LangGraph工具识别机制及工具功能传递方法咨询

一、LangGraph如何识别工具？ #

LangGraph不是只靠函数名识别工具，它会通过@tool装饰器提取工具的完整元信息，并传递给背后的大语言模型（LLM），这些信息包括：

• 函数名称
• 参数的类型、名称
• 返回值类型
• 函数的文档字符串（注释）

以你提供的示例为例，@tool会把human_assistance的参数定义、返回值说明，以及文档字符串里的Request assistance from a human都打包传递给LLM，LLM正是基于这些结构化信息理解工具的功能，而不是只看函数名。

二、如何清晰传递工具用途？ #

完全不需要设置超长函数名，以下是更高效的方法：

• 写详细的文档字符串：这是传递工具功能的核心。对于复杂工具，要在文档字符串里明确说明：
  1. 工具的核心作用
  2. 适合调用的场景
  3. 每个参数的具体含义
  4. 返回值的内容格式
     比如可以把示例的文档字符串优化成：

  @tool
  def human_assistance(query: str) -> str:
      """
      当AI无法独立解决问题、需要人类提供额外信息或决策判断时调用此工具。
      参数：
          query: 需要向人类提出的具体问题或请求描述，需清晰明确
      返回值：
          人类针对该问题给出的响应内容
      注意：调用此工具会中断当前流程，必须等待人类输入后才会继续执行。
      """
      human_response = interrupt({"query": query})
      return human_response["data"]
  

• 规范类型注解：给参数和返回值加上准确的类型注解（比如list[str]、dict[str, str]），能帮LLM更准确理解输入输出的格式，减少调用错误。
• 简洁表意的函数名：函数名只需体现核心动作和对象，比如fetch_order_history比get_all_user_past_orders_from_db更清晰，配合文档字符串完全足够传递信息。

三、复杂工具功能的传递技巧 #

如果工具逻辑特别复杂，可以在文档字符串里补充：

• 示例调用场景：明确说明什么情况下应该调用该工具，帮LLM判断调用时机
• 特殊注意事项：比如调用工具的限制、可能的异常情况等

举个复杂工具的示例：

@tool
def calculate_shipping_cost(weight: float, destination: str, shipping_method: str) -> float:
    """
    计算商品的物流运费。
    参数：
        weight: 商品的总重量（单位：千克）
        destination: 收货地址的城市名称（需准确，如"上海市"）
        shipping_method: 物流方式，可选值为"标准快递"、"次日达"、"跨境物流"
    返回值：
        计算得出的运费金额（单位：元）
    示例场景：
        当用户询问"这个商品寄到北京多少钱"时，调用此工具，传入商品重量、"北京市"和对应的物流方式
    注意：跨境物流仅支持部分国家，若传入不支持的国家会返回0并提示错误
    """
    # 工具逻辑代码
    pass

内容的提问来源于stack exchange，提问作者a_confused_student