# 基于 ReACT 架构的 Agent 智能体设计与实现
# 01. Agent 概念和运行流程
在 LLM 应用中，如果我们知道用户输入所需的工具使用特定顺序时，使用 LCEL 表达式构建链应用非常有用，但是对于某一些特例，我们使用工具的次数与顺序取决于输入，在这种情况下，我们希望让 LLM 本身决定使用工具的次数和顺序，而 Agent智能体 能做到这一点。
在 LangChain 中，Agent 是一个核心概念，它代表了一种能够利用语言模型（LLM）和其他工具来执行复杂任务的系统，Agent 设计的目的是为了处理那些语言模型可能无法直接解决的问题，尤其是当这些任务涉及到多个步骤或者需要外部数据源的情况。
无论一个 Agent 设计得多么复杂，使用什么架构，最基础的工作流程其实都非常简单，只有 5 个步骤：
输入理解：Agent 首先解析用户输入，理解其意图和需求。
计划定制：基于对输入的理解，Agent 会定制一个执行计划，决定使用哪些工具和执行的顺序。
工具调用：Agent 按照计划调用相应的工具，执行必要的操作。
结果整合：收集所有工具返回的结果，进行整合和解析，形成最终的输出。
反馈循环：如果任务没有完成或者需要进一步的消息，Agent 可以迭代上述过程直到满足条件为止。
运行流程图如下：
对比前面我们掌握的函数调用，其实 Agent 的运行流程非常接近，多了一步 执行工具 和 观察结果 的步骤，甚至前文中，我们其实已经实现了该流程，只是没有将代码封装到一起而已，所以，对于一个 Agent 来说，其组成模块包括 3 个部分：
Tools ：Agent可以访问的工具集，每个工具通常执行一个特定的功能。
Executor ：执行 Agent计划的逻辑。
Prompt Templates ：指导 Agent 如何理解和处理输入的模板，可以定制化以适应不同任务。
在 LangChain v0.2.0 版本中，有两种实现 Agent 的技巧，一种使用的是 传统Agent组件 ，一种使用 LangGraph ， 传统Agent组件 特别适合入门的开发者，所以在这一章中我们会使用该方式，下一章在考虑使用 LangGraph 创建更加复杂、灵活性和控制性更强的 Agent 应用。
针对 传统Agent组件 ，LangChain 团队封装了共计 8 种 Agent，不同的 Agent 适用于不同的聊天模型，表格如下：
| Agent类型 | 模型类型 | 支持聊天历史 | 支持多工具输入 | 支持并行工具调用 | 必要模型参数 | 使用场景 |
|---|---|---|---|---|---|---|
| 工具调用 | Chat | ✅ | ✅ | ✅ | tools | 使用支持工具调用的模型 |
| OpenAI工具 | Chat | ✅ | ✅ | ✅ | tools | [遗留]使用最新的OpenAI模型 |
| OpenAI函数 | Chat | ✅ | ✅ | functions | [旧版]使用OpenAI模型，或者已针对函数调用进行微调并公开与OpenAI相同参数的模型 | |
| XML | LLM | ✅ | 使用Anthropic或者其他擅长XML的模型 | |||
| 结构化聊天 | Chat | ✅ | ✅ | 需要传递多个工具时 | ||
| JSON聊天 | Chat | ✅ | 使用擅长JSON的模型 | |||
| ReACT | LLM | ✅ | 使用的是简单模型 | |||
| 带搜索的自我问答 | LLM | 使用的是简单模型并且只有一个搜索工具 |
- Agent 类型文档链接： https://python.langchain.com/v0.1/docs/modules/agents/agent_types/
# 02. ReACT 智能体运行流程与实现
ReACT 是 LangChain 最早支持的 Agent 架构，ReACT = Reason + Action ，即 推理与行动 ，目前绝大部分 Agent 架构都是在 ReACT 架构上进行衍生的，该架构最早是 Yao 等人在 2022 年发布的论文中首次被提出，论文参考地址： https://arxiv.org/pdf/2210.03629。
在 LangChain 中，要想创建基于 ReACT 架构的智能体，其实也非常简单，导入 AgentExecutor 、 create_react_agent ，在实例化的时候，传递对应的 工具 + prompt 即可，其中 ReACT 架构的智能体 prompt 是有要求的。
- ReACT prompt 文档： https://smith.langchain.com/hub/hwchase17/react
例如实现一个带有 谷歌实时搜索 的 ReACT 架构的 Agent ，其完整示例代码如下：
import dotenv
from langchain import hub
from langchain.agents import create_react_agent, AgentExecutor
from langchain_community.tools import GoogleSerperRun
from langchain_community.utilities import GoogleSerperAPIWrapper
from langchain_core.pydantic_v1 import BaseModel, Field
from langchain_core.tools import render_text_description_and_args
from langchain_openai import ChatOpenAI
dotenv.load_dotenv()
class GoogleSerperArgsSchema(BaseModel):
