Post

LangChain Custom Tools

Let's build custom tools in LangChain.

Posted
By DS2Man
15 min read
LangChain Custom Tools

LangChain offers a wide variety of built-in tools for search, math, web APIs, and more. but sometimes, you need something specific to your use case. That’s where custom tools come in.

In this post, we’ll explore what custom tools are, how to create them in LangChain, and when you should consider building your own.

How to Create a Custom Tool

There are two ways to create a tool: using @tool or Tool from the langchain_core.tools.tool module. For flexible customization, the @tool decorator is more useful, so we’ll use that. (The Tool-based approach will not be covered in this post.)

[Note!] If possible, wrap built-in tools as custom tools as well for the sake of code consistency!

python_repl_tool

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

from langchain_experimental.tools import PythonREPLTool
from langchain_core.tools import tool

python_repl_tool_instance = PythonREPLTool()

@tool
def python_repl_tool(
    query: str,
):
    """
    Executes Python code in a REPL. 

    To show the result to the user, use `print(...)`. 
    Only printed output will be returned and visible.
    """
    result = ""
    try:
        result = python_repl_tool_instance.invoke(query)
    except BaseException as e:
        print(f"Failed to execute. Error: {repr(e)}")
    finally:
        return result

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

print("==========="*4)
print(f"tool name: {python_repl_tool.name}")
print(f"tool description: {python_repl_tool.description}")
print("==========="*4)

code = "print(2 + 3 * 5)" # 17
code = "print(sum([1, 2, 3, 4]))" # 10
code = "import os; print(os.getcwd())" # d:\02.MyCode\GP-MyReference\13.MyLLM
# result = python_repl_tool.invoke(code) # ok!
result = python_repl_tool.invoke({"query" : code}) # ok!
print("Result1:", result)  # → 50

python_repl_tool.invoke("""
def square(x):
    return x * x
""")
# result = python_repl_tool.invoke("print(square(5))") # 2ok!
result = python_repl_tool.invoke({"query":"print(square(5))"}) # ok!
print("Result2:", result)  # → 50

1
2
3
4
5
6
7
8
9
10

============================================
tool name: python_repl_tool
tool description: Executes Python code in a REPL. 

To show the result to the user, use `print(...)`. 
Only printed output will be returned and visible.
============================================
Result1: d:\02.MyCode\GP-MyReference\13.MyLLM

Result2: 25

tavily_search_tool

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31

from langchain_tavily.tavily_search import TavilySearch
from langchain_core.tools import tool
import os

os.environ["TAVILY_API_KEY"] = "tvly-dev-***********************"

tavily_search_instance = TavilySearch(
    max_results=3,
    include_answer=False,
    include_raw_content=True,
    # include_images=True,
    search_depth="basic", # or "advanced"
    # include_domains=["github.io", "wikidocs.net"],
    # exclude_domains = []
)

@tool
def tavily_search_tool(query: str):
    """
    Search the web using Tavily and return a list of relevant documents.

    Provide a search query as input.
    Returns a list of documents containing raw content from search results.
    Use this tool to retrieve up-to-date web information.
    """
    try:
        return tavily_search_instance.invoke(query)
    except Exception as e:
        error_msg = f"[Tavily Search Error] {type(e).__name__}: {str(e)}"
        print(error_msg)
        return [{"error": error_msg}]

1
2
3
4
5
6
7
8

print("==========="*4)
print(f"tool name: {tavily_search_tool.name}")
print(f"tool description: {tavily_search_tool.description}")
print("==========="*4)

result = tavily_search_tool.invoke("2010년 ~ 2024년 대한민국의 1인당 GDP는?")
result = tavily_search_tool.invoke({"query": "2010년 ~ 2024년 대한민국의 1인당 GDP는?"})
result

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

============================================
tool name: tavily_search_tool
tool description: Search the web using Tavily and return a list of relevant documents. 

