代码参考文档：https://api-docs.deepseek.com/zh-cn/guides/function_calling
文案生成:Grok3
AI API请求中tools参数的用法全解析
在调用现代AI模型（如OpenAI或DeepSeek）的API时，tools参数是一个强大的功能，可以让模型不仅仅生成文本，还能通过外部工具完成复杂任务，比如查天气、调节情绪、搜索信息等。这篇博客将详细讲解tools参数的用法，从基本定义到多工具场景的处理。
什么是tools参数？
tools是AI API（如client.chat.completions.create）的一个可选参数，用于告诉模型有哪些外部工具可以用。它本质上是一个JSON数组，每个元素定义一个工具的功能、参数和描述。模型会根据用户输入和对话上下文，决定是否调用这些工具，并返回调用请求（tool_calls），由开发者执行后反馈结果。
简单来说，tools像是给AI一个“工具箱”，让它在需要时“借用”你的代码能力。
基本用法：一个工具的例子
我们以一个简单的天气查询工具为例，看看tools怎么用。假设用Node.js调用DeepSeek API：
工具定义
const tools = [
{
type: 'function',
function: {
name: 'get_weather',
description: 'Get weather of a location.',
parameters: {
type: 'object',
properties: {
location: { type: 'string', description: 'The city, e.g., Hangzhou' }
},
required: ['location']
}
}
}
];
type: 'function'：表示这是一个函数工具。name：工具的唯一标识，AI通过它认出要调用哪个。description：描述工具功能，AI靠这个判断适用场景。parameters：定义工具需要的输入，格式遵循JSON Schema。
调用API
const { OpenAI } = require('openai');
const client = new OpenAI({ apiKey: '<your api key>', baseUrl: 'https://api.deepseek.com' });
async function sendMessages(messages) {
const response = await client.chat.completions.create({
model: 'deepseek-chat',
messages,
tools
});
return response.choices[0].message;
}
async function main() {
let messages = [{ role: 'user', content: 'How’s the weather in Hangzhou?' }];
let message = await sendMessages(messages);
if (message.tool_calls) {
messages.push(message); // 保存tool_calls
const toolCall = message.tool_calls[0];
const args = JSON.parse(toolCall.function.arguments);
const result = `Weather in ${args.location} is 24°C`; // 模拟执行
messages.push({ role: 'tool', tool_call_id: toolCall.id, content: result });
message = await sendMessages(messages);
console.log(message.content); // 输出最终回答
}
}
main();
执行流程
- 用户问：“杭州天气怎么样？”
- 模型返回
tool_calls，要求调用get_weather({"location": "Hangzhou"})。 - 代码执行工具，返回结果“24°C”。
- 模型根据结果生成回答：“Hangzhou的天气是24°C。”
这里的关键是：AI不直接查天气，而是通过tools告诉你要用get_weather，你负责实现具体逻辑。
AI如何选择工具？
AI选择工具的过程并不神秘，它靠的是：
- 用户输入：比如“天气”触发
get_weather。（无需代码） - 工具描述：
description越清晰，AI越容易匹配。 - 上下文：
messages里的对话历史帮AI判断需求。
比如用户说“我很生气”，如果有个adjust_emotion工具（描述为“Adjust user emotion”），AI可能会调用它，而不是get_weather。
多工具场景：如何处理？
当tools里有很多工具时，逻辑稍微复杂，但核心不变。假设有三个工具：
const tools = [
{ type: 'function', function: { name: 'adjust_emotion', description: 'Adjust user emotion.', parameters: { ... } } },
{ type: 'function', function: { name: 'get_weather', description: 'Get weather.', parameters: { ... } } },
{ type: 'function', function: { name: 'get_time', description: 'Get time.', parameters: { ... } } }
];
const toolFunctions = {
adjust_emotion: ({ current_emotion, context }) => ({ should_adjust: true, new_emotion: 'calm' }),
