第三方工具

第三方工具

第三方工具使您能够集成来自 LangChain、CrewAI 等框架的现有工具生态系统。这极大地扩展了您的智能体功能，让您能够利用更广泛的 AI 社区中久经考验的工具。

您将学到的内容

• LangChain 集成：使用 LangChain 丰富的工具库
• CrewAI 工具：利用 CrewAI 的专用智能体工具
• 工具适配器：ADK 如何封装外部工具
• 生态系统优势：使用成熟工具库的优势
• 最佳实践：何时以及如何使用第三方工具

核心概念：第三方工具

第三方工具是为 ADK 封装的外部库：

• LangChain 工具：网络爬虫、文档加载器、API
• CrewAI 工具：网络爬虫、文件操作、专用功能
• 自定义集成：任何外部服务或库
• 包装类：ADK 提供适配器以实现无缝集成

主要优势

• ✅ 丰富生态系统：可访问数百个预构建工具
• ✅ 久经考验：数千开发者使用的成熟工具
• ✅ 社区支持：活跃的社区和文档
• ✅ 快速开发：无需重复造轮子

可用的第三方集成

1. LangChain 工具

• 用途：全面的工具生态系统
• 示例：网络爬虫、文件操作、API
• 优势：成熟、文档齐全的工具

2. CrewAI 工具

• 用途：专用智能体工具
• 示例：网络爬虫、文件操作、内容处理
• 优势：针对智能体工作流优化

3. 自定义集成

• 用途：任何外部服务或库
• 示例：数据库连接器、API 客户端
• 优势：无限扩展性

教程示例

本子示例包含两个实用实现：

LangChain 智能体

位置：./langchain_agent/

• 网络搜索：集成了 DuckDuckGo 搜索，提供实时信息
• 维基百科集成：可访问百科全书知识与文章
• 研究能力：综合多个来源的研究功能
• 内容分析：信息整合与来源引用

CrewAI 智能体

位置：./crewai_agent/

• 网站操作：网站内容搜索与爬取功能
• 文件系统工具：目录搜索与文件读取操作
• 内容提取：高级网络爬虫与数据提取
• 文档处理：本地文件分析与内容处理

项目结构

4_3_thirdparty_tools/
├── README.md                    # This file - third-party tools guide
├── requirements.txt             # Dependencies for third-party tools
├── ../env.example              # Environment variables template (shared)
├── langchain_agent/            # LangChain integration
│   ├── __init__.py
│   └── agent.py               # Agent with LangChain tools
└── crewai_agent/               # CrewAI integration
    ├── __init__.py
    └── agent.py               # Agent with CrewAI tools
​

学习目标

完成本子示例后，您将掌握：

• ✅ 如何将 LangChain 工具与 ADK 集成
• ✅ 如何在 ADK 智能体中使用 CrewAI 工具
• ✅ 第三方工具集成的最佳实践
• ✅ 何时选择第三方工具而非自定义工具
• ✅ 如何处理工具兼容性问题

开始使用

1. 设置环境：

   cd 4_3_thirdparty_tools
   
   # Copy the environment template
   cp ../env.example .env
   
   # Edit .env and add your Google AI API key
   # Get your API key from: https://aistudio.google.com/
   ​

2. 安装依赖：安装所需软件包

   pip install -r requirements.txt
   ​

3. 运行智能体：

   # Start the ADK web interface
   adk web
   
   # In the web interface, select:
   # - langchain_agent: For web search and Wikipedia research
   # - crewai_agent: For website scraping and file operations
   ​

4. 试用智能体：

   • LangChain 智能体：“搜索最新 AI 新闻”、“告诉我关于机器学习的信息”
   • CrewAI 智能体：“从 example.com 抓取内容”、“搜索当前目录中的 Python 文件”

5. 比较方法：了解各工具生态系统的差异与优势

专业提示

• 选择成熟工具：使用维护良好的库
• 阅读文档：理解工具的限制与要求
• 管理依赖：谨慎处理外部库版本
• 测试集成：验证工具与 ADK 的兼容性
• 监控性能：部分工具可能比自定义实现慢

集成模式

1. LangChain 工具包装器

from google.adk.tools.langchain_tool import LangchainTool
from langchain_community.tools import DuckDuckGoSearchRun