Provide a search query as input. 
Returns a list of documents containing raw content from search results. 
Use this tool to retrieve up-to-date web information.
============================================

{'query': '2010년 ~ 2024년까지의 대한민국의 1인당 GDP는?',
 'follow_up_questions': None,
 'answer': None,
 'images': [],
 'results': [{'url': 'https://ko.tradingeconomics.com/south-korea/gdp-per-capita', ...
   'title': '대한민국 1인당 GDP | 1960-2023 데이터 | 2024-2025 예상 - 경제 지표',
   'content': '대한민국의 2023년 1인당 국내총생산(GDP)은 34121.02 미국 달러로 기록되었습니다. | 농업 GDP ...
   'score': 0.7997713,
   'raw_content': '대한민국 - 1인당 국내총생산 | 1960-2023 데이터 | 2024-2025 예상\n=============== \n ...
  {'url': 'https://www.ceicdata.com/ko/indicator/korea/gdp-per-capita',
   'title': '대한민국 | 1인당 국내총생산 | 1953년 – 2025년 | 경제 지표 - CEIC',
   'content': 'Accept Decline ENG 영어 중국말 일본어 인도네시아 인 한국어 독일 사람 포르투갈 인 국가 지표 ...
   'score': 0.79293,
   'raw_content': 'Published Time: Fri Jun 01 2018 05:11:07 GMT+0000 (Coordinated Universal Time) ...
  {'url': 'https://namu.wiki/w/%EB%8C%80%ED%95%9C%EB%AF%BC%EA%B5%AD/GDP',
   'title': '대한민국/GDP - 나무위키',
   'content': '[1] 기준년 개편 결과, 2차 개편결과 참조.[2] 2005년엔 10위, 2020년엔 9위를 기록했다.[3] IMF, ...
   'score': 0.40938663,
   'raw_content': '대한민국/GDP - 나무위키\n===============                        \n\n[](https://namu.wiki/ "나무위키") ...
 'response_time': 1.33}

googlenews_search_tool

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

from ai.tools.search_web import GoogleNews
from langchain.tools import tool
from typing import List, Dict

googlenews_instance = GoogleNews()

@tool
def googlenews_search_tool(query: str) -> List[Dict[str, str]]:
    """
    Searches Google News for recent articles related to the given keyword.

    Returns a list of dictionaries, each containing article metadata such as title, link, and content.
    """
    try:
        return googlenews_instance.search_by_keyword(query, k=3)
    except Exception as e:
        error_msg = f"[GoogleNews Error] {type(e).__name__}: {str(e)}"
        print(error_msg)
        return [{"error": error_msg}]

1
2
3
4
5
6
7

print("==========="*4)
print(f"tool name: {googlenews_search_tool.name}")
print(f"tool description: {googlenews_search_tool.description}")
print("==========="*4)

googlenews_search_tool.invoke("AI 뉴스 알려줘") # ok
# googlenews_search_tool.invoke({'query':"AI 뉴스 알려줘"}) # ok

1
2
3
4
5
6
7
8
9
10
11
12
13

============================================ 
tool name: googlenews_search_tool 
tool description: Searches Google News for recent articles related to the given keyword.

Returns a list of dictionaries, each containing article metadata such as title, link, and content.
============================================

[{'url': 'https://news.google.com/rss/articles/CBMiW0FVX3lxTFBmdmdiN3B1V2F5Mmc3alBDVElDM3NMcVlFT0x1NU5QcFoydkdwbmtEcF9rR1JNUHh1VWlzYjgtVG5abXgyYzBWRWlwb0c5dFlneE5zVTI2SUVXOEXSAWBBVV95cUxPRmViYzJSRWZ3UFpMLWMxX19sc3Zld2lzY3gtZEJXLWZ5ZjdYN3gyUV9HRG5FVkR5NmhlVmxuLTFaZkVTWU1TMHRBWmRmbzROOVp3TWozZHVmelhWakstUjI?oc=5',
  'content': '"딥시크, 랜섬웨어·화염병 정보 알려줘…범죄 악용 우려" - 연합뉴스'},
 {'url': 'https://news.google.com/rss/articles/CBMiZ0FVX3lxTE1MVDAyWkRRa0c4Rlh4UnBuVEUxamJ6RWJCcWpxSHhKeUFGQ1hZZEZQRHEyMFhTRnJhNzBiTU1xcjROVkJJdVlYV0RUSUgtTjJtLUNGZG8wSkRlZl9zb2VfTi1DSDBpc1k?oc=5',
  'content': '네이버 지도 내비게이션에 인공지능 탑재...AI가 운전 속도, 주행 패턴 등 특징적 운전 습관 기반 개인 맞춤 도착 시간 알려줘 - 인공지능신문'},
 {'url': 'https://news.google.com/rss/articles/CBMiZEFVX3lxTE9pTWxDdGVXUnV0RzVSM1JiUXVna0tMcWZ6NXZjM0pyODZSWlhqMWpBVDJUUFVqSk01MlVyd3Vpcy1zZUNzWXlFS1dmVGZCYXNuODE4X1RVUDEyam1TX19fRzRJREs?oc=5',
  'content': '동물병원에 부는 AI 바람…"논문 근거 답변에 심장 수치도 알려줘" - 뉴스1'}]

