实战：Hello Agent

这个案例实现一个最小工具调用 Agent。

python

from langchain.agents import create_agent

def get_user_score(user_id: str) -> str:
    """查询用户积分。"""
    return f"用户 {user_id} 当前积分为 1280"

agent = create_agent(
    model="openai:gpt-4.1-mini",
    tools=[get_user_score],
    system_prompt="你是一个积分客服助手。"
)

result = agent.invoke({
    "messages": [{"role": "user", "content": "帮我查一下用户 U1001 的积分"}]
})

print(result["messages"][-1].content)

面试讲法

这个案例可以包装成：通过 LangChain Agent 接入业务工具，实现用户自然语言查询积分。系统会根据用户意图选择工具，工具内部完成权限校验和数据查询，最终由模型生成自然语言回复。

非官方声明

本站为个人维护的非官方中文学习文档，不代表 LangChain 官方。页面内容是基于公开文档、源码实践和中文开发者视角重新整理的学习资料。涉及 API 细节时，请以官方文档和实际安装版本为准。

参考来源

LangChain / LangGraph 官方文档：https://docs.langchain.com/
LangChain API Reference：https://reference.langchain.com/
本站内容为中文学习整理，不做官方身份声明。