大语言模型（LLMs）如 GPT-4、文心一言等，已经展示了令人印象深刻的自然语言能力，能够理解并生成类似人类的文本。然而，直接利用 LLM 的原始文本生成能力，在尝试完成复杂的现实世界任务时常常力不从心。
LangChain 提供了一个开源的 Python 框架，用于创建能够采取合理行动并利用外部工具和信息来实现多方面目标的“智能体（Agent）”。
LangChain 是一个开源的 Python 库，旨在使开发者更容易使用大语言模型构建应用程序。
LangChain 提供的关键创新是“智能体”概念。LangChain 智能体是使用 LLM 选择一系列行动（actions）的系统。这些行动可以包括调用 API 函数、运行命令、查询数据库等。通过将一系列合理的行动串联起来，LangChain 智能体可以解决问题并实现目标，这些目标将超出单一、无状态 LLM 的能力。
基于智能体的方法有助于克服仅提示大型语言模型时存在的局限性，例如缺乏外部世界知识和无法携带状态。
实现 LangChain 智能体的第一个关键步骤是为其提供可以利用的工具，以便采取有用的行动。这些工具可以被视为智能体可以调用的函数，以执行搜索、计算、摘要等任务。
在选择智能体的工具时有两个重要的考虑因素：
仔细选择智能体为实现其既定目标所需的工具（tools）。例如，一个回答有关企业问题的智能体应该能够访问使互联网搜索成为可能的工具，而一个解决数学作业的智能体需要能够进行计算的工具。根据智能体的目的选择合适的工具。编写 LLM 能够理解的工具描述（tool descriptions）。智能体根据你的自然语言提示选择要利用的工具。用 LLM 能够解析的术语简洁地解释每个工具的作用。
