一、LangChain Community简介 #

LangChain Community 是 LangChain 生态的重要组成部分，提供了丰富的第三方模型、API、工具等集成能力，极大扩展了LangChain的应用边界。

二、安装方法 #

介绍如何安装LangChain Community及其依赖。

# 安装LangChain Community主库
pip install langchain-community

三、核心概念 #

本节介绍LangChain Community的主要组成部分。

• Provider（提供者）：对接第三方大模型、API、数据库等的适配层。
• 工具（Tool）：可被Agent或链调用的外部能力，如搜索、计算、知识库等。
• 集成（Integration）：将外部服务无缝接入LangChain生态。

四、常见用法 #

介绍LangChain Community的典型用法，包括集成第三方模型、API和工具。

1. 集成OpenAI大模型 #

展示如何通过Community集成OpenAI。 `python

导入OpenAI LLM Provider #

from langchain_community.llms import OpenAI

创建OpenAI LLM对象，需替换为你的API密钥 #

llm = OpenAI(openai_api_key="你的API密钥")

发送请求，获取模型回复 #

response = llm("用一句话介绍LangChain Community")

输出回复内容 #

print(response)

### 2. 集成SerpAPI搜索工具
> 展示如何通过Community集成SerpAPI搜索。
```python
# 导入SerpAPI搜索工具
from langchain_community.tools import SerpAPIWrapper

# 创建SerpAPI工具对象，需替换为你的API密钥
search = SerpAPIWrapper(serpapi_api_key="你的SerpAPI密钥")

# 执行搜索
result = search.run("LangChain最新动态")

# 输出搜索结果
print(result)

3. 集成FAISS向量数据库 #

展示如何通过Community集成FAISS向量数据库。 `python

导入FAISS相关模块 #

from langchain_community.vectorstores import FAISS from langchain_community.embeddings import OpenAIEmbeddings

创建嵌入模型对象，需替换为你的API密钥 #

embeddings = OpenAIEmbeddings(openai_api_key="你的API密钥")

构建向量数据库（假设有文本数据） #

docs = ["LangChain是一个强大的框架。", "它支持多种大模型和工具集成。"]

生成向量并存入FAISS #

vector_db = FAISS.from_texts(docs, embedding=embeddings)

相似度检索 #

results = vector_db.similarity_search("LangChain有哪些优势？")

输出检索结果 #

print(results)

### 4. 自定义工具集成
> 展示如何自定义并注册一个外部API工具。
```python
# 导入Tool基类
from langchain_community.tools import Tool

# 定义自定义API工具
class MyWeatherTool(Tool):
    # 工具名称
    name = "weather"
    # 工具描述
    description = "获取指定城市的天气信息"
    # 工具调用方法
    def _run(self, city: str):
        # 这里用伪代码模拟API调用
        return f"{city}今天天气晴，气温25℃"

# 创建工具对象
weather_tool = MyWeatherTool()

# 调用工具获取天气
result = weather_tool.run("北京")

# 输出结果
print(result)

五、生态与扩展 #

LangChain Community 支持与LangChain主库、LangChain Core、LangServe等生态组件无缝集成，支持多种大模型、数据库、API等扩展。

• 大模型集成：OpenAI、Azure、百度文心、ChatGLM等
• 数据库/向量库：FAISS、Chroma、Milvus等
• 工具/插件：SerpAPI、Web搜索、计算器等

六、应用场景 #

LangChain Community 适用于以下典型场景：

• 多模型/多工具协作
• 智能问答与检索增强（RAG）
• 智能体（Agent）自动化办公
• 复杂业务流程自动化
• 快速集成第三方API/服务

七、参考资料 #

推荐学习和查阅的LangChain Community相关资料。

• 官方文档：https://python.langchain.com.cn/docs/community/
• LangChain GitHub：https://github.com/langchain-ai/langchain
• LangChain 中文社区：https://langchain.com.cn/