官网地址：https://docs.spring.io/spring-ai/reference/api/tools.html
1、描述
工具调用功能可以让LLM与API或者工具交互，增强其能力，SpringAI提供便捷的API来定义工具、解析模型的工具调用请求并执行工具调用。
工具主要用于：
- 信息检索。这种类别的工具可用于从外部（数据库、Web服务、文件系统或者Web搜索引擎等）检索信息，目的是增强模型的知识，可以获得最新的知识或者查询数据库特定的数据。
- 执行操作。这种类别的工具可用于在软件系统中执行操作，例如发送邮件、在数据库中创建新纪录、提交表单或者触发工作流，目的是可以自动化需要人工干预或者显示编程的任务，比如查询订单状态信息、填写表单或者在代码生成场景中生成模板代码等。
注意（安全考虑）：
LLM定位是一个纯粹的“决策和规划的大脑”，所有涉及与外部交互都由我们自己控制，比如网络请求、数据库查询或者文件操作等，LLM 和工具执行环境隔离，可以从根本上解决 LLM 的行为失控，从而构建安全可靠的 AI 应用。
例如：我们提供一个工具，用来获取城市的天气情况，当我们提供了@Tool 的注解的方法，LLM 只能发现方法getWeather，以及参数 city，以及返回参数，它无法直接创建 HTTP 请求直接调用weatherApiClient。代码如下：
@Tool(description = "根据城市名称获取天气")public String getWeather(String city) {// 模型只能“请求”调用 getWeather("上海")// 实际的 HTTP 调用发生在这里，完全由你的代码控制return weatherApiClient.fetchFromSomeAPI(city);}
SpringAI 支持工具调用的组件与流程
2、声明式：@Tool
通过注解@Tool 将方法转换为工具，例如：
@Tool(description = "获取当前时间")String getCurrentTime() {return DateTime.now().toMsStr();}
@Tool 关键信息：
- name：工具的名称。如果没有设置，则使用方法名称，LLM 使用此名称在调用工具时识别它，在同一类中不允许有两个同名的工具，名称在特定聊天可用的所有工具中必须是唯一的，建议设置为全局唯一。
- description：工具的描述。LLM 使用描述来理解何时及如何调用工具，如果没有设置，方法名称将作为工具描述，但是强烈建议设置工具描述，这个对LLM 理解工具的作用和如何使用很重要，如果工具描述不准确，会导致 LLM 使用不到该工具或者使用使用不正确。
- returnDirect：工具结果是直接返回给客户端还是传回模型，默认 false，默认传递回模型
- resultConverter：用于将工具调用结果转换为 String 对象以发送会 AI 模型的ToolCallResultConverter实现。
@ ToolParam关键信息
- description：参数的描述，模型可以使用它更好地理解如何使用它。例如，参数应该采用什么格式，允许什么值等等。
- required：参数是必需还是可选。默认情况下，所有参数都被认为是必需的。
3、将工具添加到ChatClient
3.1、添加工具：
ChatClient.create(chatModel).prompt("What day is tomorrow?").tools(new DateTimeTools()).call().content();
3.2、添加默认工具：
@Beanpublic ChatClient chatClient(OllamaChatModel ollamaChatModel) {return ChatClient.builder(ollamaChatModel).defaultTools(new DateTimeTools()).build();}
在底层，ChatClient 将从工具类实例中的每个 @Tool 注解方法生成一个 ToolCallback 并将其传递给模型。如果您希望自己生成 ToolCallback，可以使用 ToolCallbacks 实用程序类。
如果同时设置了运行行工具和默认工具，默认工具会被覆盖。
3.3、方法工具限制
目前不支持以下类型作为用作工具的方法的参数或返回类型：
- Optional
- 异步类型（例如 CompletableFuture、Future）
- 响应式类型（例如 Flow、Mono、Flux）
- 函数式类型（例如 Function、Supplier、Consumer）。
函数式类型通过基于函数的工具规范方法受支持
4、函数作为工具
Spring AI 提供内置支持，用于从函数指定工具，无论是使用低级 FunctionToolCallback 实现以编程方式实现，还是作为在运行时解析的 @Bean 动态实现。
4.1、FunctionToolCallback
可以通过编程方式构建 FunctionToolCallback 将函数类型（Function、Supplier、Consumer 或 BiFunction）转换为工具。
public class WeatherService implements Function<WeatherRequest, WeatherResponse> {public WeatherResponse apply(WeatherRequest request) {return new WeatherResponse(30.0, Unit.C);}
}public enum Unit { C, F }
public record WeatherRequest(String location, Unit unit) {}
public record WeatherResponse(double temp, Unit unit) {}@Beanpublic ChatClient chatClient(OllamaChatModel ollamaChatModel) {FunctionToolCallback<WeatherRequest, WeathResponse> functionToolCallback = FunctionToolCallback.builder("当前天气", new WeatherService()).description("获取当前地区的天气").inputType(WeatherRequest.class).build();return ChatClient.builder(ollamaChatModel).defaultToolCallbacks(functionToolCallback).build();}
FunctionToolCallback.Builder 构建 FunctionToolCallback 实例并提供有关工具的关键信息：
- name：工具的名称。AI 模型使用此名称在调用工具时识别它。因此，同一上下文中不允许有两个同名的工具。名称在特定聊天请求可用的所有工具中必须是唯一的。必需。
- toolFunction：表示工具方法的函数对象（Function、Supplier、Consumer 或 BiFunction）。必需。
- description：工具的描述，模型可以使用它来理解何时以及如何调用工具。如果未提供，方法名称将用作工具描述。但是，强烈建议提供详细描述，因为这对模型理解工具的目的和如何使用至关重要。未能提供好的描述可能导致模型在应该使用工具时没有使用，或者使用不正确。
- inputType：函数输入的类型。必需。
- inputSchema：工具输入参数的 JSON 模式。如果未提供，模式将根据 inputType 自动生成。您可以使用 @ToolParam 注解提供有关输入参数的额外信息，例如描述或参数是必需还是可选。默认情况下，所有输入参数都被认为是必需的。有关更多详细信息，请参阅JSON 模式。
- toolMetadata：定义附加设置的 ToolMetadata 实例，例如结果是否应直接返回给客户端，以及要使用的结果转换器。可以使用 ToolMetadata.Builder 类构建它。
- toolCallResultConverter：用于将工具调用结果转换为 String 对象以发送回 AI 模型的 ToolCallResultConverter 实例。如果未提供，将使用默认转换器（DefaultToolCallResultConverter）。
函数输入和输出可以是 Void 或 POJO。输入和输出 POJO 必须是可序列化的，因为结果将被序列化并发送回模型。函数以及输入和输出类型必须是公共的。
5、ToolContext
Spring AI 支持通过 ToolContext API 将额外的上下文信息传递给工具。此功能允许您提供额外的、用户提供的数据，这些数据可以在工具执行期间与 AI 模型传递的工具参数一起使用。
@Component
public class DateTimeTools {@Tool(description = "获取当前时间")String getCurrentTime(ToolContext toolContext) {String conversationId = toolContext.getContext().get(ChatMemory.CONVERSATION_ID).toString();System.out.println("调用该工具的对话 ID 为：" + conversationId);return DateTime.now().toMsStr();}
}@PostMapping("chat")public Flux<String> chat(@RequestBody ChatReq chatReq) {return chatClient.prompt(chatReq.getMessage()).advisors(a -> a.param(ChatMemory.CONVERSATION_ID, chatReq.getMemoryId())).toolContext(Map.of(ChatMemory.CONVERSATION_ID, chatReq.getMemoryId())).stream().content();}
结果输出：