> For the complete documentation index, see [llms.txt](https://docs.talordata.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.talordata.com/cn-tw/serp-api/integration/sdk-integration/langchain-talordata-setting.md).

# 如何使用LangChain設定TalorData

將 TalorData 與 LangChain 集成，為基於 LLM 的代理提供可靠、匿名且可擴展的 Web 訪問權限，以執行真實世界的數據任務。涵蓋 195 個國家/地區。

您可以使用 <kbd>langchain-talordata</kbd> Python 包來實現此集成，該集成支援以下功能：

* TalorSerpTool - TalorData 提供強大的 SERP API，讓您可以使用地理定位和高級自定義選項查詢搜尋引擎（Google、Bing、Yandex、DuckDuckGo），這對於需要即時網路資訊的 AI 代理尤其有用。

或者通過 [TalorData 的 MCP（模型上下文協定）](/cn-tw/serp-api/mcp-server/introduction.md) —— 一個提供各種抓取和自動化工具的本地伺服器。雖然它不是<kbd>langchain-talordata</kbd>包的一部分，但可以透過 LangChain 的 <kbd>Tool</kbd> 或 <kbd>RequestsWrapper</kbd>手動集成。

### 如何將TalorData與LangChain集成

{% stepper %}
{% step %}

#### **獲取您的TalorData API Token**

* 登入您的[TalorData 控制面板](https://dashboard.talordata.com/)。
* 前往[SERP API-API Token](https://dashboard.talordata.com/scraping/serp-api/api-token)。如果您尚未生成API Token，請生成一個。

{% endstep %}

{% step %}

#### **安裝TalorData集成**

運行以下命令安裝用於LangChain的TalorData集成包：

```
pip install langchain-talordata
```

{% endstep %}

{% step %}

#### **設定環境變量**

將您的TalorData API Token設定為環境變量：

```
import os
os.environ["TALOR_API_KEY"] = "your-token"
```

{% endstep %}

{% step %}

#### **使用TalorData + LangChain 集成**

API 參考：[SERP API 文档](https://docs.talordata.com/serp-api/query-parameters)

基本用法

```
from langchain_talordata import TalorSerpTool

search_tool = TalorSerpTool.from_env()

result = search_tool.invoke({
    "query": "LangChain tutorial",
    "engine": "google",
    "params": {
        "gl": "us",
        "hl": "en",
        "device": "desktop",
    },
})

print(result)
```

{% endstep %}

{% step %}

#### **在Agent中使用**

```
from langchain_talordata import TalorSerpTool
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(model="gpt-4o-mini", temperature=0)
tool = TalorSerpTool.from_env()

# Tool calling without langchain_classic agents
model_with_tools = llm.bind_tools([tool])
response = model_with_tools.invoke("Search for the latest LangChain news")
print(response)
```

{% endstep %}
{% endstepper %}