桂林市网站建设_网站建设公司_前端工程师_seo优化

Q: 他是如何传参的？ 比如 我现在 weatherFun(location: str) 这里面 有 location ，如何传进去的
A:
这是 LLM（大语言模型）的核心魔法，也是 Agent 的基本工作原理。这个过程是全自动的，不需要你手动传参。

整个流程如下：

1. 注册 (Registration):

   • Client (langchainMcpAdapter.py) 启动时，向 Weather Server 询问：“你有什么工具？”
   • Server 回答：“我有一个叫 get_weather 的工具，它需要一个参数 location (字符串类型)。”
   • Client 把这个信息（工具描述 + 参数 Schema）告诉给 LLM（比如 Claude/GPT）。

2. 思考 (Reasoning):

   • 你在 Client 输入：“北京天气怎么样？”
   • LLM 收到问题，查看手里的工具列表。它发现 get_weather 很合适，并且它知道这个工具需要 location。
   • LLM 自己提取出关键词“北京”，并决定：“我要调用 get_weather，参数 location='北京'。”

3. 调用 (Invocation):

   • LLM 返回一个结构化的指令（Tool Call），告诉 Client 去执行。
   • Client 根据指令，向 Weather Server 发送请求：Execute tool 'get_weather' with {location: '北京'}。
   • Weather Server 的 get_weather(location) 函数被触发，收到 '北京'，返回结果。

结论：
你不需要在 ainvoke 里手动传 location。你只需要把自然语言问题（“xxx的天气”）扔给 LLM，LLM 会自动理解语义，从你的问题里把 location 抠出来，填到函数的参数里。 这就是所谓的“Function Calling / Tool Calling”能力。