题目

Agent工具调用有哪些格式？请详细介绍。

解答

Agent工具调用是智能体（Agent）与外部世界交互的核心机制，它允许大语言模型（LLM）在执行任务时动态调用预定义的工具（如函数、API、数据库等），从而获取实时信息、执行操作或控制外部系统。工具调用的格式直接决定了Agent如何表达调用意图、如何传递参数以及如何处理返回值。下面详细介绍几种主流的工具调用格式及其设计思路。

1. OpenAI Function Calling 格式

OpenAI 在 ChatGPT API 中引入了 Function Calling 能力，使得模型可以结构化地请求调用工具。该格式已成为许多 Agent 框架的事实标准。

调用请求格式

在 API 请求中，开发者需先定义可用的工具（functions），每个工具包含名称、描述和参数 JSON Schema。模型在生成回复时，如果决定调用工具，会在 assistant 角色的消息中增加 tool_calls 字段。

示例请求中的工具定义：

{
  "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，如北京"
            },
            "unit": {
              "type": "string",
              "enum": ["celsius", "fahrenheit"],
              "description": "温度单位"
            }
          },
          "required": ["location"]
        }
      }
    }
  ]
}

模型生成的 tool_calls 格式：

{
  "role": "assistant",
  "content": null,  // 通常为 null，因为直接调用工具
  "tool_calls": [
    {
      "id": "call_123abc",
      "type": "function",
      "function": {
        "name": "get_current_weather",
        "arguments": "{\"location\": \"北京\", \"unit\": \"celsius\"}"
      }
    }
  ]
}

• id：工具调用的唯一标识，用于关联请求和响应。

• type：目前固定为 function。

• function.name：要调用的工具名称。

• function.arguments：JSON 字符串，包含实际参数。

工具响应格式

工具执行后，结果需要以 tool 角色的消息返回给模型，关联对应的调用 ID。

{
  "role": "tool",
  "tool_call_id": "call_123abc",
  "content": "{\"temperature\": 22, \"unit\": \"celsius\", \"condition\": \"晴\"}"
}

• tool_call_id：对应请求中的 id。

• content：工具返回的结果，通常为字符串（可以是 JSON 或其他格式）。

多工具调用

OpenAI 支持在一次回复中调用多个工具，tool_calls 数组可包含多个元素，模型会根据上下文顺序执行。返回时需按顺序提供对应的 tool 消息。

特点：

• 标准化、结构化，易于解析。

• 天然支持多工具调用和并行执行。

• 已被 LangChain、AutoGPT 等框架广泛采用。

2. 通用 JSON 格式

许多 Agent 系统（尤其是早期或自建的）采用自定义的 JSON 格式来表达工具调用。通常模型被要求以 JSON 对象的形式输出调用指令，然后由代码解析并执行。

常见结构

{
  "action": "tool_name",
  "action_input": {
    "param1": "value1",
    "param2": "value2"
  }
}

有时也使用 tool 和 parameters 字段。模型在提示词中被明确要求：当需要调用工具时，必须输出一个符合该 JSON 结构的文本块。

示例：

{
  "action": "search_web",
  "action_input": {
    "query": "2024年诺贝尔物理学奖得主"
  }
}

解析代码检测到 JSON 后，执行对应函数，并将结果返回给模型（通常作为下一轮对话的消息）。

变种： 有些系统使用数组形式支持多工具调用：

[
  {"action": "tool1", "action_input": {...}},
  {"action": "tool2", "action_input": {...}}
]

特点：

• 灵活，不受特定 API 限制。

• 需在提示词中严格定义格式，并确保模型遵守。

• 对多工具调用的支持需额外处理顺序和并发。

3. ReAct 格式

ReAct（Reason+Act）是一种将推理和行动交织的提示范式，Agent 的思考过程（Thought）和行动（Action）以自然语言形式呈现，但行动部分有固定结构以便解析。

典型 ReAct 格式

模型输出包含以下部分（通常用换行分隔）：

Thought: 我需要查询北京的天气才能回答问题。
Action: get_current_weather
Action Input: {"location": "北京", "unit": "celsius"}

