1. 先搞清楚“工具调用”到底在解决什么问题如果你正在接触大模型应用开发尤其是想让它帮你查天气、订机票、发邮件或者连接数据库、调用外部API那你一定会遇到“工具调用”这个概念。很多人一上来就去看代码结果被各种框架、协议和术语绕晕。其实工具调用要解决的核心问题就一个让大模型从“聊天机器人”变成“能替你干活的智能助手”。一个只会聊天的模型你问它“北京明天天气怎么样”它能给你编一段像模像样的回答但它没法真的去查天气预报网站。工具调用就是给模型装上了“手”和“脚”让它能根据你的指令去执行一个具体的动作比如调用一个查询天气的API然后把真实的结果返回给你。在安全领域比如“AI红队”的视角下研究工具调用有双重意义。对开发者而言是让应用更强大对安全研究者而言则是要审视当模型获得了执行外部动作的能力它会带来哪些新的风险模型会不会被诱导去调用一个危险的命令它如何判断一个工具调用请求是否安全这就是“大模型安全”在工具调用层面需要关注的核心。所以这篇文章不会只讲怎么调用我会结合一线开发和安全评估的经验带你走通从理解、配置、开发到安全考量的完整路径。你会发现很多调用失败的问题根源不在于代码而在于对流程和权限的理解。2. 理解工具调用的标准流程从用户指令到动作执行别被那些复杂的架构图吓到。一个完整的工具调用流程可以拆解成下面几个环环相扣的步骤。理解这个流程是解决一切问题的起点。2.1 第一步定义工具你有什么“手”和“脚”首先你得告诉模型它现在有哪些工具可以用。每个工具都需要被清晰地定义。通常一个工具定义包括工具名称一个唯一的标识符比如get_weather。工具描述用自然语言告诉模型这个工具是干什么的。例如“根据城市名称查询该城市的实时天气情况。” 这个描述至关重要模型主要靠它来决定是否以及何时调用这个工具。参数列表调用这个工具需要提供哪些信息。比如city_name城市名并且要定义它的类型字符串以及是否必需。这通常以一个“工具列表”的形式在对话开始时或系统提示词中提供给模型。在OpenAI的API中这就是tools参数在开源框架里也可能是类似的配置。2.2 第二步模型决策与生成调用请求模型说“我要动手了”用户发出指令比如“帮我看看上海和北京的天气对比”。理解与规划模型结合你的指令和可用的工具列表进行思考。它会判断“用户需要两个城市的天气信息我手头有get_weather工具这个工具一次只能查一个城市所以我需要调用它两次。”生成结构化请求模型不会直接去调用API而是会生成一个标准的、结构化的“工具调用请求”。这个请求会明确指出来“我要调用get_weather工具参数是city_name: “上海”。” 在API响应中这体现为tool_calls字段。关键点在这一步模型只是“表达意图”它生成的是一个待执行的调用指令而不是执行结果。这个指令会返回给你的应用程序。2.3 第三步应用端执行工具你的代码真正干活你的应用程序后端服务收到了模型返回的tool_calls。现在轮到你写的代码上场了解析请求你的代码需要解析这个结构化请求提取出工具名get_weather和参数{“city_name”: “上海”}。安全与权限校验重要在执行前必须进行校验。这个工具允许调用吗参数是否合法比如城市名是否在服务范围内这一步是安全的关键防线绝不能省略。执行调用根据工具名找到对应的函数或服务传入参数真正去执行。比如调用一个内部函数或者向一个真实的天气API发送HTTP请求。获取结果等待执行完成拿到返回结果。比如{“city”: “上海”, “temperature”: “22°C”, “condition”: “晴”}。2.4 第四步将结果反馈给模型告诉模型“事情办完了”工具执行完后你会得到一个结果。但这个结果需要再次交给模型来处理。格式化结果将工具执行的结果可能是JSON、文本等整理好。提交给模型在后续的API请求中将上一次模型的tool_calls和对应的tool_outputs工具输出一起发送回去。这相当于告诉模型“你上次让我调用的工具我已经执行了结果是这个。”模型整合与回复模型接收到工具执行的真实结果后会结合最初的用户问题和这个结果生成最终面向用户的自然语言回答。例如“上海目前天气晴朗气温22摄氏度北京则是多云气温18摄氏度。两地温差4度。”这个“用户提问 - 模型建议调用 - 应用执行 - 结果返回 - 模型总结”的循环是工具调用的核心交互模式。很多开发者在第二步和第三步之间脱节或者在第四步忘记把结果传回导致对话卡住。3. 动手实现一个简单的天气查询工具调用我们用一个最经典的例子——天气查询来把上面的流程跑通。这里我会以 OpenAI API 的格式为例因为它的定义最通用理解了它再看其他框架如 LangChain、Dify就会轻松很多。3.1 环境与依赖准备首先你需要一个能访问大模型API的环境。这里假设你使用 OpenAI 的模型如 gpt-3.5-turbo 或 gpt-4。安装必要的库主要是 OpenAI 的官方 Python 包。pip install openai准备API密钥从 OpenAI 平台获取你的OPENAI_API_KEY并设置为环境变量或在代码中配置。模拟工具函数由于我们不可能真的去接一个天气API我们先在本地写一个模拟函数。在生产中这个函数会被替换为真正的外部服务调用。3.2 定义工具与模拟执行函数我们先在代码里定义工具列表和对应的执行函数。import json from openai import OpenAI # 初始化客户端请替换为你的API密钥 client OpenAI(api_key“你的API密钥”) # 1. 