# Wrap LangChain tool for ADK
search_tool = LangchainTool(DuckDuckGoSearchRun())
​

2. CrewAI 工具包装器

from google.adk.tools.crewai_tool import CrewaiTool
from crewai_tools import ScrapeWebsiteTool, DirectorySearchTool, FileReadTool

# Basic tool - minimal configuration
scrape_tool = CrewaiTool(
    name="scrape_website",
    description="Scrape and extract content from websites",
    tool=ScrapeWebsiteTool(
        config=dict(
            llm=dict(
                provider="google",  # Use Google instead of default OpenAI
                config=dict(model="gemini-3-flash-preview"),
            ),
        )
    )
)

# Search tool - needs embeddings for semantic search
search_tool = CrewaiTool(
    name="website_search",
    description="Search for content within websites",
    tool=WebsiteSearchTool(
        config=dict(
            llm=dict(
                provider="google",
                config=dict(model="gemini-3-flash-preview"),
            ),
            embedder=dict(
                provider="google",
                config=dict(
                    model="gemini-embedding-001",
                    task_type="retrieval_document",
                ),
            ),
        )
    )
)
​

3. 自定义集成模式

from google.adk.tools import FunctionTool
import external_library

def custom_integration(query: str) -> dict:
    """Integrate with external library."""
    result = external_library.process(query)
    return {"result": result, "status": "success"}

# Use as function tool
tool = FunctionTool(custom_integration)
​

常见第三方工具

LangChain 工具

• DuckDuckGoSearchRun：网络搜索
• WebBaseLoader：网络爬虫
• WikipediaQueryRun：维基百科搜索
• PythonREPLTool：Python 代码执行
• ShellTool：Shell 命令执行

CrewAI 工具

• ScrapeWebsiteTool：网络爬虫与内容提取
• DirectorySearchTool：文件系统搜索与探索
• FileReadTool：文件读取与内容分析

自定义集成

• 数据库连接器：SQLAlchemy、MongoDB
• API 客户端：REST、GraphQL
• 文件处理器：PDF、Excel、CSV
• 云服务：AWS、GCP、Azure

重要注意事项

• 依赖关系：第三方工具会引入外部依赖
• 兼容性：确保工具版本与 ADK 兼容
• 性能：部分工具可能比自定义实现慢
• 维护：外部工具可能会变化或过时
• 安全：验证外部工具的安全性与权限

CrewAI 模型配置

⚠️ 重要：CrewAI 工具默认使用 OpenAI 模型。在使用 Google ADK 时，请将其配置为使用 Google 模型以保持一致性：

# ❌ Default - Uses OpenAI models
tool = WebsiteSearchTool()

# ✅ Correct configuration - All tools need both LLM and embeddings
tool = ScrapeWebsiteTool(
    config=dict(
        llm=dict(
            provider="google",
            config=dict(model="gemini-3-flash-preview"),
        ),
        embedder=dict(
            provider="google",
            config=dict(
                model="gemini-embedding-001",
                task_type="retrieval_document",
            ),
        ),
    )
)

# ✅ Same configuration pattern for all tools
tool = DirectorySearchTool(
    config=dict(
        llm=dict(
            provider="google",
            config=dict(model="gemini-3-flash-preview"),
        ),
        embedder=dict(
            provider="google",
            config=dict(
                model="gemini-embedding-001",
                task_type="retrieval_document",
            ),
        ),
    )
)
​

关键点：

• LLM 配置：始终设置 provider="google" to avoid OpenAI defaults
• Embeddings: Required for all CrewAI tools to prevent OpenAI fallback
• Available providers: google, openai, anthropic, ollama, llama2 等。

常见应用场景

网络与研究

• 网络爬虫与内容提取
• 网站内容分析
• 文档处理
• 内容研究与分析

文件操作

• 文件系统搜索与探索
• 文件读取与内容分析
• 目录导航
• 本地文件处理

开发工具

• 代码执行
• 文档搜索
• 版本控制操作
• 测试工具

云与服务

• 云存储操作
• 邮件与消息
• 身份认证服务
• 监控与日志记录

对比：第三方 vs 自定义 vs 内置

免责声明：
本文档采用基于机器的 AI 翻译服务进行翻译。尽管我们力求准确，但请注意，自动翻译可能存在错误或不准确之处。应以原文语言版本的文档作为权威依据。如需获取关键信息，建议使用专业的人工翻译。对于因使用本翻译而产生的任何误解或误读，我们概不负责。