解析器扫描文本，当发现 Action: 和 Action Input: 行时，提取工具名称和参数（通常参数为 JSON 字符串或简单文本）。工具执行后，结果以 Observation: 形式追加到上下文中：

Observation: {"temperature": 22, "condition": "晴"}

模型继续思考，可能再次调用工具或给出最终答案。

特点：

• 非常直观，人类可读性强，适合调试。

• 无需 JSON 解析，但提取 Action 和 Action Input 需要正则或字符串处理。

• 多工具调用通过多次出现 Action 实现（顺序执行）。

• 被 LangChain 的 ReActAgent 和许多学术项目使用。

变种： 一些系统使用 XML 标签，如 <action>tool_name</action> 和 <input>...</input>，便于解析。

4. LangChain 工具调用协议

LangChain 作为流行的 Agent 框架，对工具调用进行了抽象，支持多种格式，但内部统一使用 ToolMessage 和 AIMessage 中的 tool_calls 属性（与 OpenAI 类似）。此外，LangChain 还兼容其他格式，例如：

• Structured Tool Calling：模型输出一个包含 name 和 args 的字典。

• Multi-action Agents：如 MRKL 风格，输出一个列表，每个元素包含工具名和参数。

LangChain 的工具定义通常使用 @tool 装饰器或 StructuredTool 类，参数通过 Pydantic 模型校验，执行后返回字符串。

示例（LangChain 表达工具调用）：

from langchain_core.messages import AIMessage

# 模型生成的调用
msg = AIMessage(
    content="",
    tool_calls=[
        {"name": "get_weather", "args": {"location": "北京"}, "id": "123"}
    ]
)

工具返回结果用 ToolMessage 封装：

from langchain_core.messages import ToolMessage

ToolMessage(content="22°C", tool_call_id="123")

5. Anthropic Claude 工具调用格式

Anthropic 的 Claude 模型也支持工具调用，格式略有不同。在 Claude API 中，工具通过 tools 参数定义，模型回复中包含 tool_use 内容块。

示例 Claude 工具调用请求：

{
  "tools": [
    {
      "name": "get_weather",
      "description": "获取天气",
      "input_schema": {
        "type": "object",
        "properties": {
          "location": {"type": "string"}
        }
      }
    }
  ]
}

模型回复：

{
  "role": "assistant",
  "content": [
    {
      "type": "tool_use",
      "id": "toolu_123",
      "name": "get_weather",
      "input": {"location": "北京"}
    }
  ]
}

工具结果通过 tool_result 内容块返回。

特点：

• 内容块（content blocks）结构，支持文本与工具调用混合。

• 同样支持多工具调用（多个 tool_use 块）。

6. 工具调用流程概览

无论采用哪种格式，Agent 工具调用的基本流程一致：

1. 定义工具：开发者向 Agent 提供可用工具的元数据（名称、描述、参数结构）。

2. 模型决策：LLM 根据用户问题判断是否需要调用工具，如需调用，按约定格式生成工具调用请求。

3. 解析与执行：Agent 框架解析模型输出，提取工具名和参数，调用对应函数/API。

4. 返回结果：将工具执行结果按约定格式（如 tool 消息）传回 LLM。

5. 继续推理：LLM 结合工具结果生成最终回答或再次调用工具。

总结

格式	特点	适用场景
OpenAI Function	结构化、标准化，支持多工具调用，广泛集成	主流 API 调用，生产级应用
通用 JSON	灵活，易定制，但需强提示约束	自建 Agent，轻量级系统
ReAct	人类可读，自然语言混合，适合调试	教学、研究、快速原型
LangChain 抽象	统一接口，兼容多种模型和格式	基于 LangChain 的复杂 Agent 开发
Claude Tool Use	内容块结构，支持流式输出	Anthropic 模型用户

选择哪种格式取决于使用的模型、框架以及开发偏好。对于新项目，推荐采用 OpenAI Function Calling 或 LangChain 兼容格式，因为它们生态完善、易于扩展。如果需要更高的可读性或与旧系统集成，ReAct 或自定义 JSON 也是不错的选择。