为 Agent 配置工具

默认情况下，Langflow agent 只具备其基础 LLM 的内置能力。

给 agent 附加工具，可以接入额外的、有针对性的能力，做出面向特定领域的 agent：能查公司知识库的客服 agent、能取股价的金融 agent、能用高级数学函数解方程的数学辅导 agent，等等。

附加工具

把工具接到 agent 的方法：将任意组件的 Tool 输出连到 Agent 组件的 Tools 输入。

部分组件默认就提供 Tool 输出；其余组件需要先在组件头部菜单里启用 Tool Mode，再连到 agent。

一个 agent 可以连接多个工具，每个工具也可以有多个可供 agent 调用的动作（函数）。

运行 Flow 时，agent 会自行判断何时调用某个工具——前提是它认为该工具有助于回应用户的 prompt。

编辑工具动作

组件被接为工具后，它可供调用的动作（函数）列在该工具组件的 Actions 列表里。你可以修改每个动作的标签、描述与启用状态，帮助 agent 理解工具的用法，避免它调用无关或多余的动作。

点工具组件上的 Edit Tool Actions 即可查看并编辑动作。每个动作包含以下信息：

Enabled：勾选框，决定该动作是否对 agent 可用。勾选即启用，取消勾选即禁用。
Name：动作的人类可读名称，如 Fetch Content，不可修改。
Description：动作用途的人类可读描述，如 Fetch content from web pages recursively。双击该行打开编辑面板即可修改，点击字段外或关闭对话框时自动保存。
Slug：动作的编码名称，通常与 Name 相同但采用 snake case，如 fetch_content。编辑方式同上。

部分动作允许为输入提供固定值。通常留空，让 agent 自己提供；只有在调试 agent 行为、或用例确实需要固定输入时才用固定值。

为工具开启人工审批

Agent 组件可以在调用受控工具前暂停，创建一个有状态的检查点，等人工决策后再继续。这是给 Flow 加 Human-in-the-Loop 的一种方式。

例如，你的 agent 负责起草 Python 代码，其中一个工具会提交 Git——只需给提交工具单独开启 Requires approval。agent 尝试调用该工具时 Flow 运行暂停，不需要在画布上添加分支节点。

在启用 Tool Mode 的前提下，把工具组件连到 Agent 组件的 Tools 端口。
打开 agent 的工具菜单，为 Git 提交工具开启 Requires approval。
agent 尝试调用该工具时，运行暂停，直到有人在 Playground 里选择 Approve 或 Reject。

决策结果会存入聊天历史，重新加载 session 时显示的是已裁决的结果，不会再次询问。

将 Agent 用作工具

要搭建多 agent Flow，可以把另一个 Agent 组件设为 Tool Mode，作为主 Agent 组件的工具接入。

以 Simple Agent 模板为例，试着再加一个 agent：

基于 Simple Agent 模板创建一条 Flow。
向 Flow 添加第二个 Agent 组件。
给两个 Agent 组件都填入 OpenAI API Key。
在第二个 Agent 组件上把模型改为 gpt-4.1，然后启用 Tool Mode。
点 Edit Tool Actions 编辑工具动作：把动作的 slug 改为 Agent-gpt-41，描述设为 Use the gpt-4.1 model for complex problem solving。这等于告诉主 agent：这个工具背后是 gpt-4.1 模型，适合需要更大上下文窗口的任务，比如大规模抓取和搜索。

类似地，你可以把多个面向特定任务或领域训练的专用模型 agent 接到主 agent 上，主 agent 按需调用各自的专长来回答问题。也可以通过启用/禁用工具来控制可用工具集。
把新 agent 的 Toolset 端口连到原 agent 的 Tools 端口。

将自定义组件用作工具

Agent 也可以用自定义组件作工具。

在 Core components 或 Bundles 菜单里点 New Custom Component，把自定义组件加进 agent Flow。

在 Code 面板里输入 Python 代码创建自定义组件。

如果还没有现成代码，可以先拿下面这个 Text Analyzer 示例练手，再写自己的：

from langflow.custom import Component
from langflow.io import MessageTextInput, Output
from langflow.schema import Data
import re


class TextAnalyzerComponent(Component):
    display_name = "Text Analyzer"
    description = "Analyzes and transforms input text."
    documentation: str = "http://docs.langflow.org/components/custom"
    icon = "chart-bar"
    name = "TextAnalyzerComponent"

    inputs = [
        MessageTextInput(
            name="input_text",
            display_name="Input Text",
            info="Enter text to analyze",
            value="Hello, World!",
            tool_mode=True,
        ),
    ]

    outputs = [
        Output(display_name="Analysis Result", name="output", method="analyze_text"),
    ]

    def analyze_text(self) -> Data:
        text = self.input_text
        # Perform text analysis
        word_count = len(text.split())
        char_count = len(text)
        sentence_count = len(re.findall(r'\w+[.!?]', text))

        # Transform text
        reversed_text = text[::-1]
        uppercase_text = text.upper()

        analysis_result = {
            "original_text": text,
            "word_count": word_count,
            "character_count": char_count,
            "sentence_count": sentence_count,
            "reversed_text": reversed_text,
            "uppercase_text": uppercase_text
        }

        data = Data(value=analysis_result)
        self.status = data
        return data

在自定义组件上启用 Tool Mode。
把自定义组件的工具输出连到 Agent 组件的 Tools 输入。

打开 Playground，指示 agent：Use the text analyzer on this text: "Agents really are thinking machines!"

按这条指令，agent 应调用 analyze_text 动作并返回结果，例如：

gpt-4o
Finished
0.6s
Here is the analysis of the text "Agents really are thinking machines!":
Original Text: Agents really are thinking machines!
Word Count: 5
Character Count: 36
Sentence Count: 1
Reversed Text: !senihcam gnikniht era yllaer stnegA
Uppercase Text: AGENTS REALLY ARE THINKING MACHINES!

把任意组件变成工具

如果目标组件没有 Tool Mode 按钮，可以在它的某个输入上加 tool_mode=True，再把新出现的 Toolset 输出连到 agent 的 Tools 输入。

Langflow 支持为以下数据类型的输入启用 Tool Mode：

DataInput
DataFrameInput
PromptInput
MessageTextInput
MultilineInput
DropdownInput

例如，上文自定义组件就给 MessageTextInput 输入加了 tool_mode=True，使它可以被当作工具：

inputs = [
    MessageTextInput(
        name="input_text",
        display_name="Input Text",
        info="Enter text to analyze",
        value="Hello, World!",
        tool_mode=True,
    ),
]

将 Flow 用作工具

Agent 可以用 Run Flow 组件把你的其他 Flow 当作工具。

向 Flow 添加 Run Flow 组件。
选择要让 agent 当工具用的 Flow。
启用 Tool Mode，所选 Flow 会变成 Run Flow 组件里的一个动作。
把 Run Flow 组件的 Tool 输出连到 Agent 组件的 Tools 输入。
打开 Playground，问 agent：What tools are you using to answer my questions? 回复里应该能看到你的 Flow 已列为可用工具。
再问一个明确要用这条 Flow 才能回答的问题，返回的答案就来自这条 Flow。