query: str = Field(description="执行谷歌搜索的查询语句")
google_serper = GoogleSerperRun(
name="google_serper",
description=(
"一个低成本的谷歌搜索API。"
"当你需要回答有关时事的问题时，可以调用该工具。"
"该工具的输入是搜索查询语句。"
),
args_schema=GoogleSerperArgsSchema,
api_wrapper=GoogleSerperAPIWrapper(),
)
tools = [google_serper]
prompt = hub.pull("hwchase17/react")
llm = ChatOpenAI(model="gpt-3.5-turbo-16k")
agent = create_react_agent(
llm=llm,
tools=tools,
prompt=prompt,
tools_renderer=render_text_description_and_args,
)
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)
print(agent_executor.invoke({"input": "马拉松的最新世界记录是多少?"}))
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
当提问 马拉松的最新世界记录是多少？ 时，该智能体的输出内容如下：
> Entering new AgentExecutor chain...
I should use the google_serper tool to search for the latest world record in marathon.
Action: google_serper
Action Input: {'query': 'latest world record in marathon'}Kenyan athlete Kelvin Kiptum set a men's world record time of 2:00:35 on October 8, 2023, at the 2023 Chicago Marathon. Ethiopian athlete Tigst Assefa broke the ... Missing: query | Show results with:query. Here's a complete list of the marathon world-record holders and all time top 26.2-mile runners. Missing: query | Show results with:query. In the 2023 Chicago marathon Kelvin Kiptum from Kenya, set a new marathon world record with a time of two hours and 35 seconds, taking 34 seconds off the ... Missing: query | Show results with:query. Exactly four years ago, Kipchoge made history with his 1:59:40 unofficial time in Vienna, the fastest any runner had ever covered the marathon. Missing: query | Show results with:query. Kenyan Kelvin Kiptum broke the marathon world record to win the Chicago Marathon in 2 hours and 35 seconds, nearly breaking the two-hour ... Kelvin Kiptum set a new world record as he ran the Chicago marathon in 2hr 0min 35sec. Subscribe to Guardian Sport ▻ http://bit.ly/GDNSport ... Missing: query | Show results with:query. The current marathon world records are held by Kelvin Kiptum (2:00:35) and Tigist Assefa (2:11:53). Here are the top 20 fastest marathons of all ... Missing: query | Show results with:query. CHICAGO (AP) — Kelvin Kiptum set a world record in the Chicago Marathon on Sunday, finishing in 2 hours, 35 seconds to shatter fellow Kenyan ...The latest world record in marathon is 2:00:35, set by Kenyan athlete Kelvin Kiptum at the 2023 Chicago Marathon.
Final Answer: The latest world record in marathon is 2:00:35.
> Finished chain.
