🚀 NestJS + LangChain 实战：用 Tool 构建可调用真实系统能力的 AI Agent

在很多 AI 应用中，大模型不仅需要回答问题，还需要 调用真实系统能力。

例如：

• 查询天气
• 查询数据库
• 查询审批流程
• 查询企业知识库

如果模型只是聊天，它只能根据训练数据猜答案。

但如果模型能够 调用系统能力（Tool），就可以获得真实数据。

例如：

用户提问：

北京今天天气怎么样

AI 自动：

调用天气 API → 获取真实天气 → 返回结果

这就是 AI Agent + Tool 架构。

本文将通过一个 NestJS + LangChain + 和风天气 API 的真实项目，讲清楚：

• LangChain Tool 的原理
• 如何把 NestJS Service 封装成 Tool
• 如何使用 Agent 调度 Tool
• 完整项目代码结构
• 为防止看不明确 附赠详细源码入口
• 第一章：入口

---

一、LangChain Tool 是什么？

在 LangChain 中：

Tool 本质上是一个可以被模型调用的函数。

例如：

tool(
  async ({ location }) => {
    return `${location} 当前天气晴`
  },
  {
    name: "weather_now",
    description: "查询城市实时天气",
    schema: z.object({
      location: z.string()
    })
  }
)

Tool 有三个关键属性：

字段	作用
name	工具名称
description	说明何时调用
schema	参数结构

---

二、Tool 调用原理

当用户输入：

北京今天天气

LangChain 会把 Tool 信息发送给模型（写好的内部方法）：

weather_now
weather_3d
weather_7d

模型推理后可能返回：

{
 "tool_call": {
   "name": "weather_now",
   "arguments": {
     "location": "北京"
   }
 }
}

LangChain 捕获这个调用：

模型
 ↓
LangChain
 ↓
执行 Tool
 ↓
返回结果
 ↓
模型生成回答

---

三、项目整体架构

本项目采用 五层架构：

QweatherService
   ↓
Weather Tool
   ↓
ToolsService (Agent)
   ↓
ChatService
   ↓
ChatController

如果按运行流程：

HTTP 请求
   ↓
ChatController
   ↓
ChatService
   ↓
ToolsService
   ↓
Agent
   ↓
Tool
   ↓
QweatherService
   ↓
天气 API

---

四、QweatherService：实现天气能力

文件：

qweather.service.ts

这一层负责：

调用和风天气 API。

示例代码：

@Injectable()
export class QweatherService {

  async getWeatherNow(location: string) {

    const res = await axios.get(
      "https://devapi.qweather.com/v7/weather/now",
      {
        params: {
          key: process.env.QWEATHER_API_KEY,
          location
        }
      }
    )

    return res.data.now
  }

}

返回数据：

{
 "temp": "22",
 "text": "多云",
 "humidity": "45"
}

在这里插入代码片

---

五、封装 Tool

文件：

weather-now.tool.ts

export const createWeatherNowTool =
(qweatherService: QweatherService) => {

  return tool(

    async ({ location }) => {

      const city =
      await qweatherService.lookupCity(location)

      const now =
      await qweatherService.getWeatherNow(city.id)

      return `
				城市：${city.name}
				天气：${now.text}
				温度：${now.temp}℃
			`

    },

    {
      name: "weather_now",
      description: "查询某个城市的实时天气",

      schema: z.object({
        location: z.string()
      })

    }

  )

}

执行流程：

Tool
 ↓
调用 QweatherService
 ↓
获取天气
 ↓
返回结果

---

六、ToolsService：创建 Agent

文件：

tools.service.ts

@Injectable()
export class ToolsService {

  private agent?: ReturnType<typeof createAgent>

  constructor(
    private readonly qweatherService: QweatherService
  ) {}

  private getAgent() {

    if (!this.agent) {

      const weatherNowTool =
        createWeatherNowTool(this.qweatherService)

      this.agent = createAgent({

        model: createChatModel(),

        tools: [weatherNowTool],

        systemPrompt: `
当用户询问实时天气必须调用 weather_now
`

      })
    }

    return this.agent
  }

}

Agent 的作用：

理解问题
 ↓
选择 Tool
 ↓
执行 Tool
 ↓
生成回答

---

七、ChatService 调用 Agent

文件：

chat.service.ts

@Injectable()
export class ChatService {

  constructor(
    private readonly toolsService: ToolsService
  ) {}

  async ask(question: string) {

    return this.toolsService.ask(question)

  }

}

调用链：

ChatService
 ↓
ToolsService
 ↓
Agent
 ↓
Tool
 ↓
Service

---

八、Controller 暴露接口

文件：

chat.controller.ts

@Get("ask/:question")
ask(@Param("question") question: string) {

  return this.chatService.ask(question)

}

访问：

GET /chat/ask/北京天气

---

九、🔥 Agent 调用时序图

---

十、为什么模型能自动选择 Tool？

原因有三个：

1 Tool name

weather_now
weather_3d
weather_7d

2 Tool description

查询实时天气
查询未来3天天气

3 systemPrompt

当用户询问实时天气调用 weather_now

模型通过 语义匹配 选择 Tool。

---

总结

LangChain Tool 的核心思想：

把系统能力封装成模型可以调用的函数。

完整调用链：

Controller
 ↓
ChatService
 ↓
ToolsService
 ↓
Agent
 ↓
Tool
 ↓
Service
 ↓
API

通过这种方式，大模型就可以 调用真实系统能力，而不仅仅是聊天。

---