Tools基础 - wangshengliang

早期大模型本身只能处理已有知识库的问题，无法处理一些实时性的问题，例如：

今天天气如何？

今天有什么爆炸性新闻？

OpenAI 提出了 Function Calling 的概念，让大模型能够指导 Agent 调用工具获取实时信息。

Function Calling 已经更名为 Tools.

Tools 的工作流程

注意，不同的模型厂商，使用工具时略有差异。

以 OpenAI 为例进行演示

注册工具#

注册一个叫 getCurrentWeather 的函数，告诉模型它的作用和参数格式。
用户问：“北京的天气怎么样？”
模型就会自动决定：嗯，这需要调用那个工具。并返回函数名称和参数（location: “北京”）给我们。

Step 1：定义工具函数和 tools 描述

Tools 各项描述含义：

type: "function" 目前只支持值为 function, 必须指定
function 是对具体函数的描述
name 是函数名, 需要跟函数的名称一致, 方便我们后续实现对函数名的调用
descirption 函数的描述, 你可以理解成对 LLM 决定什么是否调用该函数的唯一信息, 这部分清晰的表达函数的效果
parameters 函数的参数, OpenAI 使用的是通用的 JSON Schema 去描述函数的各个参数, 在我们这里使用了数组作为参数的输入, 其中有两个 key
- location 一个 string 值表示位置
- unit 表示请求的单位
required 通过这个 key 告知 LLM 该参数是必须的

使用工具#

调用模型，观察是否生成函数调用请求。

使用 openai 官方库来调用 OpenAI 的 gpt-3.5-turbo 模型。

询问模型一个问题，如下：

// 前面代码略...

// 1. 模拟用户提问
const messages = [{ role: 'user', content: '北京的天气怎么样？' }]

// 2. 模型判断是否调用函数
const result = await openai.chat.completions.create({
  model: 'gpt-3.5-turbo-1106', // 指定模型
  messages, // 用户的问题
  tools, // 工具箱🧰 让大模型知道有哪些工具可以使用
})

console.log('模型返回内容：')
console.dir(result.choices[0], { depth: null })

模型输出内容：

{
  index: 0, // 本条消息在返回数组中的位置（第 0 条）
  message: {
    role: 'assistant',   // 角色：来自助手（模型）
    content: null,       // 没有自然语言内容，因为这一步是“发起工具调用”
    tool_calls: [        // 工具调用列表：本例中只有 1 个
      {
        id: 'call_WnSIQJJUjgifGqgAnzNkmgLR', // 此次工具调用的唯一 ID（后续对齐结果用）
        type: 'function',                    // 工具类型：函数调用
        function: {
          name: 'getCurrentWeather',         // 要调用的函数名（应与你声明的 tools 匹配）
          // 以“字符串化的 JSON”形式给出的参数（API 规范常见写法）
          // 使用时需要先 JSON.parse() 成对象再传给真实函数实现
          arguments: '{"location":"北京","unit":"celsius"}'
        }
      }
    ],
    refusal: null,   // 没有拒答（如果模型拒绝执行，会给出拒绝原因/说明）
    annotations: []  // 额外标注信息（如安全/敏感片段标注）；此处为空
  },
  logprobs: null,        // 未返回 token 级别的对数概率（一般调试/研究才会用到）
  // 结束原因：'tool_calls' 表示该轮对话以“请求调用工具”作为结尾
  // 正确的下一步是：宿主/应用去执行这个工具，再把结果回传给模型
  finish_reason: 'tool_calls'
}

后续步骤#

目前已经完成了：

用户提问
模型决定要不要调用函数
并返回 tool_calls，告诉我们该调用哪个函数、传什么参数

但这只是“调用的意图”，我们还需要完成“真正执行”与“继续对话”的闭环。

完整流程如下：

1. 用户提问 --> "北京天气如何？"
        ↓
2. 模型返回 tool_calls ➜ getCurrentWeather({ location: "北京" })
        ↓
3. JS 调用本地函数 --> 得到天气结果
        ↓
4. 把结果再发送给模型 --> 模型生成最终回答

课堂练习

完成后续代码。