多工具组合应用项目需求构建一个多功能助手支持以下工具计算器数学运算天气查询查询城市天气翻译工具文本翻译文本分析分析文本情感架构设计完整实现代码 多功能助手 - 完整实现 支持计算器、天气查询、翻译、文本分析 import os import json from typing import Literal from dotenv import load_dotenv from pydantic import BaseModel, Field from langchain_openai import ChatOpenAI from langchain_core.tools import tool from langchain_core.messages import HumanMessage, SystemMessage, ToolMessage load_dotenv() # 1.模型配置 llm ChatOpenAI( modelos.getenv(DASHSCOPE_MODEL_NAME), api_keyos.getenv(DASHSCOPE_API_KEY), base_urlos.getenv(DASHSCOPE_BASE_URL), temperature0.3, ) # 2.工具定义 # 工具 1: 计算器 class CalculatorInput(BaseModel): expression: str Field(description数学表达式如 2 3 * 4 或 (10 - 5) / 2) tool(args_schemaCalculatorInput) def calculator(expression: str) - str: 执行数学计算。支持加减乘除和括号运算。 Args: expression: 要计算的数学表达式 Returns: 计算结果 try: # 安全检查 allowed set(0123456789-*/.() ) if not all(c in allowed for c in expression): return 错误包含不允许的字符 result eval(expression) return f{expression} {result} except ZeroDivisionError: return 错误除数不能为零 except Exception as e: return f计算错误{str(e)} # 工具 2: 天气查询 class WeatherInput(BaseModel): city: str Field(description要查询天气的城市名称如 北京、上海) tool(args_schemaWeatherInput) def get_weather(city: str) - str: 查询指定城市的当前天气状况。 Args: city: 城市名称 Returns: 天气信息包括天气状况、温度、湿度 # 模拟天气数据 weather_db { 北京: {condition: 晴天, temp: 25, humidity: 40}, 上海: {condition: 多云, temp: 28, humidity: 65}, 广州: {condition: 小雨, temp: 30, humidity: 80}, 深圳: {condition: 阴天, temp: 29, humidity: 70}, 杭州: {condition: 晴天, temp: 27, humidity: 55}, } if city in weather_db: w weather_db[city] return f{city}天气{w[condition]}温度 {w[temp]}°C湿度 {w[humidity]}% return f抱歉暂无 {city} 的天气数据 # 工具 3: 翻译 class TranslateInput(BaseModel): text: str Field(description要翻译的文本内容) target_lang: Literal[中文, 英文, 日文] Field( description目标语言中文、英文、日文 ) tool(args_schemaTranslateInput) def translate(text: str, target_lang: str) - str: 将文本翻译成目标语言。 Args: text: 要翻译的文本 target_lang: 目标语言中文、英文、日文 Returns: 翻译后的文本 # 这里应该调用真实的翻译 API # 为演示目的使用简单的模拟 translations { 你好: {英文: Hello, 日文: こんにちは}, Hello: {中文: 你好, 日文: こんにちは}, 谢谢: {英文: Thank you, 日文: ありがとう}, } if text in translations and target_lang in translations[text]: return f翻译结果{translations[text][target_lang]} return f[模拟翻译] 将 {text} 翻译为{target_lang}的结果 # 工具 4: 文本情感分析 class SentimentInput(BaseModel): text: str Field(description要分析情感的文本内容) tool(args_schemaSentimentInput) def analyze_sentiment(text: str) - str: 分析文本的情感倾向积极、消极或中性。 Args: text: 要分析的文本 Returns: 情感分析结果 # 简单的关键词情感分析 positive_words [好, 棒, 喜欢, 开心, 优秀, 满意, 感谢, 爱] negative_words [差, 糟, 讨厌, 失望, 难过, 生气, 烦, 坏] pos_count sum(1 for w in positive_words if w in text) neg_count sum(1 for w in negative_words if w in text) if pos_count neg_count: sentiment 积极 confidence min(0.9, 0.5 pos_count * 0.1) elif neg_count pos_count: sentiment 消极 confidence min(0.9, 0.5 neg_count * 0.1) else: sentiment 中性 confidence 0.5 return f情感分析结果{sentiment}置信度{confidence:.0%} # 3.