跳到主要内容

Tools 总览

这一章讲的不是“模型可以调函数”这么一句话，而是 AI4J 如何把可执行能力组织成一个正式子系统。

从源码看，Tools 至少包含 4 层：

  • 工具声明
  • 请求级白名单暴露
  • provider 侧 schema 投影
  • 本地执行与结果回流

如果只讲第一层注解，就会把真正的执行链讲薄。

1. Tools 在基座里的真实定位​

Tools 属于 Core SDK，不是 Agent 或 Coding Agent 才有的附属能力。

原因很直接：

  • ChatCompletion 请求可以挂工具
  • ResponseRequest 请求也可以挂工具
  • 工具 schema 组装和本地执行桥都在 ai4j/ 模块里

也就是说，即使你完全不用上层 runtime，只要想让模型调用 JVM 内能力，这一章就已经和你相关。

2. 这套子系统到底解决什么问题​

它回答的是 4 个问题：

  1. 某个能力如何被声明成模型可调用对象
  2. 本次请求到底暴露哪些工具
  3. 这些工具如何被统一转成 provider 可识别 schema
  4. 模型返回 tool call 之后，调用如何落回本地执行链

所以 Tools 不是“注解语法”，而是从声明到执行的完整桥。

3. 当前 AI4J 里有哪些工具来源​

从 ToolUtil 的实现看，最后进入模型视野的“工具面”并不只有一类。

3.1 内建 coding tools​

由 BuiltInTools / BuiltInToolExecutor 提供：

  • bash
  • read_file
  • write_file
  • apply_patch

这些工具已经有固定 schema 和固定执行器，不经过普通业务函数反射调用。

3.2 注解式 Function 工具​

由：

  • @FunctionCall
  • @FunctionRequest
  • @FunctionParameter

声明，再由 ToolUtil 扫描、缓存和调用。

3.3 本地 MCP 工具投影​

本地 @McpService / @McpTool 也可以被 ToolUtil.scanMcpTools() 扫描，并转换成普通 Tool.Function 视图。

注意这里讲的是“最终投影成 tool schema”，不是说 MCP 概念上属于 Tools 子章节。MCP 的生命周期、transport、网关治理仍然属于独立协议层。

3.4 Gateway 管理的远程 MCP 工具​

当 McpGateway 已初始化时，ToolUtil 还能把 gateway 里的远程服务工具并入当前请求的工具集。

这就是为什么模型看到的“一个工具列表”，在实现层其实可能来自多条不同的能力来源。

4. 一条最重要的主线​

如果只记一条链，可以先记这个：

tool declaration
  -> request-scoped whitelist
    -> provider tool schema
      -> model emits tool call
        -> ToolUtil routes invocation
          -> result returns as string payload

这条链里最重要的分界点有两个：

  • provider 之前：是工具暴露问题
  • provider 之后：是工具执行问题

很多文档把这两件事写成一件事，读起来就会很混。

5. ToolUtil 是整个子系统的中心​

如果你只看一个文件，先看：

  • ai4j/src/main/java/io/github/lnyocly/ai4j/tool/ToolUtil.java

它至少负责 5 件事：

  1. 扫描注解工具
  2. 扫描本地 MCP 工具
  3. 根据 functions / mcpServices 生成本次工具白名单
  4. 统一执行入口 invoke(...)
  5. 在 built-in、Function、本地 MCP、远程 MCP 之间做调用路由

因此 ToolUtil 不是一个“小工具类”，而是当前整个工具子系统的调度中心。

6. Tools 和 Function Calling 的关系​

Function Calling 是这章的主线，但不是全部。

更准确地说：

  • Function Calling 讲的是模型与可执行能力之间的桥
  • Tools 讲的是 AI4J 如何把不同来源的能力统一组织到这条桥上

所以 Function Calling 是这章的核心机制，Tools 是更大的能力面。

7. Tools 和 Skill 的边界​

这点必须保持非常清楚。

  • Tool 负责执行
  • Skill 负责说明

模型读了一个 Skill，不代表它获得了执行权限；模型看到了一个 Tool，也不代表它理解了最佳工作方法。

这两者经常配合使用，但职责不同。

8. Tools 和 MCP 的边界​

这点也不能写混。

  • Tools 关注最终模型可调用的执行面
  • MCP 关注外部能力如何通过协议接入宿主

到了请求发送前，MCP 工具确实会被转换成 Tool.Function 风格 schema；但那只是投影结果，不是归属关系。

9. 当前子系统的真实限制​

从源码看，有几个限制应该提前说清楚。

9.1 反射扫描是 classpath 级的​

ToolUtil 基于 Reflections 扫描 @FunctionCall 和 @McpService。这适合中小规模工具集，但不是无限扩展的注册中心。

9.2 本地工具返回值最终走字符串​

无论是 built-in、Function 还是 gateway 调用，ToolUtil.invoke(...) 最终返回的都是 String。上层 runtime 看到的是文本化结果，而不是强类型 Java 对象。

9.3 执行治理不在这一层闭环​

Core SDK 负责：

  • 工具组织
  • 工具暴露
  • 工具桥接

它不直接负责：

  • 人机审批
  • 多步重试策略
  • 长任务 checkpoint
  • 宿主级权限策略

这些必须由更上层 runtime 接管。

10. 这章最适合哪些读者​

只想暴露本地 JVM 函数​

重点看：

想理解模型返回 tool call 后怎么执行​

重点看：

关心暴露边界和宿主安全​

重点看：

11. 推荐阅读顺序​

  1. Function Calling
  2. Annotation-based Tools
  3. Tool Execution Model
  4. Tool Whitelist and Security
  5. Skill vs Tool vs MCP

12. 这页最该记住的结论​

AI4J 的 Tools 不是几个注解，而是一个把多种能力来源统一成模型可调用执行面的基座子系统。

它真正解决的是：

  • 什么能力可被声明
  • 本次请求暴露什么
  • 调用怎么回到宿主

而不是上层 runtime 的所有治理问题。