盘点Python Agent框架中的Tools

一、Tools将LLM能力发挥到无限大

LLM具有庞大知识储备，更神奇的是LLM理解自然语言，可以补充知识，进行多轮对话达到目标。

在调用侧，LLM SDK和Agent 框架都提供了Tools能力，当信息不足时提供"神助攻"，不断补充相关信息，直到LLM可以从给定的足够丰富的上下文中归纳出答案。

从某种程度上，LLM可以看做是具有足够知识储备，智商情商均在线的高超转述者。

目前LLM上下文窗口普遍能够到达1M Token，利用各种Tools往上下文中放入所有有关信息。

一百万Token，可以看做一本约30万汉字的书，让LLM做阅读理解解答各种提问。

当前AI开发领域中耳熟能详的技术，如Skills/MCP/ComputerUse等等，都是利用Tools实现的。

可以说能把Tools功能做好，Agent框架就成功了一半。

二、最重要的Tools功能

LangChain框架文档中，罗列出内建的重要Tools：

• read_file    读取文件内容（支持分页和多模式）

• write_file    创建新文件

• edit_file    在文件中执行精确的字符串替换

• ls    列出目录中的文件

• glob    查找符合通配符模式的文件

• grep    搜索文件内容

• execute    运行 shell 命令

• task    启动一个子代理来处理委托的任务

• write_todos    管理结构化的待办事项列表

这些无疑就是最重要的Tools。

前段时间火爆的龙虾OpenClaw，依赖的核心Agent库pi-mono中也定义了最基本的Tools：

export const allTools = {read: readTool,	bash: bashTool,	edit: editTool,	write: writeTool,	grep: grepTool,	find: findTool,ls: lsTool,};

可以看到，一个Agent框架只要做到：

• 1. 浏览文件系统，找到文件

• 2. 读写，编辑文件

• 3. 执行shell脚本

理论上就可以实现一切功能。

Agent框架通过管道等IPC机制和shell的启动程序通信，就可以获取到想要的信息，也可以发送指令、修改数据等。

三、盘点主流Python Agent框架中附带的Tools

综合LangChain，Ango，CrewAI三款人气高的Agent框架，可以将Tools分为以下几类：

• 本地目录、文件和格式文档读写

• 数据库访问，数据处理工具

• 网站搜索工具

• 网页浏览和抓取

• 社交网站内容获取，生产力工具

• 云数据存储，业务结构化

• 集成和自动化流

• 模型和机器学习

前两类可以看做是访问本地资源和数据库。中间四类是通过WebAPI访问网络资源，各自举一个例子：

• 3. 搜索。比如利用Arxiv API访问各种论文

• 4. 网页抓取。利用Firecrawl强大引擎抓取网络信息

• 5. 社交内容。通过Slack API获得讨论组信息

• 6. 云数据。通过JIRA API获取issue列表

具体的Tools列表较长，罗列在文末。

四、Python Agent框架的Tools实现

上述三个Agent框架，均采用继承父类Tools方式。

1. LangChain: BaseTool(langchain_core.tools) 定义了超过80个Tools

2. Agno：Toolkit(agno.tools) 定义了超过140个Tools

3. CrewAI: BaseTool(crewai.tools) 定义了近80个Tools

访问网络资源方式，有通过Web API直接访问，也有通过python 三方库。

五、Java开发框架中的Tools

这里简单提一下Java开发框架中的Tools实现。

无论是Spring AI还是LangChain4j中，Java的AI开发框架更多的是将精力放在实现完备的Tools能力，框架并未自带众多的各种功能Tools。

如LangChain4j，定义了@Tool注解，应用在方法上。

static classCalculator{    @Tool("Calculates the sum of two numbers")    int add(int a, int b) {        System.out.println("Called add() with a=" + a + ", b=" + b);        return a + b;    }}

Spring AI，早期版本通过实现Function来定义Tools。现在的版本也还支持Function定义。

运行时动态解析@Bean，或者利用低层FunctionToolCallback编程实现。

public class WeatherService implements Function<WeatherRequest, WeatherResponse> {    public WeatherResponse apply(WeatherRequest request) {        return new WeatherResponse(30.0, Unit.C);    }}

更推荐的方式，是通过注解@Tool来定义方法。

classDateTimeTools{    @Tool(description = "Get the current date and time in the user's timezone")    String getCurrentDateTime() {        return LocalDateTime.now().atZone(LocaleContextHolder.getTimeZone().toZoneId()).toString();    }}

Spring AI和LangChain4j均实现了Tool Specification定义，可运行时动态解析，包括Tool Callback，JSON Schema，Tool Context，Result Conversion， Return Direct等，通过反射执行@Tool定义的代码内容。

