在使用 LangChain.js 开发智能体时许多开发者面临着以下痛点：

• 不知道如何让模型准确调用工具；
• 不清楚工具的描述与 Schema 该怎么写；
• 错误处理不当导致整个流程崩溃；
• 无法访问运行时上下文或持久化存储；
• 缺乏实时反馈与进度显示。

下面的章节将逐一拆解这些痛点。并提供实用的代码示例，方便你上手并建立健壮、可维护的 Tool 与 Agent。其实，

在 LangChain 中。Tool 本质上是一个可调用函数，包含三个主要要素：

1️⃣ 名称

唯一标识符，模型根据它决定调用哪一个工具。

2️⃣ 描述

告诉模型工具用途、适用场景与禁用场景。描述质量直接影响调用准确率。

3️⃣ 参数 Schema

使用 Zod 定义输入约束，防止模型传入错误类型的数据。

完整工作流示意图：

// 使用者输入
// Agent 判断是否需要工具
// LLM 返回 Tool 名称 + 参数
// LangChain 执行 Tool
// 将结果返回给 LLM
// LLM 生成最终回答

从创建工具来看，从简单到完整实现

基本工具定义

import * as z from "zod";import { tool } from "langchain";const wearSchema = z.object({
再看city。z.string.describe,unit: z.enum.optional
.describe
});const getWearTool = tool => {
// 在实际使用中会调用外部天气 API
if {
return `${city}今天晴朗，温度 ${unit === "celsius"?"°C" : "°F"}`;}
return `${city}今天多云`;},{
name这方面，"get_wear"。description: "获取指定城市的当前天气情况",schema: wearSchema,});console.log);// 输出: 北京今天晴朗，温度 °C

再看主要属性解析。为什么描述和 Schema 很关键？

• 描述： 不要写“处理数据”，要写“根据城市名称获取实时天气数据”。说明适用场景，如“使用者询问天气、气温、下雨情况时使用此工具”。其实，避免误用，例如“不要用此工具查询新闻”。
• Zod Schema： 类型约束可以防止错误参数；.describe 给每个字段添加解释，帮助模型理解需要什么值。

错误处理的观点是，让程序优雅恢复而非崩溃

const safeCalculator = tool => {
try {
if throw new Error;return input.a / input.b;} catch {
// 返回错误信息字符串，而不是抛异常
return `工具调用出错: ${error.message}`;}
},{
至于name，"safe_divide",description: "除法计算"。
schema: z.object({
a: z.number,b: z.number,}),});不过，

LLM 接收到错误信息后可以尝试换参数重试或向使用者说明原因。从而避免整个流程中断，

使用内置社区工具快速 功能

至于安装社区包，

npm install @langchain/community

引入并实例化 Google 搜索工具：

import { SerpAPI } from "@langchain/community/tools/serpapi";const searchTool = new SerpAPI(process.env.SERPAPI_API_KEY。{
从hl来看，"cn",gl: "cn",});/* 若未配置 KEY，将报错：
说到Error。SerpAPI API key not set...
*/

访问运行时状态：把上下文塞进 Tool 内部更聪明的判断逻辑

import { RunnableConfig } from "@langchain/core/runnables";import { tool } from "langchain";import * as z from "zod";

const queryDatabaseTool = tool => { const userId = config?.configurable?.userId，return 查询到了使用者 ${userId} 的数据...;},{ name的观点是，"queryuserdb"。description:"查询当前使用者的数据库信息",schema:z.object }) });

// 调用时传入配置： agentExecutor.invoke( { input:"..." },{ configurable:{ userId:"12345"} } );

• 提示： 服务器端执行的内置工具请参考 “服务器端工具使用” 文档。
• 命名规范： 尽量使用字母数字和下划线。例如 web_search 而非 Web Search，以兼容不同模型提供商。

让 Tool 更聪明：访问对话历史 & 使用者上下文

// 工具实现：读取 context 中使用者名
const getUserName = tool(
async => {
const userName = config.context.username;if{
return userName;}
return “I don't know your name.”;},{
name的观点是，"getuser_name"。description:"Get current user's name.",schema:z.object,},);

// 上下文结构定义
const contextSchema=z.object({
user_name:z.string,});

// 创建 Agent 并注入上下文 Schema
const agent=createAgent({
model这方面。new ChatOpenAI,tools:,contextSchema,});

// 调用时传入上下文数据
const result=await agent.invoke(
{
messages:,}。{
configurable:{ threadid : crypto.randomUUID },// 会话 ID
context:{ username:"John Smith"},// 上下文数据
}
);console.log，


再看**痛点**。若没有传递 context 或者命名不一致，会导致 Tool 无法正确获取使用者信息，从而返回无效答案。方法是提前声明并统一命名。


长期记忆 Store ：跨会话保留关键数据