{'input': '马拉松的最新世界记录是多少?', 'output': 'The latest world record in marathon is 2:00:35.'}
2
3
4
5
6
7
8
# 03. ReACT 智能体的缺陷
在 ReACT 架构中，通过对 LLM 的输出内容进行信息提取用于执行不同的逻辑，如果向 ReACT智能体 提问 马拉松的世界记录是多少？ ，它底层 推理-行动 的完整 Prompt 如下：
Answer the following questions as best you can. You have access to the following tools:
google_serper - 一个低成本的谷歌搜索API。当你需要回答有关时事的问题时，可以调用该工具。该工具的输入是搜索查询语句。, args: {'query': {'title': 'Query', 'description': '执行谷歌搜索的查询语句', 'type': 'string'}}
Use the following format:
Question: the input question you must answer
Thought: you should always think about what to do
Action: the action to take, should be one of [google_serper]
Action Input: the input to the action
Observation: the result of the action
... (this Thought/Action/Action Input/Observation can repeat N times)
Thought: I now know the final answer
Final Answer: the final answer to the original input question
Begin!
Question: 马拉松的最新世界记录是多少?
Thought:I should use the google_serper tool to search for the latest world record in marathon.
Action: google_serper
Action Input: {'query': 'latest world record in marathon'}
Observation: Kenyan athlete Kelvin Kiptum set a men's world record time of 2:00:35 on October 8, 2023, at the 2023 Chicago Marathon. Ethiopian athlete Tigst Assefa broke the ... Missing: query | Show results with:query. Here's a complete list of the marathon world-record holders and all time top 26.2-mile runners. Missing: query | Show results with:query. In the 2023 Chicago marathon Kelvin Kiptum from Kenya, set a new marathon world record with a time of two hours and 35 seconds, taking 34 seconds off the ... Missing: query | Show results with:query. Exactly four years ago, Kipchoge made history with his 1:59:40 unofficial time in Vienna, the fastest any runner had ever covered the marathon. Missing: query | Show results with:query. Kenyan Kelvin Kiptum broke the marathon world record to win the Chicago Marathon in 2 hours and 35 seconds, nearly breaking the two-hour ... Kelvin Kiptum set a new world record as he ran the Chicago marathon in 2hr 0min 35sec. Subscribe to Guardian Sport ▻ http://bit.ly/GDNSport ... Missing: query | Show results with:query. The current marathon world records are held by Kelvin Kiptum (2:00:35) and Tigist Assefa (2:11:53). Here are the top 20 fastest marathons of all ... Missing: query | Show results with:query. CHICAGO (AP) — Kelvin Kiptum set a world record in the Chicago Marathon on Sunday, finishing in 2 hours, 35 seconds to shatter fellow Kenyan ...
Thought: The latest world record in marathon is 2:00:35, set by Kenyan athlete Kelvin Kiptum at the 2023 Chicago Marathon.
Final Answer: The latest world record in marathon is 2:00:35.
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
可以完整的观察到 Question(原始问题) 、 Thought(推理) 、 Action(执行动作) 、 Action input(动作输入) 、 Observation(观察工具输出) 、 Thought(推理) 、 Final Answer(最终答案) 一系列完整的运行流程，输出格式非常规范，所以程序不会抛出错误。
但是我们都知道 LLM 的输出是不稳定的，假设我们提问 你好，你是？ 时，按推理来说，这段原始提问是不需要调用工具，所以可以直接输出答案，对于 ReACT 来说，需要大语言模型输出如下格式的数据：
I now know the final answer
Final Answer: 我是一个人工智能助手，旨在帮助回答问题和提供信息。请问有什么我可以帮忙的吗？
2
和上一次生成内容组装成完整的对话语句如下：
Question: 你好，你是?
