实现 LangChain 集成

集成包是用户可以安装以用于其项目的Python包。它们实现了符合LangChain接口标准的一个或多个组件。

LangChain组件是langchain-core中的基类的子类。例如包括聊天模型、工具、检索器等。

您的集成包通常将实现这些组件中至少一个的子类。展开下面的选项卡以查看每个组件的详细信息。

Chat Models

聊天模型是 @[BaseChatModel] 类的子类。它们实现了生成聊天补全、处理消息格式和管理模型参数的方法。

聊天模型集成指南目前正在开发中。在此期间，请阅读聊天模型概念指南以了解LangChain聊天模型的工作原理的详细信息。

Tools

工具主要有两种使用方式：

1. 定义一个“输入模式”或“参数模式”，将其与文本请求一起传递给聊天模型的工具调用功能，以便聊天模型可以生成一个“工具调用”，或调用工具的参数。
2. 接收上述生成的“工具调用”，执行一些操作，并返回一个可以作为ToolMessage传递回聊天模型的响应。

工具类必须继承自 @[BaseTool] 基类。此接口有 3 个属性和 2 个方法，应在子类中实现。

工具集成指南目前正在开发中。在此期间，请阅读工具概念指南以了解LangChain工具的工作方式详情。

Retrievers

检索器用于根据查询从API、数据库或其他来源检索文档。检索器类必须继承自BaseRetriever基类。

智能体集成指南目前正在开发中。在此期间，请阅读智能体概念指南以了解LangChain检索器的工作原理详情。

Vector Stores

所有向量存储必须继承自@[VectorStore]基类。该接口包含用于在向量存储中写入、删除和搜索文档的方法。

查看向量存储集成指南以获取有关实现向量存储集成的详细信息。

向量存储集成指南目前处于进行中。在此期间，请阅读向量存储概念指南以了解LangChain向量存储的工作方式详情。

Embeddings

嵌入模型是Embeddings类的子类。

嵌入模型集成指南目前处于进行中。在此期间，请阅读嵌入模型概念指南以了解LangChain嵌入模型的工作原理。

---

在GitHub上编辑此页面的源代码。

通过MCP将这些文档编程连接到Claude、VSCode等，以获取实时答案。