把 Agent 接进业务:工具调用的错误处理

举报
Rolle 发表于 2026/11/15 17:37:34 2026/11/15
【摘要】 工具调用出错时的处理方式,决定了 Agent 是「优雅降级」还是「彻底卡死」。一个只在成功路径上跑通的工具链,接到生产上第一个带异常的接口就会崩。

工具调用出错时的处理方式,决定了 Agent 是「优雅降级」还是「彻底卡死」。一个只在成功路径上跑通的工具链,接到生产上第一个带异常的接口就会崩。

工具要返回结构化的失败

工具执行失败时,应该返回一个结构化的错误结果给模型({"error": "..."}),而不是抛异常中断整个请求。让模型自己决定是重试还是换条路。

文本透传是最简单的路径,工具调用才是检验一个网关成色的地方。

因为工具调用涉及结构化参数的生成、解析、聚合和回传,任何一环处理得不严谨,模型就会收到一段语法错误的 JSON,然后开始胡说八道。

工具描述要写清楚边界

description 里应该写清楚这个工具什么时候该用、什么时候不该用、参数含义、返回格式。模型对工具的判断力,取决于你描述得有多清楚。

网关在转换时应该把这类工具补齐成合法的 JSON Schema,并明确 strict = false。

否则模型收到的工具描述是残缺的,生成的参数结构也就不可靠。

网关侧还有一道 observe / block 防线

工具调用的识别、记录与放行应该分层:默认观察不执行,明确配置的才放行。这样即使上游被诱导输出恶意调用,最坏结果也只是「没执行」。

更安全的默认是「观察」:把工具调用识别出来、记录下来、但不放行;只有明确配置为放行的工具才真正执行。

这样即使上游模型被诱导输出恶意工具调用,最坏结果也只是「没执行」,而不是「被执行了」。

Agent 的额度要单独设

Agent 循环里没有最大轮数,加上没有 Key 级额度上限,一次跑飞就能吃掉整天预算。这两道闸门都要有。

如果没有 Key 级限流,一个写错循环的脚本就能把共享池子的额度全部吃掉,其他用户跟着受影响。

实现上,调用明细按 (request_id, usage_id) 做唯一约束,避免结算重试导致重复落库。

实操:单轮工具调用的最小闭环,先跑通再加 Agent 框架。

把工具失败也走一遍 return 分支,你会立刻发现设计漏洞。

import json, os
from openai import OpenAI

client = OpenAI(api_key=os.environ["GATEWAY_API_KEY"],
                base_url="https://aiminis.info/v1")

TOOLS = [{
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "查询指定城市的天气",
        "parameters": {
            "type": "object",
            "properties": {"city": {"type": "string"}},
            "required": ["city"],
        },
    },
}]

messages = [{"role": "user", "content": "杭州今天天气怎么样?"}]
resp = client.chat.completions.create(
    model="gpt-6-sol", messages=messages, tools=TOOLS,
)

msg = resp.choices[0].message
if msg.tool_calls:
    for call in msg.tool_calls:
        args = json.loads(call.function.arguments)
        result = my_weather_func(args["city"])          # 你的业务逻辑
        messages.append(msg)                            # 模型发出的调用
        messages.append({
            "role": "tool",
            "tool_call_id": call.id,
            "content": json.dumps(result, ensure_ascii=False),
        })
    final = client.chat.completions.create(
        model="gpt-6-sol", messages=messages, tools=TOOLS,
    )
    print(final.choices[0].message.content)

几个容易踩的坑

  • 自定义工具没写 properties,模型收到的工具描述是残缺的。
  • 工具结果和普通文本混在同一条消息里时,按「一轮只有一个工具」来解析。
  • 把工具的原始参数写进请求日志,日志成了数据泄露源。
  • 在流式下把分片参数直接拼成字符串当 JSON 解析,遇到被转义的引号就炸。

小结

把配置项和凭据都外置,是成本最低、收益最持久的一个工程习惯。

文中的配置和示例都能在 https://aiminis.info/ 直接跑一遍,接入文档在 https://aiminis.info/docs/api-integration。

【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0)

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。