助手类 class MultiToolAssistant: 多工具助手 def __init__(self): self.tools [calculator, get_weather, translate, analyze_sentiment] self.tool_map {t.name: t for t in self.tools} self.llm_with_tools llm.bind_tools(self.tools) self.system_prompt 你是一个智能助手可以使用多种工具来帮助用户 1. calculator - 数学计算 2. get_weather - 天气查询 3. translate - 文本翻译 4. analyze_sentiment - 情感分析 请根据用户的问题选择合适的工具来回答。如果问题不需要使用工具直接回答即可。 回答时请使用友好、自然的语言。 def chat(self, query: str, verbose: bool True) - str: 处理用户查询 messages [ SystemMessage(contentself.system_prompt), HumanMessage(contentquery) ] # 第一次调用 response self.llm_with_tools.invoke(messages) messages.append(response) # 检查是否需要工具 if not response.tool_calls: return response.content # 执行工具调用 if verbose: print(f\n{ * 40}) print(f[检测到 {len(response.tool_calls)} 个工具调用]) for tc in response.tool_calls: name tc[name] args tc[args] tid tc[id] if verbose: print(f 调用: {name}) print(f 参数: {args}) # 执行工具 if name in self.tool_map: result self.tool_map[name].invoke(args) else: result f未知工具: {name} if verbose: print(f 结果: {result}) # 添加工具结果 messages.append(ToolMessage(contentstr(result), tool_call_idtid)) if verbose: print(f{ * 40}\n) # 最终回答 final_response self.llm_with_tools.invoke(messages) return final_response.content # 主程序 def main(): assistant MultiToolAssistant() print( * 60) print(欢迎使用多功能助手) print(支持功能数学计算、天气查询、翻译、情感分析) print(输入 quit 退出) print( * 60) # 预设测试用例 test_queries [ 帮我计算一下 (100 50) * 2 - 30, 北京和上海的天气怎么样, 把你好翻译成英文, 分析一下这句话的情感今天真是太开心了考试成绩非常满意, Python 是什么编程语言, # 不需要工具 ] print(\n 运行预设测试用例:\n) for i, query in enumerate(test_queries, 1): print(f\n【测试 {i}】用户: {query}) print(- * 40) response assistant.chat(query) print(f助手: {response}) print() # 交互模式 print(\n * 60) print(进入交互模式请输入您的问题\n) while True: try: user_input input(You: ).strip() if user_input.lower() quit: print(再见) break if not user_input: continue response assistant.chat(user_input) print(fAssistant: {response}\n) except KeyboardInterrupt: print(\n再见) break if __name__ __main__: main()运行效果示例 欢迎使用多功能助手 支持功能数学计算、天气查询、翻译、情感分析 输入 quit 退出 运行预设测试用例: 【测试 1】用户: 帮我计算一下 (100 50) * 2 - 30 ---------------------------------------- [检测到 1 个工具调用] 调用: calculator 参数: {expression: (100 50) * 2 - 30} 结果: (100 50) * 2 - 30 270 助手: 计算结果是 270。具体计算过程先算括号内 100 50 150然后 150 × 2 300最后 300 - 30 270。 【测试 2】用户: 北京和上海的天气怎么样 ---------------------------------------- [检测到 2 个工具调用] 调用: get_weather 参数: {city: 北京} 结果: 北京天气晴天温度 25°C湿度 40% 调用: get_weather 参数: {city: 上海} 结果: 上海天气多云温度 28°C湿度 65% 助手: 现在的天气情况如下 - 北京晴天温度 25°C湿度 40% - 上海多云温度 28°C湿度 65% 北京天气晴朗适合户外活动上海温度稍高但天气也不错。