解决ag2项目中Anthropic模型工具签名验证问题
在ag2项目开发过程中,我们遇到了一个关于Anthropic模型工具签名验证的有趣技术问题。这个问题涉及到当工具参数包含自定义类时,Anthropic模型无法正确解析工具签名的情况。
问题现象
开发人员在使用Anthropic的Claude模型时发现,当注册的工具函数参数中包含自定义类(特别是TypedDict定义的类)时,模型会返回400错误。错误信息明确指出工具签名不符合JSON Schema draft 2020-12规范。具体表现为模型无法处理工具签名中的"$ref"引用路径。
技术分析
问题的核心在于自动生成的工具签名中,对嵌套类型的引用路径格式不符合Anthropic模型的预期。系统自动生成的签名使用了"ref": "#/defs/class_test"这样的引用路径,而Anthropic模型要求更完整的路径格式"ref": "#/properties/class_test_list/defs/class_test"。
这种差异源于不同模型实现对于JSON Schema规范的解释差异。虽然其他LLM(如Llama 3)能够处理两种格式的引用路径,但Anthropic模型对此有更严格的要求。
解决方案
针对这个问题,我们采取了以下解决方案:
-
手动修正工具签名:通过update_tool_signature方法手动调整引用路径格式,使其符合Anthropic模型的要求。
-
类型定义优化:对于需要在工具参数中使用的复杂类型,建议使用更简单的数据结构,或者确保类型定义生成的JSON Schema符合更严格的标准。
-
自动化检测与转换:在框架层面增加对Anthropic模型的特殊处理,自动检测并转换不符合要求的引用路径格式。
最佳实践建议
为了避免类似问题,我们建议开发者在ag2项目中遵循以下实践:
- 当使用Anthropic模型时,特别注意复杂参数类型的定义
- 在注册工具后检查生成的工具签名是否符合预期
- 考虑为不同类型的模型实现差异化的工具签名生成逻辑
- 对于跨模型兼容性要求高的场景,尽量使用基本数据类型作为工具参数
这个问题展示了在不同LLM实现间保持兼容性的挑战,也提醒我们在设计工具接口时需要考虑到各模型实现的细微差异。通过这次经验,我们更加理解了JSON Schema在不同环境中的实现差异,这对未来设计跨模型兼容的工具系统提供了宝贵经验。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00