如何正确地调用外部工具（Tool Calling），并将工具执行的结果（ToolMessage）更新回系统状态中？

Question

Accepted Answer

在 LangGraph 中，正确调用外部工具并将结果更新到系统状态（State）的核心机制是：大模型生成带有 的 -> 路由到工具节点 -> 工具节点执行 Python 函数并生成 -> 将 追加到状态中 -> 返回大模型继续推理。 LangGraph 提供了非常优雅的内置模块来简化这个过程，同时你也可以通过自定义节点完全控制它。 下面我将分步骤详细讲解，并提供完整的可运行代码示例。 --- 核心原理解析 在包含工具调用的 State 中，最关键的是消息列表（Messages List）的流转： 1. Agent 节点：调用绑定了工具的 LLM。如果 LLM 决定使用工具，它会返回一个 ，里面包含 属性（包含工具名、参数和唯一的 ）。 2. 状态更新：这个 被追加到 State 的 列表中。 3. 工具节点（Tool Node）：提取上一步的 ，实际执行你的 Python 函数。 4. 生成 ToolMessage：将函数的执行结果包装成 。注意： 必须包含对应的 ，这样大模型才知道这个结果对应的是哪个工具调用请求。 5. 状态更新与循环： 被追加到 State 中，流程切回 A...