首页
/ Bee-Agent-Framework中Granite模型工具调用问题的分析与解决

Bee-Agent-Framework中Granite模型工具调用问题的分析与解决

2025-07-02 13:39:47作者:乔或婵

在基于Bee-Agent-Framework开发AI助手应用时,开发者发现了一个关键问题:当使用Granite 3.1/3.0模型配合ToolCallingAgent时,系统无法正常调用工具功能。本文将深入分析问题原因并提供完整的解决方案。

问题现象

开发者在使用以下典型代码时发现异常:

llm = ChatModel.from_name("ollama:granite3.1-dense:8b")
agent = ToolCallingAgent(llm=llm, tools=[OpenMeteoTool()])
output = await agent.run(prompt="查询某地天气")

预期行为是Agent应该自动调用OpenMeteo天气查询工具,但实际输出显示:

  1. Agent仅返回了如何调用工具的说明文本
  2. 消息历史中没有任何工具调用记录
  3. 最终未能获取真实天气数据

根本原因分析

通过深入排查,发现问题核心在于系统提示(System Prompt)的设计不当:

  1. 默认提示不兼容:框架原使用的通用型系统提示与Granite模型的工具调用机制不兼容
  2. 提示指令冲突:原有提示中"不要提及工具名称"的指令与工具调用需求直接矛盾
  3. 模型特性差异:Granite模型需要特定的提示格式才能正确触发工具调用功能

解决方案

关键修改点

  1. 采用Granite专用系统提示
system_template = PromptTemplate(
    PromptTemplateInput(
        template="""Knowledge Cutoff Date: April 2024.
Today's Date: {current_date}
You are Granite, developed by IBM..."""
    )
)
  1. 明确工具调用指令
  • 必须包含"<|tool_call|>"触发标记
  • 明确工具不存在时的处理逻辑
  1. 日期格式修正
  • 确保工具输入参数符合OpenMeteo API要求
  • 处理日期时间格式转换问题

完整实现方案

async def get_weather():
    llm = ChatModel.from_name("ollama:granite3.1-dense:8b")
    
    templates = ToolCallingAgentTemplates(
        system=CustomSystemPromptTemplate()
    )
    
    agent = ToolCallingAgent(
        llm=llm,
        tools=[OpenMeteoTool()],
        templates=templates
    )
    
    output = await agent.run("某地当前天气")
    print(output.result.text)

技术要点总结

  1. 模型适配性:不同大语言模型需要特定的提示工程才能发挥最佳效果
  2. 工具调用机制:Granite模型采用<|tool_call|>标记触发工具调用
  3. 参数验证:工具开发时必须严格定义参数格式和验证逻辑
  4. 错误处理:需要完善工具调用失败时的回退机制

最佳实践建议

  1. 为不同模型创建专用的提示模板
  2. 工具开发时应该:
    • 明确定义参数格式
    • 提供详细的错误信息
    • 考虑多种使用场景
  3. 实现完善的日志记录机制,方便调试工具调用过程

该问题的解决不仅修复了当前工具调用功能,更为框架后续支持更多大语言模型提供了重要参考。开发者在使用不同模型时,应当特别注意模型特定的提示工程要求。

登录后查看全文

项目优选

收起
leetcodeleetcode
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
51
14
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
291
847
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
485
390
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
356
293
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
111
195
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
365
37
CangjieMagicCangjieMagic
基于仓颉编程语言构建的 LLM Agent 开发框架,其主要特点包括:Agent DSL、支持 MCP 协议,支持模块化调用,支持任务智能规划。
Cangjie
578
41
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
977
0
MateChatMateChat
前端智能化场景解决方案UI库,轻松构建你的AI应用,我们将持续完善更新,欢迎你的使用与建议。 官网地址:https://matechat.gitcode.com
688
86
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
51
51