梳理工具调用的七步流程、Runtime 的职责、LangGraph 与 Agents SDK,以及 Skill 的加载方式。
Tool Call 是大模型生成的一次结构化工具调用请求,告诉外部程序调用哪个工具、传入什么参数。真正执行工具的是 Runtime 或对应的工具执行环境。
1. Tool Calling 的本质
一次工具调用涉及三个层次:
| 层次 | 职责 | | --- | --- | | 大语言模型(LLM) | 根据上下文生成文本或工具调用请求 | | 模型 API 服务 | 按接口协议组织或解析模型输出,返回结构化数据 | | Agent Runtime | 管理模型调用、工具匹配与执行、结果回传和状态流转 |
2. 一次工具调用的完整流程
以下代码使用 Chat Completions 格式。client、MODEL_NAME、get_time 和 search_knowledge_base 在应用侧预先准备。
2.1 发送消息和工具定义
messages = [{"role": "user", "content": "百炼计费说明"}]
tools = [
{
"type": "function",
"function": {
"name": "get_time",
"description": "获取当前时间",
"parameters": {
"type": "object", "properties": {},
"additionalProperties": False,
},
},
},
{
"type": "function",
"function": {
"name": "search_knowledge_base",
"description": "从知识库查询资料",
"parameters": {
"type": "object",
"properties": {"query": {"type": "string"}},
"required": ["query"],
"additionalProperties": False,
},
},
},
]
response = client.chat.completions.create(
model=MODEL_NAME, messages=messages, tools=tools,
)tools 是可用工具的清单,可以包含多个工具。每个工具定义包括名称、描述和参数 Schema;传给模型的是工具说明,不是函数源代码。
2.2 模型返回工具调用请求
模型根据消息和工具描述决定调用哪些工具。返回的 assistant 消息中,tool_calls 包含实际请求的工具调用:
{
"role": "assistant",
"content": null,
"tool_calls": [{
"id": "call_001",
"type": "function",
"function": {
"name": "search_knowledge_base",
"arguments": "{\"query\": \"百炼计费说明\"}"
}
}]
}name 是工具名,arguments 是 JSON 字符串格式的参数,id 是调用编号。模型也可能在一次返回中请求调用多个工具;此时工具尚未执行。
支持工具调用的模型经过相关训练,能够生成约定格式的调用内容,模型服务将其解析为 API 返回的结构。在 DeepSeek 的一些开源模型实现中,工具调用、工具名和参数使用特殊标记区分;具体编码方式取决于模型和服务实现。
2.3 程序执行工具并回传结果
import json
handlers = {
"get_time": get_time,
"search_knowledge_base": search_knowledge_base,
}
message = response.choices[0].message
messages.append(message)
for call in message.tool_calls:
args = json.loads(call.function.arguments)
result = handlers[call.function.name](**args)
messages.append({
"role": "tool",
"tool_call_id": call.id,
"content": str(result),
})
response = client.chat.completions.create(
model=MODEL_NAME, messages=messages, tools=tools,
)程序根据工具名找到对应函数,执行后把调用消息和工具结果加入 messages,再发给模型。每条工具结果通过 tool_call_id 与原调用的 id 对应。上面的代码省略了校验;实际运行前需要检查工具名和参数。
模型拿到结果后,可以回答,也可以继续请求工具;程序再处理下一轮,直到模型回答或达到停止条件。没有 tool_calls 并不自动代表任务成功,还需要结合响应状态和任务结果判断。
3. LangGraph 与 OpenAI Agents SDK
两者都可以组织模型调用和工具执行,只是封装方式不同。
| 职责 | LangGraph | OpenAI Agents SDK | | --- | --- | --- | | 注册工具 | bind_tools 与 ToolNode | Agent 配置中的函数工具 | | 决定下一步 | tools_condition 或自定义条件路由 | Runner 检查模型输出 | | 执行和回传 | ToolNode 执行工具并产生 ToolMessage | SDK 调度函数工具并处理结果 | | 管理循环 | Graph 的节点和边 | Runner.run() 等运行入口 |
结果的具体字段取决于接口:上面的 Chat Completions 示例使用 tool_call_id;Responses API 使用 function_call_output 和 call_id。
AIFriends 中的 LangGraph 流程
AIFriends 的 backend/web/views/friend/message/chat/graph.py 中,get_time 和 search_knowledge_base 被注册为工具。下面的代码按项目源码整理,省略了工具定义、模型初始化和状态类型:
tools = [get_time, search_knowledge_base]
llm = llm.bind_tools(tools)
def model_call(state):
response = llm.invoke(state["messages"])
return {"messages": [response]}
def should_continue(state):
if state["messages"][-1].tool_calls:
return "tools"
return "end"
graph = StateGraph(AgentState)
graph.add_node("agent", model_call)
graph.add_node("tools", ToolNode(tools))
graph.add_edge(START, "agent")
graph.add_conditional_edges(
"agent", should_continue, {"tools": "tools", "end": END}
)
graph.add_edge("tools", "agent")
app = graph.compile()bind_tools把工具定义交给模型;ToolNode持有同一组工具,负责执行模型请求的工具。should_continue检查模型消息:有工具调用就转到tools,否则结束。tools节点执行后回到agent;图的消息状态会把工具结果加入对话,再交给模型。
LangGraph 把工具分发、结果回传和流程跳转组织在图中;手写运行程序也可以完成同一套机制。🐳
4. Skill 的本质
skills/
└── pptx/
├── SKILL.md
└── generate.pySkill 是一套可复用的操作说明及配套资源,SKILL.md 描述使用方法;它本身不是一个天然会自动执行的工具。
Agent 的典型加载方式:
读取 Skill 的具体方式由 Runtime 决定;说明内容可以通过工具结果或其他方式提供给模型。
- 安装:把 Skill 文件放到运行环境可发现的位置。
- 加载:读取说明,并将需要的内容提供给模型;具体加载方式由 Runtime 决定。
- 执行:模型按照说明完成任务,必要时请求文件、命令等工具执行动作。
Skill 可以包含脚本,但使用 Skill 不一定会运行脚本。LangGraph 本身也不会自动扫描任意 Skill 目录;这需要额外的 Skill 管理能力。
5. 最终知识框架
| 概念 | 作用 | | --- | --- | | LLM | 生成文本或工具调用请求 | | Tool Call | 描述工具名、参数等信息的调用请求 | | Runtime | 管理模型、工具和上下文之间的执行流程 | | Tool | 实际执行操作的函数或外部能力接口 | | Skill | 提供完成某类任务的说明和资源 | | Agent | 将模型、Runtime、工具和上下文组织起来的应用 |
本文讨论程序自己提供的函数工具;服务商内置工具可能由服务端执行。tool_calls 是常见的 API 字段名,不同接口的表示方式可能不同。
Tool Calling 让模型能够请求外部系统执行动作;Agent Runtime 将这些动作组织成持续的执行与反馈循环。Skill 则提供完成特定任务的说明和资源。
参考资料
接口和模型模板核对日期:2026 年 10 月 28 日。代码展示调用流程,知识库查询未实际执行;LangGraph 片段根据本地 AIFriends 项目源码整理。