探索工具调用：提升模型响应能力的关键

最新推荐文章于 2025-02-26 16:12:42 发布

afTFODguAKBF

最新推荐文章于 2025-02-26 16:12:42 发布

阅读量620

点赞数 3

文章标签： java 算法人工智能 python

本文链接：https://blog.csdn.net/afTFODguAKBF/article/details/142321527

版权

引言

在现代AI开发中，工具调用（Tool Calling）和函数调用（Function Calling）已成为增强语言模型响应能力的重要技术。这篇文章将介绍工具调用的概念，如何实现它，以及在不同模型中如何有效地使用这一功能。

主要内容

什么是工具调用？

工具调用是一种方法，使得模型可以根据给定的模式生成输出。这种机制不仅仅是执行某个操作，而是模型为工具生成参数，是否实际执行该工具由用户决定。这在结构化输出的生成和复杂任务处理上尤为有用。

工具调用的实现

许多语言模型提供商，如OpenAI、Anthropic、Google等，都支持工具调用功能。这些功能允许将可用工具及其模式传递给模型，并在响应中包含对这些工具的调用。

工具的定义

使用LangChain库，我们可以通过@tool装饰器定义工具：

from langchain_core.tools import tool

@tool
def add(a: int, b: int) -> int:
    """Adds a and b."""
    return a + b

@tool
def multiply(a: int, b: int) -> int:
    """Multiplies a and b."""
    return a * b

tools = [add, multiply]

或者使用Pydantic定义模式：

from langchain_core.pydantic_v1 import BaseModel, Field

class Add(BaseModel):
    a: int = Field(..., description="First integer")
    b: int = Field(..., description="Second integer")

class Multiply(BaseModel):
    a: int = Field(..., description="First integer")
    b: int = Field(..., description="Second integer")

tools = [Add, Multiply]

工具绑定和调用示例

通过不同的提供商绑定工具：

from langchain_openai import ChatOpenAI

# 使用API代理服务提高访问稳定性
llm = ChatOpenAI(model="gpt-4o-mini")
llm_with_tools = llm.bind_tools(tools)

query = "What is 3 * 12? Also, what is 11 + 49?"
llm_with_tools.invoke(query).tool_calls

代码示例

以下是一个完整的代码示例，展示如何使用工具调用处理数学运算：

from langchain_openai import ChatOpenAI
from langchain_core.tools import tool

@tool
def add(a: int, b: int) -> int:
    return a + b

@tool
def multiply(a: int, b: int) -> int:
    return a * b

tools = [add, multiply]

llm = ChatOpenAI(model="gpt-4o-mini")  # 使用API代理服务提高访问稳定性
llm_with_tools = llm.bind_tools(tools)

query = "Calculate 5 * 9 and 7 + 10."
response = llm_with_tools.invoke(query).tool_calls

print(response)