定义工具列表 tools [ { “type”: “function”, “function”: { “name”: “get_current_weather”, “description”: “获取指定城市的当前天气”, “parameters”: { “type”: “object”, “properties”: { “location”: { “type”: “string”, “description”: “城市名称例如北京上海”, }, “unit”: {“type”: “string”, “enum”: [“celsius”, “fahrenheit”], “default”: “celsius”}, }, “required”: [“location”], }, }, } ] # 2. 模拟工具执行函数 def execute_tool(tool_name, arguments): “”“模拟执行工具实际项目中这里会调用真实API或服务。”“” if tool_name “get_current_weather”: location arguments.get(“location”) unit arguments.get(“unit”, “celsius”) # 模拟返回结果 return json.dumps({“location”: location, “temperature”: “22”, “unit”: unit, “forecast”: [“sunny”]}) else: return json.dumps({“error”: f“Unknown tool: {tool_name}”})3.3 实现主对话循环接下来是实现核心的循环逻辑发送消息、检查工具调用、执行工具、返回结果。def run_conversation(user_query): “”“运行一个支持工具调用的对话。”“” messages [{“role”: “user”, “content”: user_query}] # 第一轮发送用户查询并告知模型可用的工具 response client.chat.completions.create( model“gpt-3.5-turbo”, # 或 “gpt-4” messagesmessages, toolstools, tool_choice“auto”, # 让模型自行决定是否调用工具 ) response_message response.choices[0].message messages.append(response_message) # 将模型的回复添加到消息历史 # 检查模型是否想要调用工具 tool_calls response_message.tool_calls if tool_calls: print(f“模型请求调用工具: {tool_calls}”) # 遍历所有工具调用请求模型可能一次请求调用多个工具 for tool_call in tool_calls: tool_name tool_call.function.name tool_args json.loads(tool_call.function.arguments) # 3. 应用端执行工具 tool_result execute_tool(tool_name, tool_args) print(f“执行工具 {tool_name} 结果: {tool_result}”) # 4. 将工具执行结果作为新消息追加回对话历史 messages.append({ “role”: “tool”, “tool_call_id”: tool_call.id, # 必须对应之前的调用ID “content”: tool_result, }) # 将工具结果反馈给模型让它生成最终回答 second_response client.chat.completions.create( model“gpt-3.5-turbo”, messagesmessages, ) final_message second_response.choices[0].message messages.append(final_message) return final_message.content else: # 模型没有调用工具直接返回回答 return response_message.content # 测试一下 if __name__ “__main__”: user_input “北京今天的天气怎么样” answer run_conversation(user_input) print(“最终回答:”, answer)运行这段代码你会看到类似以下的输出模型请求调用工具: [ChatCompletionMessageToolCall(id‘call_abc123’, functionFunction(arguments‘{“location”: “北京”, “unit”: “celsius”}’, name‘get_current_weather’), type‘function’)] 执行工具 get_current_weather 结果: {“location”: “北京”, “temperature”: “22”, “unit”: “celsius”, “forecast”: [“sunny”]} 最终回答: 北京今天天气晴朗气温大约22摄氏度。这个简单的例子清晰地展示了整个流程。