Ollama工具调用（Tool Calls）业务应用案例
场景：电商客服自动处理退货请求
业务需求：用户通过聊天界面申请退货，模型需调用外部工具验证订单状态、触发退货流程，并返回处理结果。
1. 定义工具列表
在请求中声明模型可调用的工具（函数）及其参数格式（JSON Schema）：
tools = [{"type": "function","function": {"name": "check_order_status", # 工具名称"description": "根据订单号查询订单状态，判断是否符合退货条件","parameters": {"type": "object","properties": {"order_id": {"type": "string", "description": "用户提供的订单号"}},"required": ["order_id"]}}},{"type": "function","function": {"name": "initiate_refund", # 工具名称"description": "触发退货流程，通知物流和财务系统","parameters": {"type": "object","properties": {"order_id": {"type": "string"},"reason": {"type": "string", "description": "用户填写的退货原因"}},"required": ["order_id", "reason"]}}}
]
2. 用户发起对话请求
用户输入退货申请：
messages = [{"role": "user", "content": "我要退货，订单号是ORD123456。退货原因是商品尺寸不符。"}
]
向模型发送请求（启用工具调用）：
import requestsresponse = requests.post("http://localhost:11434/api/chat",json={"model": "llama3:8b-instruct","messages": messages,"tools": tools, # 传递工具定义"tool_choice": "auto" # 由模型决定是否调用工具}
)
result = response.json()
3. 解析模型的工具调用请求
模型分析用户输入后，返回需调用的工具及参数：
{"message": {"role": "assistant","content": null,"tool_calls": [{"id": "call_001","type": "function","function": {"name": "check_order_status", // 要求调用订单状态查询工具"arguments": "{\"order_id\": \"ORD123456\"}"}}]}
}
4. 执行工具函数并返回结果
客户端根据工具名称执行对应的业务逻辑：
# 模拟订单状态查询（实际可能调用数据库或内部API）
def check_order_status(order_id):# 假设订单状态有效且可退货return {"status": "success","data": {"order_id": order_id,"is_refundable": True,"product": "男士运动鞋","purchase_date": "2024-05-01"}}# 获取工具调用参数
tool_call = result["message"]["tool_calls"][0]
args = json.loads(tool_call["function"]["arguments"])# 执行工具
tool_response = check_order_status(args["order_id"])# 将结果附加到对话历史
messages.append({"role": "tool", "content": json.dumps(tool_response),"tool_call_id": tool_call["id"] # 关联工具调用ID
})
5. 模型生成最终回复
继续请求模型，传递工具执行结果：
response = requests.post("http://localhost:11434/api/chat",json={"model": "llama3:8b-instruct","messages": messages}
)final_reply = response.json()["message"]["content"]
print(final_reply)
模型返回：
订单ORD123456（男士运动鞋，购买日期2024-05-01）符合退货条件。已为您启动退货流程，请将商品寄回至仓库地址。物流单号将通过短信发送。
其他业务场景示例
场景1：天气查询助手
- 工具定义：调用天气API获取实时数据。
- 用户输入：“上海今天会下雨吗？”
- 模型行为：调用
get_weather工具，参数{"location": "上海"}。 - 工具响应：返回温度、降水概率。
- 最终回复：“上海今日多云转小雨，气温22-28°C，降水概率60%。”
场景2：数据分析报告生成
- 工具定义：调用
generate_chart工具，根据数据生成图表。 - 用户输入：“帮我用柱状图展示2023年季度销售额。”
- 模型行为：调用工具，参数
{"data_type": "sales", "chart_type": "bar"}。 - 工具响应：返回图表URL或Base64图片。
- 最终回复：Markdown格式嵌入图表，并总结趋势。
场景3：智能家居控制
- 工具定义：调用
control_device工具，操作IoT设备。 - 用户输入：“把客厅的灯调暗一点。”
- 模型行为：调用工具，参数
{"device": "客厅灯", "action": "set_brightness", "value": 50}。 - 工具响应：返回操作状态。
- 最终回复：“已将客厅灯亮度调整为50%。”
关键优势
- 自动化业务流程：将模型与内部系统（订单、库存、CRM）无缝连接。
- 动态决策能力：模型根据对话上下文自主选择调用工具。
- 减少幻觉：依赖真实数据生成回答，提升准确性。
- 多模态扩展：结合图像生成、语音合成等工具。
注意事项
- 权限控制：限制工具调用的范围，避免未授权操作。
- 错误处理：捕获工具执行异常，返回友好提示（如“暂时无法查询订单，请稍后再试”）。
- 输入验证：检查工具参数合法性，防止注入攻击。
- 上下文管理：确保
tool_call_id与对话历史关联，避免混淆。
通过工具调用，Ollama 可深度融入企业工作流，实现从“对话”到“行动”的智能化升级。