Skip to main content
@langchain/google 包支持 Gemini 的内置工具，这些工具提供诸如网络搜索基础、代码执行、URL 上下文检索等功能。这些工具作为 Gemini 原生对象通过 bindTools() 或 tools 调用选项传递给 ChatGoogle。
您不能在同一请求中混合使用 Gemini 原生工具（Google 搜索、代码执行等）和标准 LangChain 工具（基于 Zod 的函数工具）。有关标准工具调用用法，请参阅 ChatGoogle 页面。

​
Google 搜索

googleSearch 工具使用实时 Google 搜索结果为基础模型响应。这对于有关当前事件或特定事实的问题非常有用。 
import { ChatGoogle } from "@langchain/google";

const llm = new ChatGoogle("gemini-2.5-flash")
  .bindTools([
    {
      googleSearch: {},
    },
  ]);

const res = await llm.invoke("Who won the latest World Series?");
console.log(res.text);
您可以选择将搜索结果过滤到特定时间范围： 
const llm = new ChatGoogle("gemini-2.5-flash")
  .bindTools([
  {
    googleSearch: {
      timeRangeFilter: {
        startTime: "2025-01-01T00:00:00Z",
        endTime: "2025-12-31T23:59:59Z",
      },
    },
  },
]);
googleSearchRetrieval 工具为向后兼容而保留，但推荐使用 googleSearch。
更多信息，请参阅 Google 的使用 Google 搜索进行基础的文档。

​
代码执行

codeExecution 工具允许 Gemini 生成并运行 Python 代码以解决复杂问题。模型编写代码、执行代码并返回结果。 
import { ChatGoogle } from "@langchain/google";

const llm = new ChatGoogle("gemini-2.5-flash")
  .bindTools([
    {
      codeExecution: {},
    },
  ]);

const res = await llm.invoke("Calculate the 100th Fibonacci number.");
console.log(res.contentBlocks);
响应在 contentBlocks 字段中包含生成的代码及其执行结果： 
for (const block of res.contentBlocks) {
  if (block.type === "tool_code") {
    console.log("Code:", block.toolCode);
  } else if (block.type === "tool_result") {
    console.log("Result:", block.toolResult);
  }
}
更多信息，请参阅 Google 的代码执行文档。

​
URL 上下文

urlContext 工具允许 Gemini 获取并使用 URL 中的内容来为基础其响应。 
import { ChatGoogle } from "@langchain/google";

const llm = new ChatGoogle("gemini-2.5-flash")
  .bindTools([
    {
      urlContext: {},
    },
  ]);

const res = await llm.invoke("Summarize this page: https://js.langchain.com/");
console.log(res.text);
更多信息，请参阅 Google 的 URL 上下文文档。

​
Google 地图

googleMaps 工具使用来自 Google 地图的地理空间上下文为基础响应。这对于与地点相关的查询非常有用。 
import { ChatGoogle } from "@langchain/google";

const llm = new ChatGoogle("gemini-2.5-flash")
  .bindTools([
    {
      googleMaps: {},
    },
  ]);

const res = await llm.invoke("What are the best coffee shops near Times Square?");
console.log(res.text);
您可以启用小部件上下文令牌以渲染 Google 地图小部件： 
const llm = new ChatGoogle("gemini-2.5-flash")
  .bindTools([
    {
      googleMaps: {
        enableWidget: true,
    },
  },
]);

const res = await llm.invoke("Find Italian restaurants in downtown Chicago");

// 从基础元数据访问小部件上下文令牌
const groundingMetadata = res.response_metadata?.groundingMetadata;
console.log(groundingMetadata?.googleMapsWidgetContextToken);
更多信息，请参阅 Google 的 Google 地图基础文档。

​
文件搜索

fileSearch 工具从文件搜索存储执行语义检索。文件必须首先使用 Gemini File API 导入。 
import { ChatGoogle } from "@langchain/google";

const llm = new ChatGoogle("gemini-2.5-flash")
  .bindTools([
    {
      fileSearch: {
      fileSearchStoreNames: ["fileSearchStores/my-store-123"],
    },
  },
]);

const res = await llm.invoke("What does the report say about Q4 revenue?");
console.log(res.text);
配置选项：
  • fileSearchStoreNames（必需）— 要从中检索的文件搜索存储的名称
  • metadataFilter（可选）— 应用于检索的元数据过滤器
  • topK（可选）— 要返回的语义检索块的数量
更多信息，请参阅 Google 的文件搜索文档。

​
计算机使用

computerUse 工具使 Gemini 能够与浏览器环境交互。模型可以查看屏幕截图并执行点击、键入和滚动等操作。 
import { ChatGoogle } from "@langchain/google";

const llm = new ChatGoogle("gemini-2.5-flash")
  .bindTools([
    {
      computerUse: {
      environment: "ENVIRONMENT_BROWSER",
    },
  },
]);
配置选项：
  • environment（必需）— 正在操作的环境（例如 "ENVIRONMENT_BROWSER"）
  • excludedPredefinedFunctions（可选）— 要从操作空间中排除的预定义函数
更多信息，请参阅 Google 的计算机使用文档。

​
MCP 服务器

mcpServers 字段允许 Gemini 连接到远程 MCP（模型上下文协议）服务器。与其他原生工具不同，MCP 服务器在工具对象上指定为数组。 
import { ChatGoogle } from "@langchain/google";

const llm = new ChatGoogle("gemini-2.5-flash")
  .bindTools([
    {
      mcpServers: [
      {
        name: "my-mcp-server",
        streamableHttpTransport: {
          url: "https://my-mcp-server.example.com/mcp",
        },
      },
    ],
  },
]);

const res = await llm.invoke("Use the tools from the MCP server to help me.");
console.log(res.text);
更多信息，请参阅 Google 的 MCP 文档。

​
Vertex AI 搜索数据存储

如果您使用 Vertex AI (platformType: "gcp")，可以使用 Vertex AI 搜索数据存储为基础响应。 
import { ChatGoogle } from "@langchain/google";

const projectId = "YOUR_PROJECT_ID";
const datastoreId = "YOUR_DATASTORE_ID";

const llm = new ChatGoogle({
  model: "gemini-2.5-pro",
  platformType: "gcp",
}).bindTools([
  {
    retrieval: {
      vertexAiSearch: {
        datastore: `projects/${projectId}/locations/global/collections/default_collection/dataStores/${datastoreId}`,
      },
      disableAttribution: false,
    },
  },
]);

const res = await llm.invoke(
  "What is the score of Argentina vs Bolivia football game?"
);
console.log(res.text);
更多信息，请参阅 Google 的 Vertex AI 搜索基础文档。
在 GitHub 上编辑此页面 或 提交问题。
通过 MCP 将这些文档连接到 Claude、VSCode 等 以获取实时答案。