get_weather: ({ location }) => `Weather in ${location} is 24°C`,
get_time: ({ location }) => `Time in ${location} is ${new Date().toLocaleTimeString()}`
};
async function main() {
let messages = [{ role: 'user', content: '我很生气，北京天气和时间呢？' }];
let message = await sendMessages(messages);
if (message.tool_calls) {
messages.push(message);
for (const toolCall of message.tool_calls) {
const args = JSON.parse(toolCall.function.arguments);
const result = toolFunctions[toolCall.function.name](args);
messages.push({
role: 'tool',
tool_call_id: toolCall.id,
content: JSON.stringify(result)
});
}
message = await sendMessages(messages);
console.log(message.content); // “别生气，北京天气24°C，时间14:30。”
}
}
多工具的特点
- **多
tool_calls**：一个输入可能触发多个工具，返回数组。 - 独立处理：每个
tool_call对应一条role: "tool"消息，符合规范。 - 结果整合：AI会根据所有工具结果生成自然回答。
Token消耗：工具的影响
tools参数和相关消息会占用token：
tools定义：每次请求都传，10个工具≈200-300 token。- **
messages**：包括用户输入、tool_calls和工具结果，历史越长token越多。 - 输出：
tool_calls和最终回答算输出token。
一个多工具流程（3工具）可能用100-150 token，工具越多消耗越高。优化方法：
- 精简描述。
- 清理不必要的
messages历史。
自定义示例：调节情绪工具
来看一个有趣的例子：设计一个调节情绪的工具。
工具定义
{
"type": "function",
"function": {
"name": "adjust_emotion",
"description": "Adjust user emotion based on context.",
"parameters": {
"type": "object",
"properties": {
"current_emotion": { "type": "string", "enum": ["happy", "sad", "angry", "calm"] },
"context": { "type": "string" }
},
"required": ["current_emotion", "context"]
}
}
}
工具响应
工具内部函数举例
toolFunctions.adjust_emotion = ({ current_emotion, context }) => {
if (current_emotion === 'angry' && context.includes('生气')) {
return { should_adjust: true, new_emotion: 'calm' };
}
return { should_adjust: false, new_emotion: null };
};
用户说“我很生气”，AI调用adjust_emotion，返回calm，然后生成安抚性回复。
（这里grok简化了，我的实际想法是获取该情绪下的对话模板并更改提示词）
（另外，这里的解释可能有歧义，实际过程是AI仅返回json格式的输出，要本地主动地检查json文件并调用方法——工具调用方法前面有讲述——然后把工具方法返回内容添加到message里传给AI）
注意事项与优化
- 描述要精准：避免功能重叠，AI才能选对工具。
- 多工具管理：用对象映射（如
toolFunctions）保持代码清晰。 - 测试验证：多试几种输入，确保AI选择合理。
- token控制：工具太多时，动态传必要的
tools，减少开销。
（辅助AI正愁没有用武之地，用在这里正合适）
结语
tools参数让AI从单纯的“说话机器”变成了“智能助手”，能通过外部工具解决实际问题。无论是单个工具还是多工具场景，只要定义清晰、逻辑合理，就能轻松集成到你的应用中。
我说两句
function_calling能很好地简化流程，过去我的设想一直是辅助AI动态修改提示词来达到这一效果，虽然想想效果不差，但到底太臃肿了，不正式。
在利用tools情况下，可以将需要的tools方法和参数封装起来，放在同级目录的两个文件tools.json和tool_functions.js里，使用如下方法调用，结构清晰，一目了然。
// 从当前文件夹路径导入
const tools = require('./tools.json');// 需要添加后缀否则会作为模块导入
const toolFunctions = require('./tool_functions');// js文件可以不用
当然AI也提到了，如果使用过多的tools，可能会导致token消耗过多，因此辅助AI可以动态识别判断需要传输的tool方法，可以说依旧在岗。
tools的用法当然不仅限于AI说的，那就是我之前AI本地提权的设想，对AI响应流程合理规划后完全适用。
AI调用方法会是未来很核心的功能，本身工具使用就是大模型性能参考标准之一。
当前deepseek-chat工具使用会导致空回复，我尝试多次没有成功，官方说下一版本会修复。
此方悬停