大模型Agent工具调用实战：从零构建你的第一个智能助手

1次阅读

没有评论

共计 2871 个字符，预计需要花费 8 分钟才能阅读完成。

初次接触大模型 Agent 工具调用时，开发者常会遇到几个典型问题：

工具描述模糊 ：不知道如何用结构化语言准确描述工具功能，导致大模型无法正确理解和使用工具
响应解析困难 ：大模型返回的工具体调用请求格式复杂，提取参数时容易出错
逻辑耦合严重 ：工具执行代码与大模型交互代码混在一起，难以维护和扩展
错误处理缺失 ：没有考虑大模型可能产生错误调用或工具执行失败的情况

我们采用 OpenAI Function Calling 作为基础架构，它的核心优势在于：

标准化接口 ：通过 JSON Schema 明确定义工具
灵活调用 ：大模型自主决定何时以及如何调用工具
清晰响应 ：返回结构化的工具调用请求

一个完整的工具定义包括：

{
    "name": "get_current_weather",
    "description": "Get the current weather in a given location",
    "parameters": {
        "type": "object",
        "properties": {
            "location": {
                "type": "string",
                "description": "The city and state, e.g. San Francisco, CA"
            },
            "unit": {
                "type": "string",
                "enum": ["celsius", "fahrenheit"]
            }
        },
        "required": ["location"]
    }
}

当大模型决定调用工具时，会返回如下结构的响应：

{
    "role": "assistant",
    "content": null,
    "function_call": {
        "name": "get_current_weather",
        "arguments": "{\"location\":\"Beijing\",\"unit\":\"celsius\"}"
    }
}

以下是基于 Python 和 OpenAI API 的完整示例（需要安装 openai 库）：

import openai
import json
from typing import Dict, Any

# 模拟天气 API
def get_current_weather(location: str, unit: str = "celsius") -> str:
    """模拟天气查询工具"""
    return f"{location} 当前天气: 22 度 {unit}, 晴"

# 工具定义
tools = [
    {
        "name": "get_current_weather",
        "description": "获取指定位置的当前天气",
        "parameters": {
            "type": "object",
            "properties": {
                "location": {
                    "type": "string",
                    "description": "城市名称，如: 北京"
                },
                "unit": {
                    "type": "string",
                    "enum": ["celsius", "fahrenheit"]
                }
            },
            "required": ["location"]
        }
    }
]

# 处理工具调用
def handle_tool_call(function_name: str, arguments: Dict[str, Any]) -> str:
    if function_name == "get_current_weather":
        return get_current_weather(**arguments)
    raise ValueError(f"未知工具: {function_name}")

# 主对话循环
def chat_loop():
    messages = [{"role": "system", "content": "你是一个有帮助的助手"}]

    while True:
        user_input = input("你:")
        if user_input.lower() == "exit":
            break

        messages.append({"role": "user", "content": user_input})

        response = openai.ChatCompletion.create(
            model="gpt-3.5-turbo",
            messages=messages,
            tools=tools,
            tool_choice="auto"
        )

        assistant_message = response.choices[0].message
        messages.append(assistant_message)

        # 检查是否调用了工具
        if assistant_message.get("function_call"):
            function_call = assistant_message["function_call"]
            try:
                arguments = json.loads(function_call["arguments"])
                tool_response = handle_tool_call(function_call["name"], 
                    arguments
                )
                messages.append({
                    "role": "function",
                    "name": function_call["name"],
                    "content": tool_response
                })
            except Exception as e:
                print(f"工具调用错误: {e}")
                continue

        print(f"助手: {assistant_message.get('content','')}")

if __name__ == "__main__":
    chat_loop()

避免模糊描述：” 获取天气数据 ” → “ 获取指定城市当前温度、天气状况和体感温度 ”
参数说明要具体：” 位置信息 ” → “ 城市名称，支持中英文，如 ’ 北京 ’ 或 ’Beijing'”

验证必填参数是否存在
检查参数值是否合法（如枚举值）
添加默认参数值（如单位默认为摄氏度）

import asyncio
from functools import partial

async def run_with_timeout(func, timeout=5, *args, **kwargs):
    try:
        return await asyncio.wait_for(asyncio.get_event_loop().run_in_executor(None, partial(func, *args, **kwargs)
            ), 
            timeout
        )
    except asyncio.TimeoutError:
        raise TimeoutError(f"工具执行超时: {timeout} 秒")