关键点在于tool_calls是模型的想法execute_tool是你的代码在行动而把结果以role: “tool”的消息传回去是让模型完成思考闭环的必要步骤。4. 从Demo到生产必须考虑的工程与安全问题能跑通一个Demo只是开始。当你打算把工具调用用到实际项目中时下面这些工程化和安全层面的问题会一个接一个跳出来。4.1 工具定义的质量决定模型调用的准确性工具的描述 (description) 和参数定义 (parameters) 不是随便写写的注释它们是模型决策的“说明书”。描述要清晰具体“获取天气”就不如“根据城市名称查询该城市的实时温度、天气状况和湿度”来得好。模糊的描述会导致模型误调用或不敢调用。参数要约束明确使用enum枚举有效值用default设置合理默认值。如果参数是“日期”就应定义好格式如“YYYY-MM-DD”避免模型自由发挥导致你的后端解析失败。工具数量不宜过多一次性给模型几百个工具定义会严重影响其判断速度和准确性。应该根据对话上下文动态管理工具列表。4.2 执行环节的安全校验是生命线在execute_tool函数里直接执行代码是极其危险的。你必须建立一个安全层。输入验证对模型传来的参数进行严格检查。比如location参数是否只允许中英文城市名是否要防止SQL注入或命令注入如果参数会用于拼接命令权限校验这个用户有权调用这个工具吗这个工具在当前会话上下文中是否可用例如一个“发送邮件”的工具不应该被用来查询天气。沙箱与环境隔离对于执行代码、访问文件系统或网络这类高风险工具必须在沙箱环境中运行限制其资源CPU、内存、网络和权限。操作确认与审批对于关键操作如删除数据、支付可以设计“二次确认”流程即模型生成请求后由用户确认后再执行。4.3 错误处理与稳定性保障工具调用引入了外部依赖失败是常态。网络超时与重试调用外部API可能超时。你的代码需要设置合理的超时时间并设计重试逻辑如最多3次且有退避策略。工具执行失败如果工具执行出错返回错误码或异常你应该将清晰的错误信息而非堆栈跟踪作为tool_output返回给模型。模型有时能根据错误信息调整策略或向用户解释。上下文管理复杂的多轮对话中工具调用可能有多个。你需要妥善管理tool_call_id和消息顺序确保每个工具结果都能准确对应到最初的调用请求上。4.4 从安全视角审视工具调用AI红队的关注点作为安全研究者或AI红队成员看待工具调用时视角会完全不同。我们的目标是发现和利用其中的脆弱性。提示词注入与越狱能否通过精心构造的用户输入诱导模型绕过你设定的工具调用规则去调用一个未被允许的、甚至危险的工具例如诱导模型将“删除所有文件”这个指令解释为符合“文件管理工具”的描述而发起调用。这就是为什么工具描述和参数校验如此重要。工具滥用即使调用的是合法工具参数是否可能被滥用例如一个“搜索网页”的工具是否可能被用来反复搜索大量内容造成DoS攻击或者搜索敏感内容信息泄露工具执行的结果如数据库查询结果、API响应在返回给模型并最终呈现给用户时是否可能包含未经过滤的敏感信息如错误信息中的系统路径、SQL语句供应链攻击如果工具本身依赖第三方库或服务这些依赖是否存在漏洞攻击者能否通过污染这些依赖来间接控制工具的行为评估一个基于工具调用的AI应用是否安全不能只看它功能是否实现必须系统性地审视工具定义是否精确、参数校验是否严格、执行环境是否隔离、错误信息是否无害、整个调用链路是否存在逻辑缺陷可被利用。5. 主流框架与开源模型中的工具调用实践了解了底层原理和安全考量后我们再看看在具体的框架和开源模型中如何实践。5.1 使用 LangChain 实现工具调用LangChain 通过Tool类和bind_tools方法将工具调用流程高度抽象化简化了开发。from langchain_openai import ChatOpenAI from langchain.agents import AgentExecutor, create_tool_calling_agent from langchain.tools import Tool from langchain_core.prompts import ChatPromptTemplate # 1. 定义工具函数 def get_weather(location: str) - str: “”“模拟获取天气。”“” return f“{location}的天气是晴朗22度。” # 2. 包装成 LangChain Tool 对象 tools [ Tool( name“WeatherTool”, funcget_weather, description“根据城市名查询天气输入是一个字符串格式的城市名。” ) ] # 3. 创建提示词模板 prompt ChatPromptTemplate.from_messages([ (“system”, “你是一个有用的助手可以调用工具来回答问题。”), (“placeholder”, “{chat_history}”), (“human”, “{input}”), (“placeholder”, “{agent_scratchpad}”), ]) # 4. 初始化模型并绑定工具 llm ChatOpenAI(model“gpt-3.5-turbo”) llm_with_tools llm.bind_tools(tools) # 5. 