8.Tools/function-call使用+原理+7大痛点
2026/1/14大约 6 分钟

想做企业级智能应用开发, 你肯定会有需求要让大模型和你的企业API能够互连,
因为对于基础大模型来说, 他只具备通用信息,他的参数都是拿公网进行训练,并且有一定的时间延迟, 无法得知一些具体业务数据和实时数据, 这些数据往往被各软件系统存储在自己数据库中:
比如我问大模型:“中国有多少个叫徐庶的” 他肯定不知道, 我们就需要去调用政务系统的接口。
比如我现在开发一个智能票务助手, 我现在跟AI说需要退票, AI怎么做到呢? 就需要让AI调用我们自己系统的退票业务方法,进行操作数据库。
在之前我们可以通过链接多个模型的方式达到, 但是很麻烦, 那用tools, 可以轻松完成。
tool calling也可以直接叫tool(也称为function-call), 主要用于提供大模型不具备的信息和能力:
- 信息检索:可用于从外部源(如数据库、Web 服务、文件系统或 Web 搜索引擎)检索信息。目标是增强模型的知识,使其能够回答无法回答的问题。例如,工具可用于检索给定位置的当前天气、检索最新的新闻文章或查询数据库以获取特定记录。 这也是一种检索增强方式。
- 采取行动:例如发送电子邮件、在数据库中创建新记录、提交表单或触发工作流。目标是自动执行原本需要人工干预或显式编程的任务。例如,可以使用工具为与聊天机器人交互的客户预订航班,在网页上填写表单等。

需要使用tools必须要先保证大模型支持。 比如ollama列出了支持tool的模型

使用

- 声明tools的类:
@Service
class NameCountsTools {
@Tool(description = "长沙有多少名字的数量")
String LocationNameCounts(
@ToolParam(description = "名字")
String name) {
return "10个";
}
}将Tool类配置为bean(非必须)
@Tool 用户告诉大模型提供了什么工具
@ToolParam 用于告诉大模型你要用这个工具需要什么参数(非必须)
绑定到ChatClient
@SpringBootTest
public class ToolTest {
ChatClient chatClient;
@BeforeEach
public void init(@Autowired
DashScopeChatModel chatModel,
@Autowired
NameCountsTools nameCountsTools) {
chatClient = ChatClient.builder(chatModel)
.defaultTools(nameCountsTools)
.build();
}
@Test
public void testChatOptions() {
String content = chatClient.prompt()
.user("长沙有多少个叫徐庶的/no_think")
// .tools() 也可以单独绑定当前对话
.call()
.content();
System.out.println(content);
}
}
原理

- 当我们设置了defaultTools 相当于就告诉了大模型我提供了什么工具, 你需要用我的工具必须给我什么参数, 底层实际就是将这些信息封装了json提供给大模型
- 当大模型识别到我们的对话需要用到工具, 就会响应需要调用tool
源码

tools注意事项:
- 参数或者返回值不支持:

推荐: pojo record java基础类型 list map
- Tools参数无法自动推算问题
- 温度(即模型随机性)太低,AI可能缺失自由度变得比较拘谨(从一定程度可以解决, 但是不推荐)
- 也可以通过描述更加明确
@Tool(description = "获取指定位置天气,根据位置自动推算经纬度")
public String getAirQuality(@ToolParam(description = "纬度") double latitude,
@ToolParam(description = "经度") double longitude) {
return "天晴";
}- 大模型“强行适配”Tool参数的幻觉问题
- 加严参数描述与校验
@Parameter(description = "真实人名(必填,必须为人的真实姓名,严禁用其他信息代替;如缺失请传null)")
String name- 后端代码加强校验和兜底保护
- 系统Prompt设定限制
“严禁随意补全或猜测工具调用参数。
参数如缺失或语义不准,请不要补充或随意传递,请直接放弃本次工具调用。”- 高风险接口(如资金、风控等)tools方法加强人工确认,多走一步校验。
- 工具暴露的接口名、方法名、参数名要可读、业务化
- AI是“看”你的签名和注释来决定用不用工具的;
- 尽量避免乱码、缩写等。
- 方法参数数量不宜过多
- 建议每个工具方法尽量少于5个参数,否则AI提示会变复杂、出错率高。
- 工具方法不适合做超耗时操作, 更长的耗时意味着用户延迟响应时间变长
性能优化 能异步处理就异步处理、 查询数据 redis
关于Tools的权限控制
可以利用SpringSecurity限制
@Tool(description = "退票")
@PreAuthorize("hasRole('ADMIN')")
public String cancel(
// @ToolParam告诉大模型参数的描述
@ToolParam(description = "预定号,可以是纯数字") String ticketNumber,
@ToolParam(description = "真实人名(必填,必须为人的真实姓名,严禁用其他信息代替;如缺失请传null)") String name
) {
// 当前登录用户名
String username = SecurityContextHolder.getContext().getAuthentication().getName();
// 先查询 --->先校验
ticketService.cancel(ticketNumber, name);
return username+"退票成功!";
}- 将tools和权限资源一起存储, 然后动态设置tools
.defaultToolCallbacks(toolService.getToolCallList(toolService))根据当前用户读取当前用户所属角色的所有tools
public List<ToolCallback> getToolCallList(ToolService toolService) {
Method method = ReflectionUtils.findMethod(ToolService.class, "cancel",String.class,String.class);
ToolDefinition build = ToolDefinition.builder()
.name("cancel")
.description("退票")
.inputSchema("""
{
"type": "object",
"properties": {
"ticketNumber": {
"type": "string",
"description": "预定号,可以是纯数字"
},
"name": {
"type": "string",
"description": "真实人名"
}
},
"required": ["ticketNumber", "name"]
}
""")
.build();
ToolCallback toolCallback = MethodToolCallback.builder()
.toolDefinition(
build)
.toolMethod(method)
.toolObject(toolService)
.build();
return List.of(toolCallback);
}- **tools过多导致AI出现选择困难证 **
问题:
- token上限
- 选择困难证
tools的描述作用 保存 向量数据库。
实现方式:
- 把所有的tools描述信息存入到向量数据库
- 每次对话的时候根据当前对话信息检索到相似的tools(RAG)
- 然后动态设置tools
《智能客服项目实战》
https://www.yuque.com/geren-t8lyq/ncgl94/yqnlrri5gavanx0f?singleDoc#** 《Spring AI1.0 智能航空助手项目》**
项目效果:
角色预设:

记忆对话

tools
