langgraph-tools

用途：在 LangGraph 工作流中集成工具调用（tool calling），把工具绑定到 LLM 并编排执行。

主要能力：

1. 工具绑定：用 @tool 定义工具，通过 model.bind_tools(tools) 绑定；可用 tool_choice="any" 强制调用至少一个工具，或指定具体工具名，也可用 Pydantic 模型实现结构化输出。
2. ToolNode 执行：用 langgraph.prebuilt.ToolNode 创建工具执行节点，配合 StateGraph 与条件边（依据最后一条消息的 tool_calls 决定走向 tools 或 END），工具执行后回到 agent 节点。ToolNode 默认并行执行多个工具调用，结果按 tool_calls 顺序返回。
3. 动态工具选择：用 SentenceTransformer 预计算工具描述嵌入，按查询相似度选取 top_k 工具再绑定，减少上下文占用。
4. 审批门：用 langgraph.types.interrupt 在删除用户、大额转账等高风险操作前请求人工批准。
5. 流式输出：用 langgraph.config.get_stream_writer 在长时间运行的工具中推送进度。
6. 错误处理：工具内捕获异常并返回错误字符串，配合指数退避重试，避免抛出异常中断 agent 循环。

使用方式：定义工具与模型，绑定工具，构建含 agent 与 tools 节点的图，设置条件路由并编译运行。

适用场景：需要函数调用、工具编排、人工审批或进度反馈的 LangGraph 智能体。

限制与建议：每个 agent 工具数建议 5-10 个，过多会导致上下文溢出与选择变差；工具需写清描述；破坏性操作应加审批门；工具内不要抛异常。相关技能包括 langgraph-supervisor、langgraph-human-in-loop、langgraph-streaming、langgraph-routing、langgraph-state、function-calling。评测用例见 references/evaluations.md。