首页
学习
活动
专区
圈层
工具
发布
技术百科首页 >结构化工具调用 >一次完整的结构化工具调用闭环包含哪些关键步骤?

一次完整的结构化工具调用闭环包含哪些关键步骤?

词条归属:结构化工具调用

1. 定义工具与 Schema

开发者在请求中向模型声明可用的工具集合,每个工具包含名称、功能描述以及用 JSON Schema 描述的参数结构(类型、必填项、约束)。模型原生支持工具调用后,这一声明通过统一的 tools 参数传入,例如腾讯云混元大模型、OpenAI、Anthropic、Google Gemini、阿里通义千问、DeepSeek 等主流模型均在 Chat Completions 类接口中以相近方式暴露该能力。

2. 模型决策与生成调用

模型基于用户输入与工具描述,判断是否需要调用工具。若需要,则输出一个结构化调用请求(常见形态为函数名加 JSON 参数对象),而非自由文本回答。模型不会真正执行工具,只表达"要调哪个工具、传什么参数"的意图。

3. 运行时解析与执行

外部应用程序或 Agent 运行时拦截模型输出的调用请求,解析其中的函数名与参数,在真实系统中执行对应的代码、API数据库操作。这一步的执行主体永远在模型之外。

4. 结果回传与多轮循环

执行结果被作为新消息重新注入对话上下文回传给模型。对于复杂任务,模型可据此发起下一次工具调用,形成"思考—调用—回传"的循环,直到判定无需再调用工具为止。

5. 模型生成最终回答

当模型获得足够的工具结果后,综合全部上下文生成面向用户的自然语言最终回答,完成一次完整闭环。

相关文章
进一步优化LLM-Wiki大模型知识库,构建场景驱动的认知闭环
过去几年我陆陆续续写了几百篇个人思维与方法论方面的文章,并尝试参考 Karpathy 的 LLM-Wiki 思路,把这些文章萃取沉淀为一个结构化的个人知识库。最初的版本在"萃取"这件事上已经做到了相对充分——卡片、概念、方法论都各自独立成文。但当我真正把它交给 AI 去回答新问题、去写新文章的时候,问题就暴露出来了:知识看起来是结构化的,但 AI 拿到它依然无法"组装"出一个完整解决方案。
人月聊IT
2026-06-08
6650
知识本体-构建基于LLM-Wiki的大模型知识库
今天还是接着聊AI大模型知识库,在前面我也专门讲过一篇文章对我已有的Wiki知识库进行了二次升级,构建了场景-》概念-》实体的完整三层结构,形成了基于场景和问题驱动的认知闭环知识体系。今天进一步展开来谈下里面的关键点。
人月聊IT
2026-06-09
1.1K0
AI Coding Agent 到底是怎么跟 LLM “谈恋爱”的?一文看懂闭环交互全过程
但你有没有想过:那些真正能“自主写完一个功能、修完一堆bug、甚至自己跑测试改代码”的 AI Coding Agent,它跟普通ChatGPT/Claude/Gemini的对话到底差在哪儿?
不吃草的牛德
2026-04-23
6990
2025年SOP标准化工具终极指南:选型对比×落地步骤×避坑策略
真正的SOP标准化工具,不是文档仓库,而是让知识在业务流中自动生效的智能系统。它的终极目标是:
快乐的打工人
2025-08-06
1.9K0
智能体(AI Agent)从0到1实践:构建方法与大模型应用架构
关键词:智能体、AI Agent、大模型智能体、从 0 到 1、Agent 架构、AI 工作流、LLM 应用
智能体小狐
2026-01-22
2K1
点击加载更多
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
领券