uv init

1. 创建虚拟环境

uv venv

2. 激活虚拟环境（Windows）

.venv\Scripts\activate

3. 安装环境变量

uv add python-dotenv --default-index https://pypi.tuna.tsinghua.edu.cn/simple

LangChain 支持各种不同的模型，而且提供了对应的兼容SDK,不过也都需要安装对应依赖，

4. 安装 LangChain 依赖

-v 可以显示 debug 日志

uv add langchain -v --default-index https://pypi.tuna.tsinghua.edu.cn/simple

5. 集成 DeepSeek

前面加了 --default-index 后面执行可以不用加了，因为它会在 pyproject.toml 中记录了

uv add langchain-deepseek --default-index https://pypi.tuna.tsinghua.edu.cn/simple

如果需要集成 OpenAI

uv add langchain-openai --default-index https://pypi.tuna.tsinghua.edu.cn/simple

如果需要集成 Anthropic

uv add langchain-anthropic --default-index https://pypi.tuna.tsinghua.edu.cn/simple
为了测试环境，创建一个 notebook (jupyter)

uv add notebook
pyproject.toml

[project]
name = “vip-langchain”
version = “0.1.0”
description = “Add your description here”
readme = “README.md”
requires-python = “>=3.12”
dependencies = [
“langchain>=1.3.4”,
“langchain-deepseek>=1.0.1”,
“notebook>=7.5.6”,
“python-dotenv>=1.2.2”,
]

[[tool.uv.index]]
url = “https://pypi.tuna.tsinghua.edu.cn/simple”
default = true

print(“Hello LangChain”)
Hello LangChain

添加环境变量
创建 .env 文件

DEEPSEEK_API_KEY=sk-7c0asdffasd…
加载环境变量

1. 加载环境变更

from dotenv import load_dotenv

load_dotenv()
定义工具
Agent 的核心能力之一是 Tool Calling（工具调用） 。

2. 定义工具

from langchain.tools import tool

定义一个工具，其实就是定义一个方法通过 @tool 进行修饰

@tool
def getWeather(city: str) -> str:
“”“通过调用第三方接口，将天气进行返回”“”
print(f"正在查询{city}天气…“)
return f”{city}今天是晴天，气温25度"
创建 Agent
LangChain 入门 Model 的初始化和调用

接下来创建一个 Agent，并指定使用 deepseek 模型。
LangChain 会自动加载.env 文件中的 DEEPSEEK_API_KEY ，并根据指定的模型，去访问对应的接口地睛，无需要指定接口地址
模型不能调工具，但它可以返回的内容里包含想要调的工具名 tool_calls，这时候 LangChain 会自动去调工具

3. 创建 Agent

from langchain.agents import create_agent

agent = create_agent(
# 前面加上 “openai:qwen-plus” 前缀，指定模型
“deepseek-chat”,
tools=[getWeather]
)
发起调用
LangChain 会自动调用 get_weather 方法，并返回结果。

调用 Agent

print(“正在调用大模型…”)
response = agent.invoke({
“messages”: [
{“role”: “user”, “content”: “苏州今天的天气如何？”}
]
})
print(response)

格式化打印

for message in response[“messages”]:
print(message.model_dump_json(indent=2))
完成代码如下
from langchain.agents import create_agent
from langchain.tools import tool
from dotenv import load_dotenv

load_dotenv()

@tool
def getWeather(city: str) -> str:
“”“通过调用第三方接口，将天气进行返回”“”
print(f"正在查询{city}天气…“)
return f”{city}今天是晴天，气温25度"

创建 agent

agent = create_agent(
model=“deepseek-chat”, # 不需要加前缀 如：“ollama:qwen3.5:4b”
tools=[getWeather], #定义回调的工具(函数)
system_prompt=“You are a helpful assistant”
)

注意不要写成 message，也不报错，就是不返回你想要的结果，问AI，还一本正经的胡说八道，给我越改越复杂

response = agent.invoke({
“messages”: [
{“role”: “user”, “content”: “苏州今天的天气如何？”}
]
})

for message in response[“messages”]:
print(message.model_dump_json(indent=2))
invoke 的调用记录

