Phase 13: Tools & Protocols

调用深潜的功能 OpenAI,人类,双胞胎

在2024年,这三个边境供应商都在同一工具调用循环上汇聚,然后在其他方面分歧.tools其他tool_calls人类用品tool_use其他tool_result双胞胎使用functionDeclarations这一课将三个字符相对不同,以便在一个提供商上发送的代码在移植时不会破裂.

Type: Build

Languages: Python (stdlib, schema translators)

Prerequisites: Phase 13 · 01 (the tool interface)

Time: ~75 minutes

学习目标

描述OpenAI,Anthropic和Gemini函数调用有效载荷 (声明,调用,结果) 之间的三个形状差异.
翻译一个工具声明在所有三个供应商格式中,并预测严格模式限制将在哪里不同.
使用tool_choice在每个提供商中强制,禁止或自动选择工具的呼叫.
了解每个提供商的硬度限制 (工具数量,方案深度,参数长度) 和每一个用户在违反限制时发出错误签名.

问题

要求调用函数的形状因供应商而异. 2026 年生产堆的三个具体例子:

OpenAI Chat Completions / Responses API.你通过了tools: [{type: "function", function: {name, description, parameters, strict}}]模型的反应包含choices[0].message.tool_calls: [{id, type: "function", function: {name, arguments}}]在哪里arguments必须解析的 JSON 字符串.strict: true) 通过限制解码来强制执行方案的合规性.

Anthropic Messages API.你通过了tools: [{name, description, input_schema}]答案是:content: [{type: "text"}, {type: "tool_use", id, name, input}]现在,我们要去.input您用新的字符串回复user包含一个信息{type: "tool_result", tool_use_id, content}区块.

Google Gemini API.你通过了tools: [{functionDeclarations: [{name, description, parameters}]}](在下面嵌functionDeclarations答案是candidates[0].content.parts: [{functionCall: {name, args, id}}]在哪里id双子座3级以上的通话相关性.{functionResponse: {name, id, response}}现在,我们要去.

另一组在OpenAI上写了一篇天气报道,为安特罗皮克支付了两天的港口,另一个天给双胞胎只为管道.

这一课程建立了一个翻译器,将三个格式统一成一个正规工具声明和边缘路线.

概念

共同结构

每个提供商都需要五件事:

Tool list.每个工具名称,描述和输入方案.
Tool choice.强迫一个特定的工具,禁止工具,或者让模型决定.
Call emission.结构化输出名称工具和参数.
Call id.相关答案与正确的呼叫 (对平行的情况).
Result injection.结果与电话联系的消息或封锁.

形状差异,场次

Aspect	OpenAI	Anthropic	Gemini
Declaration envelope	`{type: "function", function: {...}}`	`{name, description, input_schema}`	`{functionDeclarations: [{...}]}`
Schema field	`parameters`	`input_schema`	`parameters`
Response container	`tool_calls[]` on assistant message	`content[]` of type `tool_use`	`parts[]` of type `functionCall`
Arguments type	stringified JSON	parsed object	parsed object
Id format	`call_...` (OpenAI generates)	`toolu_...` (Anthropic)	UUID (Gemini 3+)
Result block	role `tool`, `tool_call_id`	`user` with `tool_result`, `tool_use_id`	`functionResponse` with matching `id`
Force-a-tool	`tool_choice: {type: "function", function: {name}}`	`tool_choice: {type: "tool", name}`	`tool_config: {function_calling_config: {mode: "ANY"}}`
Forbid tools	`tool_choice: "none"`	`tool_choice: {type: "none"}`	`mode: "NONE"`
Strict schema	`strict: true`	`strict: true` per tool (opt-in)	`responseSchema` at request level

你会达到的极限

OpenAI.参数字符串 <= 8192字节. 严格模式不需要 $ref没有oneOf现在,我们要去.anyOf现在,我们要去.allOf任何物件都在required现在,我们要去.
Anthropic.系统深度实际上无限,但实际上是限制的.strict: true没有它,方案是模型倾向于遵循的合同,而不是保证.
Gemini.根据要求,可执行 64 个函数. 方案类型是OpenAPI 3.0 子集 (与 JSON Schema 2020-12 略有差异).

`tool_choice`行为

每个人都支持的三个模式,不同的名称.

Auto.模型选择工具或文字.默认.
Required / Any.模型必须至少调用一个工具.
None.模型不能叫工具.

另外,每个提供商都有一个独特的模式:

OpenAI.强迫一个特定的工具,以名字.
Anthropic.强制使用一个特定的工具,以名字;disable_parallel_tool_use标志分开单个与多个.
Gemini. mode: "VALIDATED"通过一个方案验证器,无论模型意图如何,将每个响应路由.

并行通话

开放AI的parallel_tool_calls: true您运行它们全部,并以包含每条条目的工具角色消息回复.tool_call_id历史上,人类一直在一次性呼叫.disable_parallel_tool_use: false双子座2允许并行调用,但没有提供稳定的ID;双子座3添加 UUID,因此异常响应与其相关.

