创建自定义工具
既然您已经有了一个从 customers DataFrame 提取客户数据的函数，现在就把这个函数转换为与 LangChain 代理兼容的工具吧。
本练习是课程的一部分
使用 LangChain 开发 LLM 应用
练习说明
- 在函数定义前添加
@tool装饰器，将其转换为 LangChain 工具。 - 使用工具的
.args属性打印其参数（例如tool_name.args）。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Convert the retrieve_customer_info function into a tool
____
def retrieve_customer_info(name: str) -> str:
"""Retrieve customer information based on their name."""
customer_info = customers[customers['name'] == name]
return customer_info.to_string()
# Print the tool's arguments
print(retrieve_customer_info.____)