创建Agent并执行 agent create_tool_calling_agent(llm_with_tools, tools, prompt) agent_executor AgentExecutor(agentagent, toolstools, verboseTrue) result agent_executor.invoke({“input”: “北京天气如何”}) print(result[“output”])LangChain 帮你自动处理了消息历史、工具调用解析和结果回传的循环你只需要关注工具函数本身和提示词。verboseTrue可以让你看到详细的决策过程对调试非常有帮助。5.2 在 Ollama 本地模型中使用工具调用对于部署在本地的开源模型如通过 Ollama 运行的 Llama 3、Qwen 等工具调用支持取决于模型本身的能力和 Ollama 的版本。目前许多较新的开源模型也开始支持类似 OpenAI 的 function calling 格式。确认模型支持首先你需要一个明确支持工具调用的模型版本。例如llama3.1:8b的某些版本或qwen2.5:7b。使用兼容的APIOllama 提供了与 OpenAI API 兼容的端点。你可以将上面 OpenAI 的示例代码中的base_url指向你的 Ollama 服务地址。from openai import OpenAI client OpenAI( base_url“http://localhost:11434/v1”, # Ollama 的兼容API地址 api_key“ollama”, # 可任意填写非空即可 ) # 后续代码与使用OpenAI API完全相同 model_name “llama3.1:8b” # 替换为你本地运行的模型名注意性能与准确性同等参数规模下开源模型的工具调用准确性和稳定性可能不如顶级商用模型。需要进行更多的测试和提示词优化。5.3 工具调用与 RAG、Agent、Workflow 的关系在搜索热词中常看到RAG、Agent、工具调用、记忆、Workflow被并列提及。它们的关系是这样的工具调用是Agent的核心能力之一。一个智能体Agent之所以能“自主”完成任务正是因为它可以规划并调用一系列工具。RAG为模型提供了从外部知识库获取信息的能力。你可以把 RAG 的“检索-生成”过程本身也看作一个特殊的“工具”。Agent 可以调用 RAG 工具来获取它不知道的知识再基于此进行决策或调用其他工具。记忆让 Agent 或对话系统能够记住之前的交互历史包括工具调用的结果从而进行更连贯的多轮任务。Workflow则是将多个工具调用、条件判断、RAG 检索等步骤编排成一个自动化业务流程。例如一个客服工单处理 Workflow 可能包含调用 RAG 查询知识库 - 调用工具分类问题 - 调用工具生成回复草稿 - 调用工具发送给人工审核。工具调用是构建复杂 AI 应用的基石它使得模型能够突破其静态知识的限制与动态世界进行交互。6. 常见问题排查与调试指南当你开发的工具调用功能不工作时可以按照以下顺序进行排查能解决90%的问题。6.1 模型根本不调用工具检查工具描述描述是否足够清晰是否与用户问题高度相关尝试用更详细、更贴近用户场景的语言重写description。检查模型能力你用的模型版本是否支持工具调用gpt-3.5-turbo和gpt-4都支持。对于开源模型务必查阅其文档。检查tool_choice参数如果你明确希望模型调用某个工具可以设置tool_choice{“type”: “function”, “function”: {“name”: “xxx”}}来强制调用。设为“auto”是让模型自己决定。简化问题先用一个极其简单、明确的用户指令如“用get_weather工具查一下北京天气”测试排除指令歧义的影响。6.2 模型调用了工具但参数不对检查参数定义parameters中的properties定义是否清晰type、description是否准确使用enum可以极大减少模型“瞎猜”的情况。提供示例在系统提示词或工具描述中可以加入一两个调用示例指导模型如何生成参数。查看原始响应打印出模型返回的response_message.tool_calls[0].function.arguments看看它到底生成了什么。很多时候是 JSON 格式错误或多了些奇怪字符。6.3 工具执行失败或结果模型无法理解执行端日志在execute_tool函数内部加入详细日志打印输入参数和最终返回结果确认你的代码逻辑正确。结果格式化确保返回给模型的结果是字符串格式。如果是复杂对象先json.dumps()。模型需要能“读懂”这个结果。错误信息反馈如果工具执行出错返回一个对模型友好的错误信息如{“error”: “City not found”}而不是 Python 的异常堆栈。模型有时能根据错误信息调整后续行为。6.4 多轮对话中工具调用混乱维护完整的消息历史确保每一次请求都包含了之前所有的user、assistant和tool消息。丢失历史会导致模型失忆。正确关联tool_call_id在返回工具结果时tool_call_id必须与请求中的id严格对应。这是模型区分不同调用的关键。管理上下文长度过长的对话历史会消耗大量 Token可能导致模型性能下降或遗忘早期工具调用。需要设计合理的上下文窗口管理策略例如只保留最近N轮对话或总结历史。工具调用是把大模型从“智库”变成“执行者”的关键一步。它的实现不难难在把它做得可靠、安全、易维护。我的建议是先从单个工具、简单场景跑通整个流程深刻理解每一步的数据流转。然后再逐步加入权限校验、错误处理、复杂工具链。最后一定要从攻击者的角度思考你的设计看看哪些环节可能被绕过或滥用。这才是真正负责任的大模型应用开发。