记忆体的使用，参考我前面的文章：
本文手把手教你使用langchain4j编写一个能够使用工具的agent聊天机器人。
STEP0：基本环境准备和编程入门回顾，请参考我的AI文章系列AI编程之手把手教你使用langchain4j编写一个有记忆的聊天机器人
AI编程之手把手教你使用JAVA语言编写大模型RAG
AI编程之手把手教你使用langchain和postgresql向量库Python版
AI编程之手把手教你使用postgresql向量数据库建设知识库JAVA版
AI编程之手把手教你在CentOS安装Postgresql的Vector向量数据库
STEP1：选一个例子
下面是openai官网给出的一个例子，接下来我们模拟这个例子，调用chatgpt实现调用工具的例子。
curl https://api.openai.com/v1/chat/completions \-H "Content-Type: application/json" \-H "Authorization: Bearer $OPENAI_API_KEY" \-d '{"model": "gpt-4-turbo","messages": [{"role": "user","content": "What'\''s the weather like in Boston today?"}],"tools": [{"type": "function","function": {"name": "get_current_weather","description": "Get the current weather in a given location","parameters": {"type": "object","properties": {"location": {"type": "string","description": "The city and state, e.g. San Francisco, CA"},"unit": {"type": "string","enum": ["celsius", "fahrenheit"]}},"required": ["location"]}}}],"tool_choice": "auto"}'
我们先写一个工具类，用来给Langchain调用，获取某个城市的天气。
其中Tool注解里写的是这个工具能够解决什么问题。
public class WeatherToolsForLLM {@Tool("获取给定城市的天气情况")String getCurrentWeather(String cityName){return "leo说上海今天天气很好";}}
注意，我们在使用AiServices构建agent的时候，传入了tools参数
public String chatWithTools(Integer userId,String chatMessage) {OpenAiChatModel chatModel = OpenAiChatModel.builder().baseUrl("https://xxx.xxx").apiKey("sk-1234567890abcdef").modelName("gpt-3.5-turbo").build();LLMAssistant agent = AiServices.builder(LLMAssistant.class).chatLanguageModel(chatModel).tools(new WeatherToolsForLLM())//注意这里.build();return agent.chat(userId,chatMessage);}
agent.chat(userId,chatMessage);
会调用
DefaultAiServices类的invoke方法，最终会调用OpenAiChatModel.generate方法，这个方法在构建request的时候，会把工具类放入request。
OpenAiChatModel.generate(List<ChatMessage> messages, List<ToolSpecification> toolSpecifications){…….if (toolSpecifications != null && !toolSpecifications.isEmpty()) {requestBuilder.tools(toTools(toolSpecifications));}……..}
我们看看request放入tools后变成什么样：
可以看到在tools列表里放入了function相关的描述。
STEP5： 跟踪代码，看看chatgpt怎么使用工具
把工具类放入request后，Langchain4j会发送一次请求。
chatgpt收到请求后，发现自己不知道上海现在的天气，于是查找工具列表，发现有一个工具可以获取给定城市的天气情况。
于是，chatgpt返回一个调用工具的响应。我们看一下响应内容：
可以看到response里，包含了一个ToolExecutionRequest，里面指明了要调用getCurrentWeather工具，且给定了参数cityName是ShangHai。
说明chatgpt理解了我给出的问题，并正确的给出调用工具请求。
STEP6： 跟踪代码，看看Langchain4j怎么使用工具
收到chatgpt的响应后，Langchain4j发现响应是一个使用工具的响应。Langchain4j就会调用这个工具。
然后把工具的输出，以及原始的问题放在一起，再次调用chatgpt。我们看一下第二次request的内容：
STEP7：看看最终的效果
使用Postman调用，看看效果：
STEP8： 后续
后续将使用Langchain和postgresql实现更多的CASE，敬请关注。
作者简介：
leo，互联网大厂AI架构师，欢迎微信、私信交流
我的Dify AI case by case系列文章：
dify.ai 学习 case by case 第一弹
dify.ai 学习 case by case 第二弹，爆款小红书内容生成Agent
dify.ai 学习 case by case 第三弹，调用dify的API运行流程
dify.ai 学习 case by case 第四弹，复杂的case：用dify生成一篇论文
