Qwen-Agent项目中的函数调用稳定性问题分析与解决

问题背景

在Qwen-Agent项目中，开发者在使用function_call功能时遇到了调用不稳定的情况。具体表现为：有时候能够成功调用函数，有时候则不会触发函数调用。这种不稳定性会影响基于Qwen-Agent构建的应用程序的可靠性。

问题复现

通过分析开发者提供的代码示例，我们可以看到这是一个企业员工数据库查询的场景。开发者定义了一个UserDatabase工具类，用于查询员工的基本信息（性别、生日、职位等）。当询问"职工张三的生日是在今年10月份吗？现在是2月份，距离张三的生日还有几个月？"时，预期应该触发UserDatabase工具的调用，但实际上有时会失败。

技术分析

1. 模型版本差异

开发者最初使用的是modelscope_agent项目中的RolePlay类，这与Qwen-Agent项目虽然相似但存在差异。Qwen-Agent项目中更推荐使用FnCallAgent类来实现函数调用功能。

2. 参数验证方法

在工具类中，参数验证方法的选择会影响函数调用的稳定性。原代码使用_verify_args方法，而在Qwen-Agent中更推荐使用_verify_json_format_args方法，这能更好地处理JSON格式的参数。

3. 消息格式规范

函数调用的稳定性还与消息格式的规范性有关。Qwen-Agent要求消息以特定的格式传递，包括明确的role字段（user/assistant/function）和content字段。

解决方案

1. 使用正确的Agent类

在Qwen-Agent项目中，应使用FnCallAgent而非RolePlay类来实现函数调用功能。FnCallAgent专门为函数调用场景优化，具有更好的稳定性。

2. 规范工具类实现

工具类应遵循以下规范：

• 使用@register_tool装饰器注册工具
• 明确定义description、name和parameters
• 在call方法中使用_verify_json_format_args验证参数
• 返回结果使用JSON格式

3. 规范消息传递格式

与Agent交互时应使用标准化的消息格式：

messages=[{'role': 'user', 'content': "问题内容"}]

最佳实践代码示例

以下是经过优化的稳定实现：

from qwen_agent.agents import FnCallAgent
from qwen_agent.tools.base import BaseTool, register_tool
import json

@register_tool("UserDatabase")
class UserDatabase(BaseTool):
    description = "企业员工数据库查询工具"
    name = "UserDatabase"
    parameters = [{
        "name": "name",
        "type": "string",
        "description": "员工姓名",
        "required": True
    }]

    def __init__(self, cfg=None):
        super().__init__(cfg)
        self.database = {
            "李四": {"性别": "女", "生日": "10月3日", "职位": "画师"},
            "张三": {"性别": "男", "生日": "5月5日", "职位": "业务员"},
            "王五": {"性别": "男", "生日": "12月19日", "职位": "业务经理"},
        }

    def call(self, params: str, **kwargs) -> str:
        params = self._verify_json_format_args(params)
        name = params["name"]
        return json.dumps(self.database.get(name, "查无此人"), ensure_ascii=False)

llm_config = {
    "model": "qwen2:7b",
    "model_server": "http://localhost:11434/v1/",
    "api_key": "ollama",
}

agent = FnCallAgent(function_list=["UserDatabase"], llm=llm_config)

for response in agent.run(
    messages=[{'role': 'user', 'content': "职工张三的生日是在今年10月份吗？现在是2月份，距离张三的生日还有几个月？"}]
):
    print(response)

稳定性优化建议

1. 模型选择：使用较新的模型版本，如qwen2系列，它们在函数调用方面有更好的表现。

2. 提示工程：在工具描述中尽可能详细地说明工具的用途和参数要求，帮助模型更好地理解何时该调用工具。

3. 错误处理：在工具类中实现完善的错误处理机制，确保即使参数不符合预期也能给出有意义的反馈。

4. 日志记录：记录完整的交互过程，便于分析函数调用失败的原因。

5. 测试验证：编写自动化测试用例，验证各种边界条件下的函数调用行为。

总结

通过使用Qwen-Agent项目推荐的FnCallAgent类、规范工具实现和消息格式，可以显著提高函数调用的稳定性。开发者应当注意项目间的差异，遵循最佳实践来实现可靠的函数调用功能。对于生产环境应用，建议增加监控和日志记录，以便及时发现和处理调用异常情况。