工具调用 (Tool Calling) 概览

工具调用系统允许智能体（Agent）在对话过程中主动调用 AIO 内部的功能模块（如文件操作、系统指令、API 测试等），从而突破纯文本生成的限制，实现“言行合一”的交互体验。

核心流程

工具调用的完整生命周期如下：

1. 定义注入：系统通过 {{tools}} 宏将当前智能体启用的工具定义（名称、描述、参数 Schema）注入到 LLM 的提示词中。
2. 模型决策：LLM 根据用户需求，决定是否需要调用工具。如果需要，它会输出符合协议格式的调用请求。
3. 解析与审批：
   • 系统解析模型输出，识别出工具名称和参数。
   • 根据审批策略（自动或手动），决定是否立即执行。
4. 执行与反馈：
   • 系统在本地执行对应的工具方法。
   • 执行结果（成功数据或错误信息）被包装为“工具角色”消息，反馈给 LLM。
5. 最终生成：LLM 根据工具返回的结果，生成最终回复给用户。

协议支持

系统支持多种工具调用协议，以适配不同能力等级的模型：

• VCP (Versatile Chat Protocol)：
  • 特点：纯文本结构协议，不依赖模型厂商的原生 Tool Calling API。
  • 优势：兼容性极强，适用于所有能输出文本的模型（如 DeepSeek、本地 Llama 等）。
  • 格式：通常采用 XML 或特定的 Markdown 标记包裹。
• 厂商原生协议：
  • 支持 OpenAI、Anthropic、Google Gemini 等厂商的标准工具调用接口。
  • 系统会自动将内部工具定义转换为对应厂商的 JSON Schema。

角色兼容性 (convertToolRoleToUser)

由于部分模型或 API 代理不支持原生的 tool 角色消息，系统提供了“角色转换”功能：

• 开启后：工具的执行结果将伪装成 user 角色的消息发送给模型。
• 适用场景：使用不支持工具角色的纯文本协议（如 VCP）或某些限制严格的 API 渠道时。

性能与安全控制

• 并行执行：支持同时发起多个不相关的工具调用，提升效率。
• 最大迭代次数：限制模型在单次对话中连续调用工具的次数（默认为 20 次），防止因逻辑死循环导致的 Token 浪费。
• 超时控制：为每个工具调用设置硬性超时时间（默认 30s），确保界面响应不会因后台任务卡死。

---

相关阅读：

• 审批策略与交互
• 工具定义与宏注入
• 执行监控与异步任务