@langchain/google 包支持 Gemini 内置工具，提供诸如网络搜索增强、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。
你不能在同一个请求中混合使用 Gemini 原生工具（如 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 搜索结果来增强模型回答的可靠性。对于当前事件或特定事实的问题很有用。 
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);
你可以选择将搜索结果过滤到特定的时间范围： 
const llm = new ChatGoogle("gemini-2.5-flash")
  .bindTools([
  {
    googleSearch: {
      timeRangeFilter: {
        startTime: "2025-01-01T00:00:00Z",
        endTime: "2025-12-31T23:59:59Z",
      },
    },
  },
]);
googleSearchRetrieval 工具仅为保持向后兼容而保留，建议优先使用 googleSearch。
更多信息，请参阅 Google 的 Grounding with Google Search 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。模型会编写代码、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);
响应中的 contentBlocks 字段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 Code Execution 文档。

​
URL 上下文

urlContext 工具允许 Gemini 获取并使用 URL 内容来增强其回答。 
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 Context 文档。

​
Google 地图

googleMaps 工具使用 Google Maps 的地理空间上下文来增强回答。对于与地点相关的查询很有用。 
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);
你可以启用一个 widget 上下文令牌，用于渲染 Google Maps 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");

// Access the widget context token from grounding metadata
const groundingMetadata = res.response_metadata?.groundingMetadata;
console.log(groundingMetadata?.googleMapsWidgetContextToken);
更多信息，请参阅 Google 的 Google Maps grounding 文档。

​
文件搜索

fileSearch 工具从文件搜索存储中执行语义检索。文件必须首先通过 Gemini 文件 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数量
更多信息，请参阅 Google 的 File Search 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、输入和滚动等操作。 
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）—— 要从动作空间中排除的预定义函数
更多信息，请参阅 Google 的 Computer Use 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以数组形式指定。 
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 Search 数据存储

如果你使用的是 Vertex AI（platformType: "gcp"），你可以使用 Vertex AI Search 数据存储来增强回答。 
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 Search grounding 文档。
Connect these docs to Claude, VSCode, and more via MCP for real-time answers.
Edit this page on GitHub or file an issue.