10 行代码跑通 LLM 多工具调用!不用插件、不建类,with_tool 直接上手 「Regnexe Python 实战系列」第 1 篇共 10 篇对应仓库examples/readme/01_multi_tool.py。上一篇00. 别再把 Python Agent 写成 Demo 了我开源了一个能管插件、记忆、事件、取消的框架。痛点只是想试个工具为什么要先设计插件体系很多 Agent 项目一上来就把工具做成插件、类、配置、注册表。这个方向没错但对第一个 Demo 来说太重了。你只是想验证一件事模型能不能同时查天气和空气质量然后给出跑步建议。结果还没跑起来先写了一堆工程结构。regnexe-py 给了一条最短路径已有 LangChain tool直接丢给with_tool(...)。实战代码来看仓库里的01_multi_tool.pyfromlangchain_core.toolsimporttoolfromregnexeimportConsoleEventListener,RegnexeAgentBuilder,Vendortooldefget_weather(city:str)-str:Get todays weather for a city.returnBeijing: sunny, 22 C.tooldefget_air_quality(city:str)-str:Get todays air quality index (AQI) for a city.returnBeijing: AQI 35, excellent air quality.agent(RegnexeAgentBuilder().with_default_model(Vendor.DEEPSEEK,deepseek-v4-flash).with_tool(get_weather,get_air_quality)# 一次注册多个.with_event_listener(ConsoleEventListener()).build())然后发起一次异步调用resultawaitagent.ainvoke(Check todays weather and air quality in Beijing, then tell me if its good for outdoor running.)注意这里没有新建插件类也没有写装饰器。tool仍然是 LangChain 的工具定义regnexe-py 只是把它接进统一 Builder。运行效果先把事件打出来示例里接了ConsoleEventListener()。跑起来后你能看到 Agent 什么时候开始、什么时候调用工具、工具返回了什么、最终状态是什么。这点很重要。Agent 调试不能只看最终回答否则你不知道模型到底有没有调用get_air_quality也不知道参数是不是传对了。控制台会打印出类似这样的事件流[AGENT ▶] RegnexeAgent goal: Check todays weather and air quality in Beijing, then tell me if its good for outdoor running. [TOOL ▶] mcp_tool:get_air_quality input{city: Beijing} [TOOL ▶] mcp_tool:get_weather input{city: Beijing} [TOOL ■] mcp_tool:get_air_quality outputBeijing: AQI 35, excellent air quality. [TOOL ■] mcp_tool:get_weather outputBeijing: sunny, 22 C. [AGENT ■] statuscompleted踩坑提醒tool的函数名和 docstring 会进入工具描述。函数名别写得太随意docstring 也别只写一句“查询”。模型能不能选对工具和工具描述质量直接相关。另一个细节是多工具顺序不要写死在业务代码里。你只需要把工具注册进去让模型根据目标决定是否都要调用如果必须强约束顺序那应该放到 Skill 或 Sub-Agent 里做成明确工作流。小结with_tool(...)适合三类场景PoC 阶段先验证 Agent 能不能跑通已经有现成 LangChain tool不想重写插件类工具数量少暂时不需要版本、分组和市场管理等工具开始变多就该进入后面的插件和 Marketplace 体系了。 上一篇00. 别再把 Python Agent 写成 Demo 了我开源了一个能管插件、记忆、事件、取消的框架 下一篇02. Skill 和 Sub-Agent 到底差在哪一个借工具一个有私有工具 项目地址https://github.com/flower-trees/regnexe-py

相关新闻

最新新闻

玉米粒好坏检测数据集制作与YOLOV5训练全流程解析

玉米粒好坏检测数据集制作与YOLOV5训练全流程解析

简介:本资源是面向计算机视觉初学者与农业智能化应用开发者的YOLOv5兼容目标检测数据集,专用于玉米粒破损缺陷识别任务,解决农产品质检中细粒度分类与密集小目标定位难题。数据集严格遵循YOLOv5目录结构组织,含训练集(…

2026/8/30 5:02:59
国企绩效考核破局之道:从制度设计到数字赋能的完整路径

国企绩效考核破局之道:从制度设计到数字赋能的完整路径

当前,国有企业改革已进入攻坚期和深水区。从"管资产"向"管资本"转变的过程中,如何建立科学有效的绩效管理体系,成为摆在各级国企管理者面前的重大课题。绩效考核不仅是衡量企业经营成果的工具,更是推动战略落…

2026/8/30 5:02:59
从视频到3D资产:AI驱动的重建管线与3D高斯泼溅实践

从视频到3D资产:AI驱动的重建管线与3D高斯泼溅实践

把一段手机拍摄的视频变成游戏里可用的3D资产,听起来像特效团队的活,但这两年随着3D Gaussian Splatting、NeRF和各类AI前处理模型成熟,这条链路已经可以沉淀为一条可重复执行的资产管线。AI-friendly video-to-3D asset pipeline&#xff0c…

2026/8/30 5:02:59
# STM32MP157+LiteOS-M GCC极简工程:启动源码适配+Windows Make终极避坑

# STM32MP157+LiteOS-M GCC极简工程:启动源码适配+Windows Make终极避坑

本文适用人群:需要落地MP157 M4 GCC工程、适配LiteOS-M、VSCodeMakefile开发、Windows编译频繁报错的开发者 🔗 GitHub/Gitee 源码下载地址:stm32mp157‑liteos‑‑m v3.0‑native‑pendsv 核心结论:MP157 M4有专属的极简启动流程…

2026/8/30 5:02:59
Tool Schema 设计:为什么你的 Agent 总是调用错工具?

Tool Schema 设计:为什么你的 Agent 总是调用错工具?

导语 上一篇,我们走完了一次 Tool Calling:应用提供工具定义,模型返回 Tool Call,Runtime 校验并执行,再把结果送回模型。 其中有一个环节被刻意略过了:模型怎样知道该选哪个工具,参数又该怎么…

2026/8/30 5:02:59
生成式AI时代,抵抗者如何理性评估与选择工具?

生成式AI时代,抵抗者如何理性评估与选择工具?

这次要聊的不是一个新模型,也不是某个开源一键包,而是一个来自 Hacker News 的提问:Ask HN: How to deal with gen AI as an gen AI-resistant person。问题的核心很直接——一个人对生成式 AI(gen AI)本身并不感冒&am…

2026/8/30 4:57:59