在开发 MolaGPT 的过程中，我始终认为，单纯的文本对话只是 AI 模型能力的一种表象。而真正激动人心的是模型能够主动理解意图，和人类一样制定计划，执行复杂指令来解决复杂问题，比如调用工具、生成图表、分析数据等。
要实现这一点，就需要为模型构建一套完整的“工具箱”，还需要有强大的语言模型本身具有调用工具的能力，而这些能力就需要配套的后端接口和稳定的结果输出。
这段时间，我终于有机会着手开发一个基于 Function Calling（现在貌似 Tools Calling）的 Agent. 我的目标很明确：首先，赋予模型联网搜索的能力；其次，也是更关键的，让模型能够运行 Python 代码。
手搓复刻 OpenAI 的 Function Calling
我的后端整体的核心思路借鉴了 OpenAI 的 Function Calling 机制。其原理可以概括为：当模型识别到用户意图需要借助外部工具才能完成时，它不再直接生成最终答案，而是生成一个结构化的 JSON 对象。这个 JSON 对象精确描述了需要调用的函数名称（例如 execute_python_code）以及执行该函数所需的参数（例如，一段 Python 代码字符串）。
这个结构化的请求随后被发送到我的后端系统。后端接收到这个请求后，会解析 JSON 内容，根据 name 字段匹配预先定义好的可用函数列表 ($available_functions)，找到对应的处理逻辑（比如说 execute_python_code）。后端执行完任务后，再将执行结果（比如代码的标准输出或错误信息）返回给模型进行二次请求，随后模型结合上下文，生成最终回复给用户。
举个例子，如果模型判断需要执行 Python 代码 print(2+2)，它会向后端发送类似以下的 JSON：
{
"name": "execute_python_code",
"arguments": {
"code": "print(2+2)"
}
}后端解析出 name 为 execute_python_code，提取 arguments 中的 code 字段 "print(2+2)"，然后将其交给一个隔离的 Docker 沙箱环境中的 Python 解释器执行。执行完毕后，捕获其 stdout，并将 "4" 这个结果返回给模型。这通常涉及两次与模型的交互：一次是模型输出 Function Call 请求，一次是后端返回执行结果供模型参考。
在我的后端实现中，我为模型定义了两个核心函数：
search_web：用于联网搜索最新信息。execute_python_code：用于执行 Python 代码，也是本文讨论的重点。
这是后端定义的函数描述信息，用于告知模型这两个工具的存在和使用方法：
$available_functions = [
[
"type" => "function",
"function" => [
"name" => "search_web",
"description" => "在网络上搜索最新信息，获取权威内容 (Search the web for the latest information and authoritative content)",
"parameters" => [
"type" => "object",
"properties" => [
"query" => [
"type" => "string",
"description" => "搜索查询内容 (The search query)"
]
],
"required" => ["query"]
]
]
],
[
"type" => "function",
"function" => [
"name" => "execute_python_code",
"description" => "运行一段 Python 代码，并返回标准输出结果 (Execute a snippet of Python code and return the standard output)",
"parameters" => [
"type" => "object",
"properties" => [
"code" => [
"type" => "string",
"description" => "要执行的 Python 代码 (The Python code to execute, e.g., print(2+2))"
]
],
"required" => ["code"]
]
]
]
];模型会根据对话上下文，智能判断是否需要调用这些工具，并自动生成相应的参数请求，交由后端执行。
过程中遇到的几个问题和解决
模型并非总会使用 print()
在初步测试 execute_python_code 函数时，我发现模型生成的代码经常执行失败。查看 Log 发现，问题在于模型生成的代码很多时候没有显式地使用 print() 函数来输出最终结果，模型也许把后端的 Python 环境当做了Jupyter Notebook 这种交互式环境了。例如，当我让模型计算 2+2 时，它可能会生成如下代码并请求执行：
2 + 2
## 或者
result = 2+2
result在 Jupyter Notebook 等交互环境中，这么写确实没问题，可是我的后端是单纯的拉取 Python 镜像人为构建的 Docker 环境，Python 执行器运行这段代码之后，由于没有 print() 语句，标准输出就为空。这样一来，模型就无法接收到计算结果 "4"，导致其认为代码执行失败。
失败的尝试：暴力拼接 print()
我最初的想法很简单：是不是可以在接收到的代码字符串末尾自动加上 print(...)？但很快意识到这种方法过于粗暴。并非所有代码执行都需要打印最后一个表达式的结果，例如代码可能只是定义函数、导入库等等，确实不需要 print()的存在。强行添加 print() 可能导致语法错误或非预期的行为。
解决方案：利用 AST 自动补全 print()
经过一番资料查阅和向大模型“请教”，我决定采用 AST（Abstract Syntax Tree，抽象语法树）来智能地处理这个问题。AST 可以将代码解析成一个树状结构，其中的每个节点代表程序中的一种语法元素，比如表达式、语句、函数定义等。这个树的根是整个模块，而它的子节点可能是赋值语句、函数调用、条件判断等结构。
使用 AST 的主要目的就是精确地表达代码的语法和语义，忽略掉注释、空行等非实质性内容。而不是像之前那样去暴力添加 print().
