吴恩达新课程：Agentic AI（笔记6）

作者：此番言

课程地址： learn.deeplearning.ai/courses/agentic-ai

github地址： datawhalechina/agentic-ai

3.3 、工具调用语法（Tool Use Syntax）

工具调用的本质：

LLM（大语言模型）本身不会直接调用工具。
LLM 会"请求"开发者去调用某个工具，开发者负责执行该工具并将其结果返回给 LLM。
在开发社区中，人们常简化说"LLM 调用了工具"，但这在技术上并不准确，仅是一种便捷的说法。
AI Suite 库：
- 这是一个开源库，由 Andrew Ng 及其团队开发。
- 它提供了一种统一、简便的语法来调用多个不同的 LLM 提供商（如 OpenAI）。
- 该库的核心功能之一是自动处理工具描述，极大简化了开发流程。

一、以 get_current_time 函数为例

工具定义：

复制代码

from datetime import datetime
def get_current_time():
    """Returns the current time as a string"""
    return datetime.now().strftime("%H:%M:%S")

使用 AI Suite 库调用工具的基本代码框架：

复制代码

import aisuuite as ai

client = ai.Client()

response = client.chat.completions.create(
    model="openai:gpt-4o",     # 指定使用的模型
    messages=messages,          # 传递给 LLM 的消息数组
    tools=[get_current_time],   # 定义 LLM 可以访问的工具列表
    max_turns=5                 # 设置工具调用的最大轮次，防止无限循环
)

解析：

model: 选择要使用的 LLM，此处为 OpenAI 的 gpt-4o。
messages: 传递给模型的对话历史或提示信息。
tools: 这是最核心的部分。只需将你希望模型能访问的函数对象（如 get_current_time）放入一个列表中即可。
max_turns: 设置一个上限，防止模型在工具调用上陷入无限循环。通常设为5即可，除非你的任务异常复杂。 AI Suite 的优势：该库的语法与 OpenAI 原生 API 非常相似，但提供了更高的抽象层，使得开发者可以专注于业务逻辑，而非繁琐的 API 细节。它还支持轻松切换多个 LLM 提供商。

二、AI Suite 如何自动化工具描述

AI Suite 的强大之处在于其自动化能力，它能将你的 Python 函数无缝转换为 LLM 可理解的格式。当你将 get_current_time 函数传入 tools 参数后，AI Suite 会在后台自动为其生成一个 JSON Schema。这个 Schema 是传递给 LLM 的真实数据结构。

复制代码

{
  "type": "function",
  "function": {
    "name": "get_current_time",
    "description": "Returns the current time as a string",
    "parameters": {}
  }

自动生成过程：
- 函数名 (name): 直接提取 Python 函数的名称。
- 函数描述 (description): 自动从函数的 docstring 中提取。
- 参数 (parameters): 对于无参函数，此部分为空对象 {}。

三、AI Suite 处理带参数的函数

工具定义：

复制代码

from datetime import datetime
from zoneinfo import ZoneInfo

def get_current_time(timezone):
    """Returns current time for the given time zone"""
    timezone = ZoneInfo(timezone)
    return datetime.now(timezone).strftime("%H:%M:%S")

参数解析：

复制代码

{
  "type": "function",
  "function": {
    "name": "get_current_time",
    "description": "Returns current time for the given time zone",
    "parameters": {
      "timezone": {
        "type": "string",
        "description": "The IANA time zone string, e.g., 'America/New_York' or 'Pacific/Auckland'."
      }
    }
  }
}

AI Suite 不仅能提取函数名和描述，还能识别出 timezone 参数，并将其类型（string）和详细说明（来自 docstring）也一并纳入 Schema。这样，当 LLM 决定调用此函数时，它就知道需要提供一个类似 'America/New_York' 的字符串作为参数。

工作流程：

开发者定义函数：编写一个带有清晰 docstring 的 Python 函数。
AI Suite 自动化封装：在调用 client.chat.completions.create 时，AI Suite 自动读取函数信息，生成标准的 JSON Schema。
LLM 接收并决策： LLM 接收到包含所有可用工具描述的 Schema。它会根据当前的对话上下文和用户需求，决定是否需要调用某个工具。
LLM 发出请求：如果需要，LLM 会生成一个包含工具名称和所需参数的请求。
开发者执行工具： AI Suite 的客户端接收到 LLM 的请求后，会自动调用开发者定义的对应函数，并传入指定的参数。
结果返回与迭代：函数执行的结果会被送回 LLM，LLM 可以基于此新信息继续思考，甚至发起下一次工具调用。整个过程最多可重复 max_turns 次。
最终响应：当所有轮次结束或 LLM 决定不再调用工具时，它会生成最终的文本响应返回给用户。

代码执行工具：

终极灵活性：与其他工具不同，代码执行工具赋予了 LLM 几乎无限的可能性。因为代码本身可以完成任何计算、数据处理或外部交互任务。
开发者赋能：通过提供这个工具，开发者实际上是在告诉 LLM："你可以让我为你执行任何你认为必要的代码。"这极大地扩展了 LLM 的能力和应用场景。