首页
/ OpenAI Agents Python项目中Mapping类型输入导致函数工具报错问题解析

OpenAI Agents Python项目中Mapping类型输入导致函数工具报错问题解析

2025-05-25 17:40:10作者:薛曦旖Francesca

问题背景

在OpenAI Agents Python项目的使用过程中,开发者发现当为Agent提供一个输入参数类型为Mapping或dict的function_tool时,运行Agent会返回HTTP 400错误,错误类型为invalid_function_parameters。这个问题的核心在于JSON Schema验证的严格模式下对Mapping类型的处理方式。

问题复现

当开发者尝试定义一个接受Mapping类型参数的函数工具时:

@function_tool
def foo(x: Mapping[str,str]) -> str:
    return 'bar'

foo_agent = Agent(name='Foo Agent', tools=[foo])
await Runner.run(foo_agent, input='foo')

系统会返回如下错误信息:

Error getting response: Error code: 400
{
    'error': {
        'message': "Invalid schema for function 'foo': In context=(), 'required' is required to be supplied and to be an array including every key in properties. Extra required key 'x' supplied.", 
        'type': 'invalid_request_error',
        'param': 'tools[0].parameters',
        'code': 'invalid_function_parameters'
    }
}

技术分析

JSON Schema验证问题

通过检查生成的JSON Schema(通过foo.params_json_schema查看),我们可以看到:

{
    "properties": {
        "x": {
            "additionalProperties": {"type": "string"},
            "title": "X",
            "type": "object"
        }
    },
    "required": ["x"],
    "title": "foo_args",
    "type": "object",
    "additionalProperties": false
}

虽然这个Schema看起来是有效的,但在OpenAI的严格模式验证下会失败。主要原因在于:

  1. 结构化输出的限制:OpenAI的结构化输出功能需要保证生成的JSON符合特定的约束条件
  2. 无限键值问题:对于Mapping类型,系统无法确定应该生成多少个键值对,导致验证失败

解决方案

开发团队提供了两种解决方案:

  1. 使用非严格模式:通过设置strict=False来绕过严格验证
@function_tool(strict=False)
def foo(x: Mapping[str,str]) -> str:
    return 'bar'
  1. 使用明确的Pydantic模型:推荐使用定义明确的Pydantic模型替代泛型Mapping
class MyObject(BaseModel):
    parameter_name: str

@function_tool
def foo(x: MyObject) -> str:
    return 'bar'

最佳实践建议

对于需要处理类似字典结构数据的场景,建议:

  1. 优先使用明确的Pydantic模型:这能提供更好的类型提示和文档支持
  2. 考虑数据结构的实际需求:例如,如果需要处理类似pandas Series的数据,可以定义如下的模型结构:
class DataPoint(BaseModel):
    x: str
    y: float

class DataSeries(BaseModel):
    title: str
    data: list[DataPoint]
  1. 仅在必要时使用非严格模式:strict=False虽然能解决问题,但会降低类型安全性

技术背景

这个问题的根源在于OpenAI API对结构化输出的严格要求。结构化输出功能需要确保生成的JSON数据符合可预测的模式,而泛型的Mapping类型无法提供足够的约束信息。Pydantic模型则能明确定义每个字段的类型和约束,因此是更安全的选择。

结论

在OpenAI Agents Python项目中使用函数工具时,开发者应当注意输入参数的类型选择。对于需要字典式输入的场景,推荐使用明确定义的Pydantic模型而非泛型的Mapping类型,这既能保证类型安全,又能获得更好的开发体验。项目团队已经通过添加运行时验证来更早地捕获这类问题,帮助开发者更快地识别和解决问题。

登录后查看全文
热门项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
156
1.99 K
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
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
942
555
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
405
387
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)。
Python
75
70
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
992
395
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
515
45
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
345
1.32 K
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
194
279