六、总结

Python的Agent框架起步更早，发展的更成熟些，也因为Python语言动态性，可以自由的调用各种库和shell。

而Java的LLM开发框架，需要具备生产级稳定性，自身并不附带众多的集成三方功能，留给社区及客户实现。

附A、LangChain Tools

• ainetwork

• amadeus

• arxiv

• asknews

• audio

• azure_ai_services

• azure_cognitive_services

• bearly

• bing_search

• brave_search

• cassandra_database

• clickup

• cogniswitch

• connery

• databricks

• dataforseo_api_search

• dataherald

• ddg_search

• e2b_data_analysis

• edenai

• eleven_labs

• few_shot

• file_management

• financial_datasets

• github

• gitlab

• gmail

• golden_query

• google_books

• google_cloud

• google_finance

• google_jobs

• google_lens

• google_scholar

• google_serper

• google_trends

• graphql

• human

• ifttt

• interaction

• jina_search

• jira

• json

• memorize

• merriam_webster

• metaphor_search

• mojeek_search

• multion

• nasa

• nuclia

• office365

• openai_dalle_image_generation

• openapi

• openweathermap

• passio_nutrition_ai

• playwright

• polygon

• powerbi

• pubmed

• reddit_search

• requests

• riza

• scenexplain

• searchapi

• searx_search

• semanticscholar

• shell

• slack

• sleep

• spark_sql

• sql_database

• stackexchange

• steam

• steamship_image_generation

• tavily_search

• vectorstore

• wikidata

• wikipedia

• wolfram_alpha

• yahoo_finance_news

• you

• youtube

• zapier

• zenguard

附B、Ango Tools

• agentql

• airflow

• apify

• api

• arxiv

• aws_lambda

• aws_ses

• baidusearch

• bitbucket

• brandfetch

• bravesearch

• brightdata

• browserbase

• calcom

• calculator

• cartesia

• clickup

• coding

• confluence

• crawl4ai

• csv_toolkit

• dalle

• daytona

• decorator

• desi_vocal

• discord

• docker

• docling

• duckdb

• duckduckgo

• e2b

• eleven_labs

• email

• evm

• exa

• fal

• file_generation

• file

• financial_datasets

• firecrawl

• function

• giphy

• github

• gitlab

• gmail

• google/auth

• google/bigquery

• google/calendar

• google/drive

• google/gmail

• google/maps

• google/sheets

• google/slides

• google_bigquery

• googlecalendar

• google_drive

• google_maps

• googlesheets

• hackernews

• jina

• jira

• knowledge

• linear

• linkup

• llms_txt

• local_file_system

• lumalab

• mcp_toolbox

• mem0

• memory

• mlx_transcribe

• models/azure_openai

• models/gemini

• models/groq

• models/morph

• models/nebius

• models_labs

• moviepy_video

• nano_banana

• neo4j

• newspaper4k

• newspaper

• notion

• openai

• openbb

• opencv

• openweather

• oxylabs

• pandas

• parallel

• perplexity

• postgres

• pubmed

• python

• reasoning

• reddit

• redshift

• replicate

• resend

• salesforce

• scheduler

• scrapegraph

• searxng

• seltz

• serpapi

• serper

• shell

• shopify

• slack

• sleep

• spider

• spotify

• sql

• streamlit

• tavily

• telegram

• todoist

• toolkit

• tool_registry

• trafilatura

• trello

• twilio

• unsplash

• user_control_flow

• user_feedback

• valyu

• visualization

• webbrowser

• webex

• websearch

• website

• webtools

• whatsapp

• wikipedia

• workflow

• workspace

• x

• yfinance

• youtube

• zendesk

• zep

• zoom

附C、CrewAI Tools

• ai_mind

• apify_actors

• arxiv_paper

• brave_search

• brightdata

• browserbase_load

• code_docs_search

• composio

• contextualai_create_agent

• contextualai_parse

• contextualai_query

• contextualai_rerank

• couchbase

• crewai_platforms

• csv_search

• dalle

• databricks_query

• daytona_sandbox

• directory_read

• directory_search

• docx_search

• e2b_sandbox

• exas

• file_read

• files_compressor

• file_writer

• firecrawl_crawl_website

• firecrawl_scrape_website

• firecrawl_search

• generate_crewai_automation

• github_search

• hyperbrowser_load

• invoke_crewai_automation

• jina_scrape_website

• json_search

• linkup

• llamaindex

• mdx_search

• merge_agent_handler

• mongodb_vector_search

• multion

• mysql_search

• nl2sql

• ocr

• oxylabs_amazon_product_scraper

• oxylabs_amazon_search_scraper

• oxylabs_google_search_scraper

• oxylabs_universal_scraper

• parallels

• patronus_eval

• pdf_search

• qdrant_vector_search

• rag

• scrape_element_from_website

• scrapegraph_scrape

• scrape_website

• scrapfly_scrape_website

• selenium_scraping

• serpapi

• serper_dev

• serper_scrape_website

• serply_api

• singlestore_search

• snowflake_search

• spider

• stagehand

• tavily_extractor

• tavily_get_research

• tavily_research

• tavily_search

• txt_search

• vision

• weaviate

• website_search

• xml_search

• youtube_channel_search

• youtube_video_search

• zapier_action