Thought: I now know the final answer
Final Answer: 我是一个人工智能助手，旨在帮助回答问题和提供信息。请问有什么我可以帮忙的吗？
2
3
这样 ReACT智能体 底层检测到 Final Answer 这个关键词，就可以提取出最终答案，但是 LLM 的输出是及其不稳定的，在实际测试中，哪怕是 GPT-4o 模型，它会输出如下的数据：
我是一个人工智能助手，旨在帮助回答问题和提供信息。请问有什么我可以帮忙的吗？
乍得一看好像很合理，但是 ReACT智能体 是根据不同的输出结构来提取出后续要执行的步骤是什么，如果这个时候组装上之前的提问，就变成了：
Question: 你好，你是?
Thought: 我是一个人工智能助手，旨在帮助回答问题和提供信息。请问有什么我可以帮忙的吗？
2
ReACT智能体 检测到只有 Thought 即观察，并没有后续的步骤了，肯定抛出错误，因为在 Thought 后一般会携带 Action 或者 Final Answer ，程序识别不了后续的步骤是什么，结果肯定出错。
另外 ReACT智能体 在使用时，如果需要修改 Prompt 为中文，一般还需要同步修改 输出解析器 ，使用代价非常大。
这是因为 ReACT智能体 底层是通过解析响应内容中 特定关键词 来提醒后续步骤的，如果 Prompt 改成中文，不调整 输出解析器 ，在代码底层还是会提取 Thought 的数据，程序 100% 会抛出错误。
# 最新版 LangChain 用法提示
新版 LangChain 更推荐用 LCEL、
Runnable、ChatModel.bind_tools()、结构化输出和 LangGraph 来组织复杂链路；老式Chain、部分AgentExecutor写法可以读懂，但新项目应优先选择更清晰的图或 Runnable 编排。工具调用相关代码要区分两层：模型是否原生支持 tool/function calling，以及业务侧如何定义工具 schema、参数校验、错误兜底和观测日志。
如果示例中的导入路径和你当前安装版本不同，优先查当前版本包内导出位置；常见迁移方向是从
langchain拆到langchain-core、langchain-community、langchain-openai、langgraph等包。
# 拓展
工具或插件不要只看能不能调通，更要看是否可观测、可限流、可重试、可审计。联网类工具还要处理超时、空结果、搜索噪声和结果时效性。
Agent 场景里，Prompt 只是调度策略的一部分；工具描述、参数 schema、历史状态、错误反馈、停止条件和人工介入点同样会影响最终稳定性。
# 常见问题
为什么模型没有调用工具？常见原因是工具描述不清晰、参数 schema 过宽或过窄、用户问题不需要工具、模型本身不支持工具调用，或者工具绑定位置不对。
为什么工具调用后回答仍然不准？先看工具返回是否正确，再看工具结果是否被放回模型上下文，最后检查输出解析、历史消息和异常兜底是否覆盖了真实错误。
# 面试题
解释函数调用、工具调用和 Agent 的区别。
LangChain 中 tool schema 的作用是什么？为什么参数校验对生产环境很重要？
ReACT Agent 和 tool-calling Agent 的核心差异是什么？分别适合什么场景？
LangGraph 相比 LCEL 更适合解决哪些复杂编排问题？
# 生产问题排查
| 问题 | 常见原因 | 处理方式 |
|---|---|---|
| 工具没有被调用 | 工具描述弱、绑定失败、模型不支持 | 打印绑定后的模型配置，补充工具描述，换用支持工具调用的模型 |
| 参数格式错误 | schema 设计不清晰，模型生成字段不稳定 | 使用 Pydantic/JSON Schema 校验，失败后把错误反馈给模型重试 |
| 联网结果不可用 | 搜索为空、接口超时、命中低质量页面 | 增加超时、重试、结果过滤、来源白名单和降级回答 |
| Agent 循环不停止 | 缺少终止条件或工具返回被误判 | 设置最大迭代次数，记录每轮 thought/action/observation，增加停止规则 |
| 线上难以复现 | 缺少输入、工具请求和模型响应日志 | 给每次调用加 trace id，记录工具入参、出参、耗时和异常 |