用LangChain搭Agent时，工具调用总是返错，该怎么排查？

这个坑我当初也踩过，gpt-4o-mini对工具调用的稳定性确实不如gpt-4o，尤其参数多的时候容易漏传或拼错。你试过把工具描述写得更口语化吗？比如“查询库存”改成“用户想知道某个商品的当前库存数量，参数是商品ID”，模型反而更理解意图。另外检查下工具返回值的格式，有时候模型以为返回的是字符串，结果你定义的是json，它就会乱套。还有一招是加一个“工具选择验证节点”，在调用工具前用正则或pydantic强制校验参数，不合规就重试一次，能过滤掉大部分错误。少传参数的问题，可以给每个参数设默认值，比如天气查询把城市名设成“北京”，就算模型漏传也能兜底。说到底，工具调用是个模型和代码配合的活，别指望模型百分百听话，边界校验做扎实了，体验能好一大截。

这个问题我也踩过坑，gpt-4o-mini对复杂tool schema的理解确实不如4o稳定，尤其是参数嵌套多了就容易抽风。我后来把工具定义精简到最简JSON结构，确保每个参数都有清晰描述，同时把few-shot改成了system prompt里直接给一个“调用示例”段落，效果好了不少。另外可以试试把工具名改短一点，像“check_weather”比“query_current_weather_and_forecast”明显更少出错。你也可以检查下是不是工具返回格式不规范导致模型连锁报错，有时候先在本地mock工具输出跑通链路再换真实API会省很多时间。

这个问题我也踩过坑，核心原因大概率不是模型能力不够，而是LangChain默认的tool schema和GPT-4o-mini的function calling格式之间有细微偏差。可以试试把工具定义改成更严格的Pydantic v2模型，或者手动把tools转成OpenAI的function calling格式再传进去，少传参数的问题会明显改善。另外建议把每个工具的描述写得更像自然语言示例，比如“查库存时需要传入商品名称，例如‘苹果’”，模型会更听话。

我之前也踩过这个坑，GPT-4o-mini对工具调用的格式敏感度确实不如大杯模型，建议你先检查下工具描述的清晰度，参数名和类型要写得很直白，比如用“城市名称（中文）”而不是“city”。另外可以试试在系统提示词里明确告诉模型“必须严格按JSON格式输出工具调用”，再配合一个简单的输出校验函数做二次检查，能过滤掉不少乱格式。如果还不行，换个思路用function calling模式而不是纯文本解析，稳定性会高很多。