LangChain项目中ChatVertexAI工具调用问题的分析与解决

在LangChain项目的实际应用中，开发者Onturenio遇到了一个关于ChatVertexAI模型在处理工具调用历史记录时的异常问题。本文将深入分析该问题的技术背景、产生原因以及解决方案，帮助开发者更好地理解LangChain中工具调用的工作机制。

问题背景

当使用ChatVertexAI模型（gemini-1.5-flash-001版本）处理包含工具调用历史记录的对话时，系统会抛出"Unable to submit request because it must include at least one parts field"的错误。值得注意的是，同样的对话历史在使用ChatGoogleGenerativeAI模型时却能正常工作，这表明问题可能出在ChatVertexAI的实现上。

技术分析

问题的核心在于LangChain中不同消息类型的处理机制。在原始代码中，开发者使用了FunctionMessage来处理工具调用的返回结果，这是LangChain早期版本中的实现方式。然而，随着框架的发展，ToolMessage已经成为更现代、更完善的替代方案。

FunctionMessage存在几个关键限制：

1. 只能通过name属性标识工具调用，无法支持同一工具的多次并发调用
2. 属于遗留接口，未来可能不再维护
3. 在某些模型实现中兼容性不佳

相比之下，ToolMessage引入了tool_call_id机制，可以精确匹配每个工具调用实例，支持更复杂的交互场景。

解决方案

推荐的解决方案是迁移到ToolMessage体系。以下是改进后的关键代码片段：

from langchain_core.messages import AIMessage, HumanMessage, ToolMessage

chat_history = [
    HumanMessage(content="天气如何？"),
    AIMessage(
        content="",
        tool_calls=[
            {
                "name": "Weather",
                "args": {"question": "今天天气怎么样"},
                "id": "call_123"
            }
        ]
    ),
    ToolMessage(content="天气晴朗", tool_call_id="call_123"),
    AIMessage(content="今天会是晴天！"),
    HumanMessage(content="明天呢？")
]

这种实现方式具有以下优势：

1. 完全兼容LangChain最新标准
2. 支持同一工具的多次并发调用
3. 在ChatVertexAI等主流模型上表现稳定
4. 代码可读性和可维护性更好

最佳实践建议

对于LangChain中的工具调用场景，建议开发者：

1. 优先使用ToolMessage而非FunctionMessage
2. 确保每个工具调用都有唯一的tool_call_id
3. 对于复杂代理场景，考虑使用langgraph等更高级的抽象
4. 保持LangChain相关库的版本更新

通过采用这些最佳实践，开发者可以避免类似ChatVertexAI的工具调用问题，构建更健壮、可扩展的AI应用系统。

总结

本文分析了LangChain项目中ChatVertexAI模型在处理工具调用历史时出现的问题，并提供了基于ToolMessage的现代化解决方案。理解LangChain中消息类型的发展演变对于构建稳定的AI应用至关重要。随着LangChain生态的不断发展，遵循框架推荐的最佳实践将帮助开发者避免潜在的兼容性问题，提高开发效率。