get_current_datetime_tool

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

from datetime import datetime
from langchain_core.tools import tool

@tool
def get_current_datetime_tool() -> str:
    """
    Returns the current date and time in a human-readable format.

    Format: 'Today is Month Day, Year at HH:MM.'
    Example: 'Today is July 11, 2025 at 16:45.'
    """
    try:
        now = datetime.now()
        return now.strftime("Today is %B %d, %Y at %H:%M.")
    except Exception as e:
        error_msg = f"[Datetime Error] {type(e).__name__}: {str(e)}"
        print(error_msg)
        return [{"error": error_msg}]

1
2
3
4
5
6
7

print("==========="*4)
print(f"tool name: {get_current_datetime_tool.name}")
print(f"tool description: {get_current_datetime_tool.description}")
print("==========="*4)

# get_current_datetime_tool.invoke("What is today's date?") # ok
get_current_datetime_tool.invoke({'query':"What is today's date?"}) # ok

1
2
3
4
5
6
7
8

============================================ 
tool name: get_current_datetime_tool 
tool description: Returns the current date and time in a human-readable format. 

Format: 'Today is Month Day, Year at HH:MM.' 
Example: 'Today is July 11, 2025 at 16:45.' ============================================

'Today is July 10, 2025 at 22:11.'

pdf_retriever_tool

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

from langchain.document_loaders import PyMuPDFLoader
from langchain.text_splitter import RecursiveCharacterTextSplitter
from langchain_community.vectorstores import FAISS
from langchain_huggingface import HuggingFaceEmbeddings
from langchain_core.tools import tool

loader = PyMuPDFLoader("zData/SPRI_AI_Brief.pdf")
text_splitter = RecursiveCharacterTextSplitter(chunk_size=1000, chunk_overlap=100)
split_docs = loader.load_and_split(text_splitter)
embeddings = HuggingFaceEmbeddings(model_name="./Pretrained_byGit/bge-m3")
vector = FAISS.from_documents(split_docs, embeddings)

retriever = vector.as_retriever()

@tool
def pdf_retriever_tool(query: str) -> str:
    """
    Search information from the PDF document using semantic similarity.

    Provide a question or keyword, and this tool will return relevant chunks from the document.
    """
    docs = retriever.invoke(query)
    return "\n\n".join([doc.page_content for doc in docs])

1
2
3
4
5
6
7

print("==========="*4)
print(f"tool name: {pdf_retriever_tool.name}")
print(f"tool description: {pdf_retriever_tool.description}")
print("==========="*4)

# pdf_retriever_tool.invoke("삼성전자가 개발한 생성형 AI 관련 내용을 문서에서 찾아줘") # ok
pdf_retriever_tool.invoke({'query':"삼성전자가 개발한 생성형 AI 관련된 정보를 문서에서 찾아주세요."}) # ok

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61

============================================
도구 이름: pdf_search_tool
도구 설명: Search information from the PDF document using semantic similarity.

