Anthropic SDK Python工具调用中InputSchema的$defs字段丢失问题解析
在Anthropic SDK Python工具调用功能的使用过程中,开发者可能会遇到一个与JSON Schema验证相关的典型问题:当工具参数模式中包含$defs字段时,该字段会在类型验证过程中被意外丢弃,导致后续API调用失败。
问题现象
当开发者使用工具调用功能并传递包含$defs定义的JSON Schema时,如果通过Pydantic的TypeAdapter进行类型验证,Schema中的$defs字段会被静默丢弃。这会导致后续API请求中枚举类型等引用定义无法解析,服务器返回500内部错误。
典型的问题Schema结构如下:
{
  "$defs": {
    "TestAnimalEnum": {
      "enum": ["cat", "dog", "bird"],
      "type": "string"
    }
  },
  "properties": {
    "species": {
      "allOf": [{"$ref": "#/$defs/TestAnimalEnum"}]
    }
  }
}
问题根源
问题的核心在于Anthropic SDK中InputSchema的类型定义方式。在早期版本中,InputSchema被定义为严格的Pydantic模型,当Schema中包含type: "object"时,Pydantic的严格模式会丢弃所有未在模型字段中明确定义的额外字段,包括$defs这种JSON Schema标准字段。
技术背景
JSON Schema中的$defs(原称definitions)是用于定义可重用Schema组件的标准字段。它允许开发者在Schema中定义枚举、复杂类型等,然后通过$ref引用这些定义。这种机制对于保持Schema的DRY原则至关重要。
Pydantic默认会对模型进行严格验证,这意味着任何未在模型字段中定义的属性都会被丢弃。这与JSON Schema的开放性质形成了冲突,因为JSON Schema本身允许任意额外的验证关键字。
解决方案演进
Anthropic SDK团队对此问题进行了两次修复:
- 初始修复调整了类型定义,允许保留
$defs字段 - 后续修复进一步放宽了InputSchema的限制,确保不会因为Schema中包含
type: "object"而触发严格模式 
最佳实践建议
对于使用Anthropic SDK工具调用功能的开发者,建议:
- 确保使用最新版本的SDK(v0.25.9及以上)
 - 检查工具参数Schema中是否包含必要的
$defs定义 - 在复杂Schema场景下,验证Schema在发送前的完整性
 - 对于自定义工具,考虑Schema的兼容性和可移植性
 
总结
这个问题展示了API客户端开发中类型安全与灵活性之间的平衡挑战。Anthropic SDK通过逐步改进类型定义,既保持了类型安全又支持了JSON Schema的完整功能。开发者在使用类似工具时,应当注意Schema验证环节可能对原始数据结构造成的影响。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
 
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
 
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00