Ollama项目中如何通过API向AI返回函数执行结果
2025-04-28 07:32:48作者:董灵辛Dennis
在Ollama项目中,当AI通过工具调用(Tool Calls)请求外部函数执行后,开发者需要将函数执行结果正确返回给AI模型,以便AI能够基于这些结果生成最终响应。本文将详细介绍这一交互过程的实现方法和技术细节。
工具调用交互流程
Ollama的AI模型支持通过工具调用机制与外部函数进行交互。完整的交互流程包含以下几个关键步骤:
- 用户发起请求:用户向AI发送包含工具调用需求的请求
- AI生成工具调用:AI分析请求后,生成一个或多个工具调用请求
- 执行外部函数:开发者执行AI请求的外部函数
- 返回执行结果:将函数执行结果格式化后返回给AI
- AI生成最终响应:AI基于返回的结果生成最终回答
工具调用请求格式
当AI决定调用外部工具时,会返回一个包含工具调用信息的JSON结构。以查询天气为例,AI可能返回如下格式的请求:
{
"role": "assistant",
"content": "",
"tool_calls": [
{
"function": {
"name": "getWeather",
"arguments": {
"city": "Suzhou"
}
}
}
]
}
其中关键字段包括:
role:固定为"assistant"content:初始为空字符串tool_calls:包含一个或多个工具调用请求的数组function:具体函数调用信息,包括函数名和参数
函数执行结果返回格式
开发者执行完外部函数后,需要将结果以特定格式返回给AI。正确的返回格式如下:
{
"role": "tool",
"content": "{\"city\":\"Suzhou\",\"temperature\":20}",
"name": "getWeather"
}
关键字段说明:
role:必须设置为"tool"content:包含函数执行结果的JSON字符串name:与工具调用请求中对应的函数名
多工具调用处理
当AI同时请求多个工具调用时,开发者需要为每个工具调用分别返回结果。例如同时查询苏州和北京天气的场景:
[
{
"role": "tool",
"content": "{\"city\":\"Suzhou\",\"temperature\":20}",
"name": "getWeather"
},
{
"role": "tool",
"content": "{\"city\":\"Beijing\",\"temperature\":15}",
"name": "getWeather"
}
]
工具定义最佳实践
为确保AI正确理解和使用工具,定义工具时应遵循以下规范:
- 提供清晰准确的函数描述
- 明确定义参数类型和约束条件
- 为每个参数提供详细说明
- 标记必填参数
示例工具定义:
{
"type": "function",
"function": {
"name": "getWeather",
"description": "获取指定城市的天气信息",
"parameters": {
"type": "object",
"required": ["city"],
"properties": {
"city": {
"type": "string",
"description": "要查询天气的城市名称(每次只能查询一个城市)"
}
}
}
}
}
实现注意事项
- 结果格式化:确保返回的结果是有效的JSON字符串
- 错误处理:如果函数执行失败,也应返回错误信息而非忽略
- 性能考虑:对于多个工具调用,可考虑并行执行以提高响应速度
- 安全性:验证AI请求的参数,防止注入攻击
通过遵循上述规范和流程,开发者可以有效地实现Ollama项目中AI与外部函数的交互,构建更加强大和实用的AI应用。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0148- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0111
项目优选
收起
暂无描述
Dockerfile
731
4.73 K
Ascend Extension for PyTorch
Python
609
786
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++
1 K
1.01 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
433
392
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
237
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.15 K
148
暂无简介
Dart
983
250
Oohos_react_native
React Native鸿蒙化仓库
C++
347
401
昇腾LLM分布式训练框架
Python
166
197
🎉 (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
1.67 K
985