Provide a question or keyword, and this tool will return relevant chunks from the document.
============================================
SPRi AI Brief |  
2023-12월호
10
삼성전자, 자체 개발 생성 AI ‘삼성 가우스’ 공개
n 삼성전자가 온디바이스에서 작동 가능하며 언어, 코드, 이미지의 3개 모델로 구성된 자체 개발 생성 
AI 모델 ‘삼성 가우스’를 공개
n 삼성전자는 삼성 가우스를 다양한 제품에 단계적으로 탑재할 계획으로, 온디바이스 작동이 가능한 
삼성 가우스는 외부로 사용자 정보가 유출될 위험이 없다는 장점을 보유
KEY Contents
£ 언어, 코드, 이미지의 3개 모델로 구성된 삼성 가우스, 온디바이스 작동 지원
n 삼성전자가 2023년 11월 8일 열린 ‘삼성 AI 포럼 2023’ 행사에서 자체 개발한 생성 AI 모델 
‘삼성 가우스’를 최초 공개
∙정규분포 이론을 정립한 천재 수학자 가우스(Gauss)의 이름을 본뜬 삼성 가우스는 다양한 상황에 
최적화된 크기의 모델 선택이 가능
∙삼성 가우스는 라이선스나 개인정보를 침해하지 않는 안전한 데이터를 통해 학습되었으며, 
온디바이스에서 작동하도록 설계되어 외부로 사용자의 정보가 유출되지 않는 장점을 보유
∙삼성전자는 삼성 가우스를 활용한 온디바이스 AI 기술도 소개했으며, 생성 AI 모델을 다양한 제품에 
단계적으로 탑재할 계획
n 삼성 가우스는 △텍스트를 생성하는 언어모델 △코드를 생성하는 코드 모델 △이미지를 생성하는 
이미지 모델의 3개 모델로 구성
∙언어 모델은 클라우드와 온디바이스 대상 다양한 모델로 구성되며, 메일 작성, 문서 요약, 번역 업무의 
처리를 지원
∙코드 모델 기반의 AI 코딩 어시스턴트 ‘코드아이(code.i)’는 대화형 인터페이스로 서비스를 제공하며 
사내 소프트웨어 개발에 최적화
∙이미지 모델은 창의적인 이미지를 생성하고 기존 이미지를 원하는 대로 바꿀 수 있도록 지원하며 
저해상도 이미지의 고해상도 전환도 지원
n IT 전문지 테크리퍼블릭(TechRepublic)은 온디바이스 AI가 주요 기술 트렌드로 부상했다며,

∙이 플랫폼은 데이터 관리, 모델 배포와 평가, 신속한 엔지니어링을 위한 종합 도구 모음을 제공하여 
다양한 기업들이 맞춤형 AI 모델을 한층 쉽게 개발할 수 있도록 지원
∙생성 AI 개발에 필요한 컴퓨팅과 데이터 처리 요구사항을 지원하기 위해 AI 플랫폼(PAI), 
데이터베이스 솔루션, 컨테이너 서비스와 같은 클라우드 신제품도 발표
n 알리바바 클라우드는 AI 개발을 촉진하기 위해 올해 말까지 720억 개 매개변수를 가진 통이치엔원 
모델을 오픈소스화한다는 계획도 공개
☞ 출처 : Alibaba Cloud, Alibaba Cloud Launches Tongyi Qianwen 2.0 and Industry-specific Models to Support 
Customers Reap Benefits of Generative AI, 2023.10.31.

Ⅰ. 인공지능 산업 동향 브리프

2023년 12월호
Ⅰ. 인공지능 산업 동향 브리프
 1. 정책/법제 
   ▹ 미국, 안전하고 신뢰할 수 있는 AI 개발과 사용에 관한 행정명령 발표  ························· 1
   ▹ G7, 히로시마 AI 프로세스를 통해 AI 기업 대상 국제 행동강령에 합의··························· 2
   ▹ 영국 AI 안전성 정상회의에 참가한 28개국, AI 위험에 공동 대응 선언··························· 3
   ▹ 미국 법원, 예술가들이 생성 AI 기업에 제기한 저작권 소송 기각····································· 4
   ▹ 미국 연방거래위원회, 저작권청에 소비자 보호와 경쟁 측면의 AI 의견서 제출················· 5
   ▹ EU AI 법 3자 협상, 기반모델 규제 관련 견해차로 난항··················································· 6
 
 2. 기업/산업 
   ▹ 미국 프런티어 모델 포럼, 1,000만 달러 규모의 AI 안전 기금 조성································ 7
   ▹ 코히어, 데이터 투명성 확보를 위한 데이터 출처 탐색기 공개  ······································· 8
   ▹ 알리바바 클라우드, 최신 LLM ‘통이치엔원 2.0’ 공개 ······················································ 9
   ▹ 삼성전자, 자체 개발 생성 AI ‘삼성 가우스’ 공개 ··························································· 10
   ▹ 구글, 앤스로픽에 20억 달러 투자로 생성 AI 협력 강화 ················································ 11
LLM&RAG, L&R-Agent
LangChain Agent LangGraph Tools
This post is licensed under CC BY 4.0 by the author.