMCypherGraphChain作为工具（已知有现成实现但选择自定义）。当前无法向该工具传递多个任意参数，需要了解如何从Agent/工具创建阶段、AgentExecutor执行阶段传递参数。

代码情况 #

自定义链定义 #

class LLMCypherGraphChain(Chain, BaseModel):
    input_key: List[str] = ["question", "content_type"]

GraphAgent初始化工具与Agent #

class GraphAgent(AgentExecutor):
    @classmethod
    def initialize(cls,...):
        cypher_tool = LLMCypherGraphChain(
            llm=llm,
            input_key=["question", "content_type"],
            graph=graph,
            verbose=verbose,
            memory=readonlymemory
        )

        # 加载工具配置
        tools = [
            Tool(
                name="Cypher search",
                func=cypher_tool.run,
                description="""
                用这个工具在数据库内搜索，专门用于回答x类问题。
                该工具提供高效搜索能力，帮你轻松找到所需的电影信息。
                输入应为完整问题。""",  # noqa
            )
        ]

        agent_chain = initialize_agent(
            tools,
            llm,
            agent=AgentType.STRUCTURED_CHAT_ZERO_SHOT_REACT_DESCRIPTION,
            verbose=verbose,
            memory=memory,
            return_intermediate_steps=True
        )
    
    def run(self, *args, **kwargs):
        return super().run(*args, **kwargs)

AgentExecutor调用 #

self.agent_executor = GraphAgent.initialize(
           ...
        )

res = self.agent_executor({"question": "my question",
                           "input": "my question",
                           "random_param": "my other param"})

报错信息 #

ERROR:root:A single string input was passed in, but this chain expects multiple inputs ({'question', 'content_type'}). When a chain expects multiple inputs, please call it by passing in a dictionary, eg `chain({'foo': 1, 'bar': 2})`

问题根源补充 #

问题本质是LLMChain生成的输入格式不符合LLMCypherGraphChain的run方法要求。在Agent的plan方法中：

def plan(
    self,
    intermediate_steps: List[Tuple[AgentAction, str]],
    callbacks: Callbacks = None,
    **kwargs: Any,
) -> Union[AgentAction, AgentFinish]:
    """Given input, decided what to do.

    Args:
        intermediate_steps: Steps the LLM has taken to date,
            along with observations
        callbacks: Callbacks to run.
        **kwargs: User inputs.

    Returns:
        Action specifying what tool to use.
    """
    full_inputs = self.get_full_inputs(intermediate_steps, **kwargs)
    full_output = self.llm_chain.predict(callbacks=callbacks, **full_inputs)
    return self.output_parser.parse(full_output)

LLM生成的预测结果为：

'Action:\n```\n{\n  "action": "Cypher search",\n  "action_input": "Who directed the green mile?"\n}\n```\n'

目前不清楚如何修改action_input，使其适配链run方法所需的字典格式，且该字典需包含由run方法传递而非LLM生成的参数。

解决方案 #

1. 包装工具函数，合并外部参数与LLM输入 #

不要直接将cypher_tool.run作为Tool的执行函数，编写一个包装函数，把调用Agent时传入的外部参数（如random_param、content_type）与LLM生成的action_input合并为字典，再传递给cypher_tool.run。

修改工具定义部分：

def cypher_tool_wrapper(input_str, **kwargs):
    # 从kwargs中提取外部传入的参数，可设置默认值
    input_dict = {
        "question": input_str,
        "content_type": kwargs.get("content_type", "default_content_type"),
        "random_param": kwargs.get("random_param")
    }
    return cypher_tool.run(input_dict)

tools = [
    Tool(
        name="Cypher search",
        func=cypher_tool_wrapper,
        description="""
        用这个工具在数据库内搜索，专门用于回答x类问题。
        该工具提供高效搜索能力，帮你轻松找到所需的电影信息。
        输入应为完整问题。""",
    )
]

2. 确保Agent传递外部参数到工具 #

在GraphAgent的run方法中，确保接收到的所有参数都能传递到Agent执行流程。STRUCTURED_CHAT_ZERO_SHOT_REACT_DESCRIPTION类型的Agent支持传递额外参数，调用AgentExecutor时传入的参数会被Agent的plan方法中的**kwargs捕获，进而传递到工具包装函数。

3. 可选：修改提示词引导LLM生成字典格式输入 #

如果需要LLM参与生成部分参数，可修改工具的description，明确要求返回字典格式的action_input：

用这个工具在数据库内搜索，专门用于回答x类问题。
输入应为包含question和content_type的字典，格式示例：{"question": "你的问题", "content_type": "movie"}
"""

若部分参数无需LLM生成，优先使用第一步的包装方法更可靠。

内容的提问来源于stack exchange，提问作者M. Villanueva