流媒体

电话形式不同:

OpenAI.的tool_calls[i].function.arguments它们会逐步到达,finish_reason: "tool_calls"现在,我们要去.
Anthropic.阻塞启动/阻塞 delta/阻塞停止事件. input_json_delta部分部分的论点.
Gemini. streamFunctionCallArguments它们是的.functionCallId为了让多个并行通话可以相互间歇.

第13期 · 03期深入研究并行+流动重组.本课程重点关注声明和单次调用形状.

错误和修复

无效论证错误也看起来不一样.

OpenAI (non-strict).模型返回arguments: "{bad json}"如果您的JSON解析失败,您将注入一个错误信息,然后重新调用.
OpenAI (strict).验证发生在解码过程中;不有效的JSON是不可能的,但 refusal现在,我们可以出现.
Anthropic (non-strict). input系统的数据表可以包含意想不到的字段;该方案是建议的. 验证服务器侧.strict: true采样仅限于方案.
Gemini.开放API 3.0 的特点:enum在被默默忽视的对象领域, 验证自己.

翻译模式

在你的代码中,一个可信工具声明是这样的 (你选择了形状):

python

Tool(
    name="get_weather",
    description="Use when ...",
    input_schema={"type": "object", "properties": {...}, "required": [...]},
    strict=True,
)

它们可以将其转化为三种提供商形状.code/main.py没有网络需要这个课程教导了形状,而不是HTTP.

制作团队将这位翻译包装在AbstractToolset它们是的.UniversalToolNode其他国家BaseTool通过"LlamaIndex" (LlamaIndex) 实现了第13期的运输,

用它

code/main.py定义一个法典Tool通过数据类和三个翻译器发射OpenAI,Anthropic和Gemini声明JSON.然后它将每个形状的手工供应商响应解析到同一定性呼叫对象中,证明语义在皮肤下是相同的.运行它并对三个声明隔离.

什么要看:

声明区的三个区块仅因封面和字段名称而不同.
响应区分不同于电话的位置 (顶级级tool_calls现在content[]区块parts[]输入
一个canonical_call()功能摘录{id, name, args}通过所有三种反应形式.

运送它

这一课产生了outputs/skill-provider-portability-audit.md由于一个提供商的功能调用集成,技能产生了可移植性审计:哪个提供商限制其依赖,哪些领域需要更名,以及当转移到其他提供商时会发生什么断裂.

运动

跑步code/main.py检查三个提供商声明JSON所有串行相同的基础Tool修改可行工具,增加一个enum参数,并确认只有双子翻译需要处理OpenAPI奇怪.

添加一个ListToolsResponse分析器为每一个提供商,从工具列表中提取工具,模型在一个 list_tools开放AI没有一个本地;请注意这种不对称性.

实施tool_choice转换:绘制一个法典ToolChoice(mode="force", tool_name="x")它们可以在三种形式中进行.mode="any"其他mode="none"检查课程的分数表.

选择三个提供商之一,并阅读其函数调用指南. 在其方案规格中找到一个两个其他不支持的字段. 候选人:OpenAI strict人类学disable_parallel_tool_use双子座function_calling_config.allowed_function_names现在,我们要去.

写一个测试向量:一个工具调用,其参数违反了声明的方案.通过每个提供商的验证器运行它 (课01中的stdlib将作为代理) 并记录哪些错误发生. 文件是哪个提供商将使用在生产中以确定严格性.

关键词

Term	What people say	What it actually means
Function calling	"Tool use"	Provider-level API for structured tool-call emission
Tool declaration	"Tool spec"	Name + description + JSON Schema input payload
`tool_choice`	"Force / forbid"	Auto / required / none / specific-name modes
Strict mode	"Schema enforcement"	OpenAI flag that constrains decoding to match schema
`tool_use` block	"Anthropic's call shape"	Inline content block with id, name, input
`functionCall` part	"Gemini's call shape"	A `parts[]` entry containing name, args, and id
Arguments-as-string	"Stringified JSON"	OpenAI returns args as a JSON string, not an object
Parallel tool calls	"Fan-out in one turn"	Multiple tool calls in one assistant message
Refusal	"Model declines"	Strict-mode-only refusal block instead of a call
OpenAPI 3.0 subset	"Gemini schema quirk"	Gemini uses a JSON-Schema-like dialect with minor differences

进一步阅读

OpenAI — Function calling guide包括严格模式和并行调用的法典引用
Anthropic — Tool use overview tool_use其他tool_result区块语义
Google — Gemini function calling并行调用,唯一的ID和OpenAPI子集
Vertex AI — Function calling reference双子座的企业表面
OpenAI — Structured outputs严格模式方案执行细节

This free lesson is part of the AI Engineering from Scratch curriculum. Read the full explanation, run the lesson code, and verify the result in the interactive reader or from the repository source.

Browse the complete course catalog or open this lesson on GitHub.