LLM说这方面。给我Tools我来安排工作流

大模型使用工具

这里大模型不知道当前程序的时间，我们提供一个工具给大模型。

1. 当大模型需要使用工具的时候，它会告诉我们去调用工具，这里要知道时间。它需要让我们去执行get_current_time,执行之后我们再把结果给LLM。
2. 当大模型不需要使用工具，它就没有使用工具，尽管我们给他了时间的工具。说明它能够自主判断是否需要使用工具

Agentic应用开发

比如要创建一个日历智能体助手。给模型提供一系列操作日历的工具，比如：检查日历，预约事项，删除预约等。大模型会在可用的工具列表中判断。

大模型进行决定最先要用的可能是checkCalendar于是调用check_calendar。将执行结果反馈给大模型，接下来它决定选择一个时间段，比如下午三点，接下来调用make_appointment创建预约,一样将操作的结果反馈给大模型。

🔔 需要注意的时候，整个任务的拆分和调用工具的流程完全由LLM自主决定。也许他可能跳过check_calendar`直接执行`make_appointment`也说不定。这不是一个工业级别严格执行的workflow，而是一个

🎉LLM使用工具的原理

Llm并不会直接调用函数。而是以特定格式输出内容：

1. 工具，而且告诉他如果决定要使用工具时要输出格式。
2. A随后我们的代码进行拦截处理。判断Llm请求要执行tool，我们就调用函数执行代码。 说起来，
3. A将执行结果再反馈给Llm。说起来，

A来自另一篇文章 这里拦截Llm 的输出。接下来进行反射调用方法，

代码角度理解tool 执行原理

from datetime import datetime def get_current_time: """Returns current time as a string.""" return datetime.now.strftime

A此时框架作用体现来了： 🎉 ,在抽象层面将函数转化成LLM可执行tool。虽然我们知道底层是通过提示词引导、输出结果拦截解析，接下来执行具体函数。aistuite 处理了所有复杂流程：提取包含 tool 调用消息、在本地执行该调用。

A但在上层，这已经可以理解为给Llm帮助、提供脚和手之类之类之类 tool。提高了llm 对这个世界认知.

import aisuite as ai

client = ai.Client

prompt = "What time is it?" messages = response = client.chat.completions.create( model="openai:gpt-4o",messages=messages,tools=。max_turns= )

内部运行

Function 成 tool 的处理

tools =

如果有参数则 JSON Schema 长这样。

Model 返回需要 call tool

注意。在响应中，你可以看到 message 下方有 。LLM 的此响应表示它现在想要调用 getcurrenttime。你可以添加逻辑处理这种情况，接下来把结果传回 llm 并得到最终响应。

json { ... “choices”: }]}

手动处理 function 执行

现在手动 execute function n add result back to messages.

python response2=None

if response.choices.message.toolcalls: # Pull out specific tool metadata from response toolcall=response.choices.message.toolcalls args=json.loads # Run tool locally toolresult=getcurrenttime # Append result to messages list messages.append messages.append({ 至于“role”。“tool”,“toolcallid”:tool_call.id,“content”: str }) response2=client.chat.completions.create( model='openai:gpt‑4o',messages=messages,tools=tools,) print # The current time is ::.

查看完整消息流程

python ),{"role":"tool","tool_call_id":"call_hEZFo8JLKq1p9bcoVJykkhWu","content":"::"} ]

有意思的是我把此时消息粘贴到 deepseek 它真的能根据上下文 推断出上下文时间，即使当时我实际时间是北京14:

小结

整条消息角色这方面，"user",“assistant”,“system”,和 “tool”。

LLM 自主决策选择 tool

定义 tool

Tool 名称	参数	描述
getwearfrom_ip	无	检测使用者 IP 地址，通过外部 API 调用获取当前位置当前温度、高低温

writetxtfile 

file_path,content  

在本地环境中创建指定内容文这篇文章件 

generateqrcode 

data,filename,img_path  

根据数据生成二维码图像，并可选择嵌入图片 

python import requests import qrcode from qrcode.image.styledpil import StyledPilImage

def getwearfromip: """Gets current,high,and low temperature in Fahrenheit for user's location.""" lat。lng=requests.get.json.split params={ 'latitude':lat,'longitude':lng,'current':'temperature2m','daily':'temperature2mmax,temperature2mmin','temperatureunit':'fahrenheit','timezone':'auto' } weardata=requests.get.json

return (
f"Current: {wear_data}°F,"
说到f"High，{wear_data}°F,"
f"Low的观点是，{wear_data}°F"
)

def writetxtfile: """Write a string into .txt file""" with open as f: f.write return file_path

def generateqrcode: qr=qrcode.QRCode qr.adddata img=qr.makeimage(imagefactory=StyledPilImage,embeddedimagepath=imagepath)

output_file=f"{filename}.png" img.save return f"QR code saved as {output_file} containing: {data}..."

。

---