LMDeploy工具调用功能实现与异常处理指南

背景介绍

LMDeploy作为InternLM项目的重要组成部分，提供了高效的大模型部署方案。在实际应用中，开发者常常需要将大语言模型与外部工具结合使用，实现更复杂的业务逻辑。本文将以Qwen2-5-14B-Instruct-AWQ模型为例，详细介绍如何在LMDeploy中正确配置和使用工具调用功能。

工具调用功能实现

基本配置

要实现工具调用功能，首先需要正确启动API服务。与常规启动方式不同，工具调用需要额外指定工具调用解析器参数：

CUDA_VISIBLE_DEVICES=2,3 lmdeploy serve api_server /path/to/model/ --tool-call-parser qwen

关键点在于--tool-call-parser qwen参数，它告诉LMDeploy使用Qwen系列模型专用的工具调用解析器。

工具定义规范

定义工具时，需要遵循OpenAI工具调用API的规范格式：

tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "获取指定位置的当前天气",
            "parameters": {
                "type": "object",
                "properties": {
                    "location": {
                        "type": "string",
                        "description": "城市和州/省，例如'南京,江苏'",
                    },
                    "unit": {"type": "string", "enum": ["celsius", "fahrenheit"]},
                },
                "required": ["location"],
            },
        },
    }
]

调用方式差异

LMDeploy支持两种调用方式，返回结构有所不同：

1. 流式响应(stream=True)：

   • 适用于实时交互场景
   • 返回增量生成结果
   • 结构较为复杂，调试难度较高

2. 非流式响应(stream=False)：

   • 返回完整响应
   • 结构简单明了
   • 推荐用于调试阶段

常见问题排查

InvalidStateError异常处理

当出现asyncio.exceptions.InvalidStateError: invalid state错误时，通常表明异步任务状态管理出现问题。可以通过以下步骤排查：

1. 启用调试日志：

   export TM_DEBUG_LEVEL=DEBUG
   

2. 使用pipeline API验证基础功能：

   from lmdeploy import pipeline, TurbomindEngineConfig
   
   pipe = pipeline('/path/to/model/',
                  backend_config=TurbomindEngineConfig(tp=1),
                  log_level='debug')
   
   response = pipe(messages, tools=tools)
   

工具未调用问题

如果模型没有按预期调用工具，可能原因包括：

1. 启动命令缺少--tool-call-parser参数
2. 工具定义不符合规范
3. 提示词设计不合理（模型可能选择不调用工具）

建议先使用非流式模式验证基础功能，确认工具调用能正常工作后再切换到流式模式。

最佳实践建议

1. 开发阶段：

   • 优先使用非流式模式(stream=False)
   • 确保工具定义完整准确
   • 检查模型是否支持工具调用功能

2. 生产环境：

   • 根据需求选择流式或非流式
   • 添加适当的错误处理和日志记录
   • 考虑性能优化（如调整TP参数）

3. 提示工程：

   • 明确指示模型何时需要调用工具
   • 提供清晰的工具描述
   • 考虑添加示例对话

通过遵循以上指南，开发者可以更高效地在LMDeploy中实现工具调用功能，构建更强大的大模型应用。