当前位置：首页 > news >正文

使用 LangChain 搭建一个 AI Agent：从零到可运行 Demo

news 2026/6/11 2:51:32

本文将带你从零搭建一个基于 LangChain + NestJS + Gemini 的 AI Agent Demo。

使用的是NestJS框架，不了解的可能需要先了解下。

大模型使用Gemini，Gemini有免费配额。

直接开整：

1. 建项目，导包

npm i -g @nestjs/cli
nest new langchain-agent-demo

导包

npm add @langchain/core @langchain/google-genai @langchain/agents zod

2. 建模块

模块建立纯属个人习惯，大可按照自己的规范来。

3. 开搓

tools：//tools 工具，给llm调用的

import { z } from 'zod';
import { DynamicStructuredTool } from '@langchain/core/tools';// 新增
export const addTool = new DynamicStructuredTool({name: 'addItem',description: '新增一个项目',schema: z.object({name: z.string(),}),async func({ name }) {console.log('11执行新增：', name);return `已新增: ${name}`;},
});// 删除
export const deleteTool = new DynamicStructuredTool({name: 'deleteItem',description: '删除一个项目',schema: z.object({id: z.string(),}),async func({ id }) {console.log('执行删除：', id);return `已删除: ${id}`;},
});// 修改
export const updateTool = new DynamicStructuredTool({name: 'updateItem',description: '修改一个项目',schema: z.object({id: z.string(),name: z.string(),}),async func({ id, name }) {console.log('执行修改：', id, name);return `已修改 ID=${id}, 新名称=${name}`;},
});export const selectTool = new DynamicStructuredTool({name: 'selectItem',description: '查询项目，可以查询所有项目或者单个项目',schema: z.object({}),async func() {console.log('执行查询11');return `已执行查询所有：123`;},
});

service：

import { Injectable } from '@nestjs/common';
import { ChatPromptTemplate } from '@langchain/core/prompts';
import { ChatGoogleGenerativeAI } from '@langchain/google-genai';
import { addTool, deleteTool, selectTool, updateTool } from './tool/tool';@Injectable()
export class LangchainService {private readonly model: ChatGoogleGenerativeAI;constructor() {
　　　// ps： 访问gemini的api需要设置代理，不同llm 构建model的方法不同，也可使用langchain的createAgent（...）等方式，具体参考官方文档
    this.model = new ChatGoogleGenerativeAI({model: 'gemini-2.5-flash-lite',apiKey: 'xxxxxxxx',//你的gemini api keytemperature: 0.7,});}/*** 简单 Demo：* 传入一个需求，Gemini对工具做出简单调用*/async chat(question: string) {// 1. Prompt 模版const prompt = ChatPromptTemplate.fromMessages([['system','你是一个智能助手，可以根据用户的要求调用工具，判断是否有数据增删改查要求调用工具',],['human', '{input}'],]);

　　// 封工具const modelWithTools = this.model.bindTools([addTool,deleteTool,updateTool,selectTool,]);const chain = prompt.pipe(modelWithTools);
const aiMessage = await chain.invoke({ input: question });// 返回需要调用的工具，可以有多个console.log('工具调用信息:', aiMessage?.tool_calls);const results = [];if (aiMessage?.tool_calls?.length > 0) {for (const toolCall of aiMessage.tool_calls) {// 调用工具const toolMap = {addItem: addTool,deleteItem: deleteTool,updateItem: updateTool,selectItem: selectTool,};const tool = toolMap[toolCall.name];const result = await tool.func(toolCall.args);console.log('工具执行结果:', result);results.push(result);}}return results;}
}

controller：

import { Body, Controller, Post } from '@nestjs/common';
import { LangchainService } from './langchain.service';

class ChatDto {

message: string;

}

@Controller('langchain')
export class LangchainController {constructor(private readonly langchainService: LangchainService) {}@Post('chat')async chat(@Body() body: ChatDto) {const { message } = body;const answer = await this.langchainService.chat(message);return {question: message,answer,};}
}