Minicode 打造系列 02 - 基于 AI SDK 的工具调用与多轮调用

一句话总结

让 LLM 学会"使用工具"，实现链式调用和自主推理

---

核心笔记

• ✅ 工具调用 = LLM 生成结构化调用指令，服务器执行后返回结果
• ✅ 链式调用 = 工具结果作为下一轮输入，形成思考链
• ✅ 最多 5 轮循环，防止无限调用
• ✅ 消息累积：每次 tool-call 后追加 assistant 回复和 user 结果

---

学完你能做什么

• 🔧 定义自己的工具（get_weather、calculate 等）
• 🧠 实现 LLM 自主调用工具的能力
• 🔗 实现多轮链式调用（Chain-of-Thought）
• 📥 处理工具执行结果并反馈给 LLM

---

你现在的困境

• ❓ 想让 AI 不仅能回答，还能"做事"（查天气、计算）
• ❓ 不知道怎么让 AI 调用外部工具
• ❓ 多轮调用时消息历史怎么管理
• ❓ 工具返回结果后 AI 不继续执行

---

什么时候用这一招

• 需要 AI 执行实际操作（查信息、操作文件）
• 需要 AI 进行多步推理（先查天气，再推荐穿衣）
• 构建智能助手、客服机器人
• 自动化工作流

---

核心思路

工具调用流程

消息累积规则

退出条件判断

工具定义结构

内置工具列表

工具定义结构

每个工具包含以下属性：

属性	说明
id	工具唯一标识符
description	工具功能描述（LLM 会看到）
inputSchema	参数 schema，定义输入格式
execute	异步执行函数，接收参数并返回结果

工具示例 - get_weather：

{
  id: 'get_weather',
  description: '获取指定城市的天气信息',
  inputSchema: jsonSchema({
    type: 'object',
    properties: {
      city: { type: 'string', description: '城市名称' }
    },
    required: ['city']
  }),
  async execute({ city }, options) {
    const weathers = ['晴', '多云', '阴', '小雨', '雷阵雨'];
    const weather = weathers[Math.floor(Math.random() * weathers.length)];
    const temp = Math.floor(Math.random() * 20) + 10;
    return { output: `${city}天气：${weather}，${temp}°C`, metadata: { city, weather, temp } };
  }
}

内置工具列表

工具 ID	描述	必需参数
get_current_city	获取用户当前所在的城市	无
get_weather	获取指定城市的天气信息	city
calculate	执行数学计算	expression
get_date	获取当前日期和时间	无

消息累积规则

轮次	messages 数组内容
第 1 轮	[user]
第 2 轮	[user, assistant, user]
第 3 轮	[user, assistant, user, assistant, user]

每轮结束后，将 assistant 回复和 user(工具结果) 追加到 messages，作为下一轮输入。

退出条件

以下任一条件满足时退出循环：

1. finishReason !== 'tool-calls'（LLM 不再需要调用工具）
2. toolResults.length === 0（没有工具被调用）
3. 达到最大轮次限制（5 轮）

---

跟我做

step1

Step 1: 定义工具

// src/services/toolService.js
export const TOOLS = [
  {
    id: 'get_weather',
    description: '获取城市天气',
    inputSchema: jsonSchema({
      type: 'object',
      properties: {
        city: { type: 'string' }
      },
      required: ['city']
    }),
    async execute({ city }) {
      return { output: `${city}晴，25°C` };
    }
  }
];

step2

Step 2: 启用工具调用

const result = await streamText({
  model: provider(MODEL),
  messages,
  tools: TOOLS,           // 传入工具定义
  toolCallStreaming: true  // 开启工具调用流式输出
});

step3

Step 3: 处理工具事件

for await (const delta of result.fullStream) {
  switch (delta.type) {
    case 'text-delta':
      // 普通文本
      break;
    case 'tool-call':
      // 工具调用请求
      break;
    case 'tool-result':
      // 工具执行结果
      break;
    case 'finish-step':
      // 步骤完成，判断是否继续
      break;
  }
}

step4

Step 4: 管理多轮对话

// 累积用户消息
messages.push({ role: 'assistant', content: assistantMessage });
messages.push({ role: 'user', content: `工具执行结果：\n${toolResultsText}` });

---

检查点

• 工具定义正确（id、description、inputSchema）
• 工具能被 LLM 识别并调用
• 工具结果正确返回给 LLM
• 多轮调用时消息历史正确累积
• 达到 5 轮上限或 finishReason !== 'tool-calls' 时正确退出

---

踩坑提醒（FAQ）

Q: LLM 不调用工具怎么办？

检查 system prompt 是否明确告诉 LLM"你可以调用工具"。

Q: 工具参数格式错误？

确保 inputSchema 定义与 execute 函数参数一致。

Q: 无限循环调用？

设置最大轮次限制（建议 5 轮），并检查 finishReason。

Q: 工具返回结果后 LLM 不继续？

在下一轮 messages 中包含完整的工具执行结果文本。

---

本课小结

Minicode 02 要点总结：

• 工具调用 - 让 LLM 从"回答者"变成"行动者"
• 链式调用 - 通过消息累积实现多轮推理
• 退出检查 - 每轮结束后检查 finishReason 决定是否继续
• 工具结构 - id + description + inputSchema + execute

---

下课预告

Minicode 打造系列 03 - ReAct 模式实现

• 待补充
• 待补充
• 待补充
• 待补充