解密AI智能体核心：AI Agents From Scratch中的函数调用(Function Calling)实现原理

【免费下载链接】ai-agents-from-scratch Demystify AI agents by building them yourself. Local LLMs, no black boxes, real understanding of function calling, memory, and ReAct patterns. 项目地址: https://gitcode.com/gh_mirrors/ai/ai-agents-from-scratch

AI智能体（AI Agents）之所以能与现实世界交互，核心在于函数调用（Function Calling） 能力。在开源项目 AI Agents From Scratch 中，函数调用是连接大语言模型（LLM）与外部工具的桥梁，让AI从单纯的文本生成工具升级为具备行动能力的智能体。本文将以项目中的实例为基础，详细解析函数调用的实现原理、核心组件及实际应用。

什么是函数调用？为什么它对AI智能体至关重要？

函数调用是AI智能体根据用户需求，自主选择并执行预设工具函数的过程。它解决了传统LLM的两大局限：无法获取实时数据和无法执行具体操作。在项目的 examples/07_simple-agent/CODE.md 中明确提到：

函数调用是将LLM从文本生成器转变为能使用工具执行操作的智能体的核心功能。

没有函数调用的AI：只能生成基于训练数据的文本，无法获取当前时间、查询天气或调用API。
有函数调用的AI：可以调用工具函数获取实时信息、执行计算、操作文件，甚至控制硬件设备。

函数调用的实现流程：从定义到执行

项目中的 simple-agent.js 展示了函数调用的完整流程，可概括为以下5个步骤：

1. 定义工具函数：用JSON Schema描述能力

函数调用的第一步是定义工具函数。项目中通过 defineChatSessionFunction 方法创建可被LLM识别的函数，包含描述、参数规范和执行逻辑三部分：

const getCurrentTime = defineChatSessionFunction({
  description: "获取当前时间",  // LLM通过描述判断何时调用
  params: {  // JSON Schema格式的参数定义
    type: "object",
    properties: {}  // 无参数时为空对象
  },
  async handler() {  // 实际执行逻辑
    return new Date().toLocaleTimeString();  // 返回当前时间字符串
  }
});

• 描述（description）：必须清晰易懂，LLM依赖此判断是否需要调用该函数。
• 参数（params）：遵循JSON Schema规范，定义输入参数的类型和约束（如字符串、数字或必填项）。
• 处理器（handler）：函数的核心逻辑，可包含API调用、文件操作、计算等功能。

2. 注册函数：让LLM知道可用工具

定义后的函数需注册到会话中，使LLM感知到工具的存在：

const functions = { getCurrentTime };  // 可注册多个函数，如{getCurrentTime, getWeather}

项目中 examples/07_simple-agent/CODE.md 强调：

注册函数后，LLM会根据用户问题和函数描述，自主决定调用哪个工具。

3. 用户提问：触发工具调用需求

当用户提出需要工具支持的问题时（如“现在几点了？”），LLM会分析是否需要调用工具：

const prompt = `What time is it right now?`;  // 需要实时时间，需调用getCurrentTime

4. LLM决策与函数执行：AI的“思考”过程

LLM通过以下逻辑决定是否调用函数：

1. 分析用户问题，判断是否需要外部信息或操作；
2. 匹配可用函数的描述，选择最合适的工具；
3. 生成函数调用指令，由框架拦截并执行。

项目中 simple-agent.js 的执行流程如下：

用户提问 → LLM识别需求 → 调用getCurrentTime → 执行handler() → 返回结果给LLM → LLM整理回答

例如，当用户问“现在几点了？”：

• LLM调用 getCurrentTime 函数，获取结果（如“1:46:36 PM”）；
• 再根据系统提示（“转换为24小时制”）处理结果，最终返回“13:46”。

5. 结果处理：从工具输出到自然语言回答

函数执行后，LLM会将工具返回的原始数据（如时间字符串、API响应）转换为自然语言回答，确保用户友好。

函数调用的核心组件：项目源码解析

AI Agents From Scratch将函数调用的核心逻辑封装在多个模块中，关键文件包括：

1. 工具定义工具：defineChatSessionFunction

位于 node-llama-cpp 库中，用于标准化函数定义格式，确保LLM能正确解析函数描述和参数。

2. 智能体基类：tool-calling-agent.js

在 src/agents/tool-calling-agent.js 中定义了工具调用智能体的基础框架：

export class ToolCallingAgent {
  constructor(options = {}) {
    // 初始化智能体，加载模型和工具
    throw new Error('ToolCallingAgent not yet implemented');
  }
  // 工具调用相关方法
}

尽管该类尚未完全实现，但其结构展示了智能体的核心能力：加载工具、解析用户需求、执行函数调用。

3. 示例代码：simple-agent.js

examples/07_simple-agent/simple-agent.js 是函数调用的最佳实践，完整展示了从模型加载、函数定义到执行调用的全流程。

函数调用的应用场景：让AI智能体“动”起来

函数调用是构建实用AI智能体的基础，项目中列举了多种典型场景：

1. 信息检索：获取实时数据

// 定义天气查询函数
const getWeather = defineChatSessionFunction({
  description: "查询城市天气",
  params: {
    type: "object",
    properties: { city: { type: "string" } }
  },
  handler: async ({ city }) => {
    return await fetchWeatherAPI(city);  // 调用天气API
  }
});

2. 计算与逻辑处理：弥补LLM数学能力不足

// 定义计算器函数
const calculate = defineChatSessionFunction({
  description: "执行数学计算",
  params: {
    type: "object",
    properties: { expression: { type: "string" } }
  },
  handler: async ({ expression }) => {
    return eval(expression);  // 执行数学表达式（实际应用需注意安全）
  }
});

3. 数据库与文件操作：连接外部系统

通过函数调用，AI智能体可查询数据库、读写文件或操作本地资源，实现数据持久化和系统集成。

最佳实践：让函数调用更可靠

根据项目 examples/07_simple-agent/CODE.md 中的建议，优化函数调用需注意：

1. 清晰的函数描述：确保LLM能准确理解函数用途，例如用“获取当前时间”而非“时间工具”。
2. 严格的参数校验：使用JSON Schema定义参数类型和约束，避免无效输入。
3. 错误处理：在handler中捕获异常，返回友好提示（如“获取天气失败，请检查城市名称”）。
4. 单一职责原则：一个函数只做一件事，例如区分 getCurrentTime 和 convertTimezone。

总结：函数调用是AI智能体的“双手”

在 AI Agents From Scratch 项目中，函数调用是连接LLM与现实世界的核心机制。通过 defineChatSessionFunction 定义工具、注册函数、LLM决策执行的流程，AI智能体获得了“行动能力”，从文本生成工具升级为能解决实际问题的助手。

无论是查询天气、执行计算，还是操作文件，函数调用都是实现这些功能的基础。掌握这一机制，你就能构建出更强大、更实用的AI智能体！

要开始实践，可克隆项目仓库：
git clone https://gitcode.com/gh_mirrors/ai/ai-agents-from-scratch
查看 examples/07_simple-agent/ 目录，亲手运行和修改函数调用代码。

【免费下载链接】ai-agents-from-scratch Demystify AI agents by building them yourself. Local LLMs, no black boxes, real understanding of function calling, memory, and ReAct patterns. 项目地址: https://gitcode.com/gh_mirrors/ai/ai-agents-from-scratch