import ast
class AutoPrintTransformer(ast.NodeTransformer):
"""
自动为最后一个表达式添加 print() 的 AST 转换器
"""
def __init__(self):
super().__init__()
self.modified = False
def visit_Module(self, node):
"""
处理模块节点，为最后一个表达式添加 print()
"""
self.generic_visit(node)
last_expr_index = -1
for i in range(len(node.body) - 1, -1, -1):
stmt = node.body[i]
# 判断是否为 print 语句
is_print_stmt = (
isinstance(stmt, ast.Expr) and
isinstance(stmt.value, ast.Call) and
isinstance(stmt.value.func, ast.Name) and stmt.value.func.id == 'print'
)
is_docstring = (
isinstance(stmt, ast.Expr) and
isinstance(stmt.value, ast.Constant) and
isinstance(stmt.value.value, str) and i == 0
)
if not is_print_stmt and not is_docstring:
last_expr_index = i
break
# 找到了需要添加 print 的表达式
if last_expr_index != -1:
expr_node = node.body[last_expr_index]
print_call = ast.Call(func=ast.Name(id='print', ctx=ast.Load()), args=[expr_node.value], keywords=[])
print_stmt = ast.Expr(value=print_call)
ast.copy_location(print_stmt, expr_node)
node.body[last_expr_index] = print_stmt
self.modified = True
return node这段代码的主要执行流程为：
- 解析：使用 Python 内置的
ast库，通过ast.parse()将模型生成的代码字符串解析成一个 AST 对象。 - 遍历树：遍历 AST 的顶层语句节点列表
(node.body)。 - 定位最后一个表达式语句：找到最后一个类型为
ast.Expr的语句节点。 - 检查是否漏掉了
print()：判断这个表达式语句是否已经是print()调用，或者是否是一个字符串常量。 - 包装：如果它是一个需要打印结果的普通表达式，就将其 AST 节点包装在一个新的
print()函数调用节点中，并替换掉原来的表达式语句节点。 - 生成新代码并执行：使用
ast.unparse()将修改后的 AST 转换回 Python 代码字符串，或者直接编译并执行。
通过这种方式，即使模型没有写 print()，我们的后端也能找到所有漏掉的位置并动态补齐 print()，确保计算结果能够被正确捕获并返回。
Matplotlib 绘图结果无法展示
为了增强代码执行能力，我在构建 Docker 镜像时特意预制了 matplotlib 库，期望模型能够生成数据可视化图表。在测试中，模型确实能生成标准的绘图代码（例如绘制正弦波），并且也调用了 plt.show()，但是代码执行后，前端聊天界面却看不到任何图像，不过想想也对，这是当然的，因为 plt.show() 会尝试在图形用户界面（GUI）环境中打开一个窗口来显示图像。但在 Docker 沙箱中没有显示器或窗口系统，纯纯就是无头的环境 plt.show() 会静默失败或报错。
有人会觉得（这个人就是我）那能不能在 Prompt 中让模型保存图片，可这就出现了一个新的问题：即使模型改为调用 plt.savefig('plot.png') 将图像保存到文件，这个文件也只是存在于容器内，无法被外界直接访问，更何况一旦代码运行完毕，容器销毁之后数据就会丢失。
最终方案：动态注入代码后，遍历图片并提取
前置代码注入：执行模型代码前，在 header 区域注入一段作为补丁的代码，追踪所有创建的 Figure 对象，并设置 matplotlib 使用非交互式后端：
import os
import uuid
import matplotlib
matplotlib.use('Agg') # 使用非交互式后端
import matplotlib.pyplot as plt
fig_list = [] # 用于跟踪所有创建的图
orig_figure = plt.figure # 保存原始的 plt.figure 方法
def track_figure(*args, **kwargs):
"""
寻找生成的图形。
"""
fig = orig_figure(*args, **kwargs)
fig_list.append(fig)
return fig
plt.figure = track_figure- 后置代码注入：在代码执行结束后，遍历所有图像对象，将它们保存为 PNG 文件，透传到本地目录中，并将路径转换为公网可访问的图像链接：
...
saved_paths = []
if 'fig_list' in globals() and fig_list:
output_dir = "/output" # 输出目录
os.makedirs(output_dir, exist_ok=True)
for i, fig in enumerate(fig_list):
unique_id = str(uuid.uuid4())[:8] # 生成唯一 ID
filename = os.path.join(output_dir, f"chart_{i}_{unique_id}.png") # 构建文件名
try:
fig.tight_layout()
except Exception:
pass
try:
fig.savefig(filename, dpi=100, bbox_inches='tight') # 保存图像
saved_paths.append(filename) # 添加路径到列表
except Exception as e:
print("出错！！")
finally:
plt.close(fig) # 关闭图形
if saved_paths:
for img_path in saved_paths:
print(f"###IMAGE_FILE_PATH###{img_path}")
else:
print("没有图表。")
plt.close('all'- 模型处理逻辑：并使用着重符号
###IMAGE_FILE_PATH###来提示模型当前位置有图片，使用让模型可以理解的自然语言来输出 Markdown 格式的图表：
一系列处理后，模型所绘制的图像就能在前端被展示给用户了。
如上图所示，用户提出让模型绘制一个正四棱台，模型理解了用户的意图并绘制出了一个美丽的图像，通过后端预处理逻辑被成功透传到公网目录中。
总结
不管温度参数设定如何，由于 Python 语法的等效性，模型依然可能会不使用 print()；或是 matplotlib 图像不显示。这时候就需要开发者在后端设计好相应的预处理、执行和后处理机制，就能有效地弥补 Agent 开发过程中的局限性，为模型“擦好屁股”。
发表回复