正在调用大模型…
正在查询苏州天气…

请求模型

{
“content”: “苏州今天的天气如何？”,
“additional_kwargs”: {},
“response_metadata”: {},
“type”: “human”,
“name”: null,
“id”: “f011a5ea-85d4-435e-b09b-fdac67409924”
}

模型返回内容

{
“content”: “好的，我来帮您查询苏州今天的天气情况。”,
“additional_kwargs”: {
“refusal”: null
},
“response_metadata”: {
“token_usage”: {
“completion_tokens”: 54,
“prompt_tokens”: 286,
“total_tokens”: 340,
“completion_tokens_details”: null,
“prompt_tokens_details”: {
“audio_tokens”: null,
“cached_tokens”: 256
},
“prompt_cache_hit_tokens”: 256,
“prompt_cache_miss_tokens”: 30
},
“model_provider”: “deepseek”,
“model_name”: “deepseek-v4-flash”,
“system_fingerprint”: “fp_8b330d02d0_prod0820_fp8_kvcache_20260402”,
“id”: “e093d135-db43-4207-ab51-8ec767899395”,
“finish_reason”: “tool_calls”,
“logprobs”: null
},
“type”: “ai”,
“name”: null,
“id”: “lc_run–019e901c-4b44-78d0-a6fa-344e52bcf90b-0”,
“tool_calls”: [
{
“name”: “getWeather”, # 模型不会调工具，但他会告诉你，接下来需要调什么工具（工具就是函数）
“args”: {
“city”: “苏州”
},
“id”: “call_00_BYkQIEyR1XEU7Q02dJTK9591”,
“type”: “tool_call”
}
],
“invalid_tool_calls”: [],
“usage_metadata”: {
“input_tokens”: 286,
“output_tokens”: 54,
“total_tokens”: 340,
“input_token_details”: {
“cache_read”: 256
},
“output_token_details”: {}
}
}

工具的结果，发给模型分析

{
“content”: “苏州今天是晴天，气温25度”,
“additional_kwargs”: {},
“response_metadata”: {},
“type”: “tool”,
“name”: “getWeather”,
“id”: “1b3937e0-b767-47f0-9a26-a513357d2598”,
“tool_call_id”: “call_00_BYkQIEyR1XEU7Q02dJTK9591”,
“artifact”: null,
“status”: “success”
}

最终模型反出结果

{
“content”: “苏州今天天气不错，具体情况如下：\n\n🌤苏州今日天气\n-天气状况：晴天\n-气温：25℃\n\n是个适合出门的好天气！如果需要了解更多信息，随时可以问我哦~”,
“additional_kwargs”: {
“refusal”: null
},
“response_metadata”: {
“token_usage”: {
“completion_tokens”: 46,
“prompt_tokens”: 358,
“total_tokens”: 404,
“completion_tokens_details”: null,
“prompt_tokens_details”: {
“audio_tokens”: null,
“cached_tokens”: 256
},
“prompt_cache_hit_tokens”: 256,
“prompt_cache_miss_tokens”: 102
},
“model_provider”: “deepseek”,
“model_name”: “deepseek-v4-flash”,
“system_fingerprint”: “fp_8b330d02d0_prod0820_fp8_kvcache_20260402”,
“id”: “e7239d5d-f12a-4894-830e-0c4e2cf79f83”,
“finish_reason”: “stop”,
“logprobs”: null
},
“type”: “ai”,
“name”: null,
“id”: “lc_run–019e901c-5024-7e63-a841-a8da6e7bc375-0”,
“tool_calls”: [],
“invalid_tool_calls”: [],
“usage_metadata”: {
“input_tokens”: 358,
“output_tokens”: 46,
“total_tokens”: 404,
“input_token_details”: {
“cache_read”: 256
},
“output_token_details”: {}
}
}
此时 Agent 会：

解析用户问题
判断是否需要调用工具
自动调用 get_weather
返回最终答案
image
image

如果跑不起来，看下 PyCharm 的运行环境是否正确