工具调用¶

vLLM 目前支持命名函数调用，以及在聊天补全 API 的 tool_choice 字段中使用 auto、required（从 vllm>=0.8.3 开始支持）和 none 选项。

快速入门¶

启动启用了工具调用的服务器。本示例使用 Meta 的 Llama 3.1 8B 模型，因此需要使用 vLLM 示例目录中的 llama3_json 工具调用聊天模板：

vllm serve meta-llama/Llama-3.1-8B-Instruct \
    --enable-auto-tool-choice \
    --tool-call-parser llama3_json \
    --chat-template examples/tool_chat_template_llama3.1_json.jinja

接下来，发起一个请求，触发模型使用可用工具：

from openai import OpenAI
import json

client = OpenAI(base_url="http://localhost:8000/v1", api_key="dummy")

def get_weather(location: str, unit: str):
    return f"Getting the weather for {location} in {unit}..."
tool_functions = {"get_weather": get_weather}

tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "Get the current weather in a given location",
            "parameters": {
                "type": "object",
                "properties": {
                    "location": {"type": "string", "description": "City and state, e.g., 'San Francisco, CA'"},
                    "unit": {"type": "string", "enum": ["celsius", "fahrenheit"]}
                },
                "required": ["location", "unit"],
            },
        },
    },
]

response = client.chat.completions.create(
    model=client.models.list().data[0].id,
    messages=[{"role": "user", "content": "What's the weather like in San Francisco?"}],
    tools=tools,
    tool_choice="auto",
)

tool_call = response.choices[0].message.tool_calls[0].function
print(f"Function called: {tool_call.name}")
print(f"Arguments: {tool_call.arguments}")
print(f"Result: {tool_functions[tool_call.name](**json.loads(tool_call.arguments))}")

示例输出：

Function called: get_weather
Arguments: {"location": "San Francisco, CA", "unit": "fahrenheit"}
Result: Getting the weather for San Francisco, CA in fahrenheit...

此示例演示了：

• 设置启用了工具调用的服务器
• 定义实际函数以处理工具调用
• 使用 tool_choice="auto" 发起请求
• 处理结构化响应并执行相应函数

您也可以通过设置 tool_choice={"type": "function", "function": {"name": "get_weather"}} 来指定特定函数，使用命名函数调用。请注意，这将使用结构化输出后端——因此首次使用时会有几秒（或更长时间）的延迟，因为 FSM 首次需要编译，之后会被缓存以供后续请求使用。

请记住，调用方有责任：

1. 在请求中定义适当的工具
2. 在聊天消息中包含相关上下文
3. 在应用程序逻辑中处理工具调用

有关更高级的用法，包括并行工具调用和特定于模型的不同解析器，请参阅以下章节。

命名函数调用¶

vLLM 默认支持在聊天补全 API 中使用命名函数调用。这应该适用于 vLLM 支持的大多数结构化输出后端。您可以保证获得一个可解析的有效函数调用——但不一定是高质量的调用。

vLLM 将使用结构化输出来确保响应与 tools 参数中 JSON 模式定义的工具参数对象匹配。

为了获得最佳结果，我们建议确保在提示中指定预期的输出格式/模式，以确保模型的预期生成与结构化输出后端强制其生成的模式保持一致。

要使用命名函数，您需要在聊天补全请求的 tools 参数中定义函数，并在聊天补全请求的 tool_choice 参数中指定其中一个工具的名称。

必需函数调用¶

vLLM 支持在聊天补全 API 中使用 tool_choice='required' 选项。与命名函数调用类似，它也使用结构化输出，因此默认启用，并且适用于任何支持的模型。然而，对替代解码后端的支持已列入 V1 引擎的路线图。

当设置 tool_choice='required' 时，模型保证会根据 tools 参数中指定的工具列表生成一个或多个工具调用。工具调用的数量取决于用户的查询。输出格式严格遵循 tools 参数中定义的模式。

无函数调用¶

vLLM 支持在聊天补全 API 中使用 tool_choice='none' 选项。当设置此选项时，模型不会生成任何工具调用，只会返回常规文本内容，即使在请求中定义了工具也是如此。

自动函数调用¶

要启用此功能，您应设置以下标志：

• --enable-auto-tool-choice -- 必需 自动工具选择。它告诉 vLLM 您希望模型在认为适当时自行生成工具调用。
• --tool-call-parser -- 选择要使用的工具解析器（如下所列）。将来会继续添加更多工具解析器。您还可以在 --tool-parser-plugin 中注册自己的工具解析器。
• --tool-parser-plugin -- 可选 工具解析器插件，用于将用户定义的工具解析器注册到 vllm 中，注册的工具解析器名称可以在 --tool-call-parser 中指定。
• --chat-template -- 可选 用于自动工具选择。这是处理包含先前生成的工具调用的 tool 角色消息和 assistant 角色消息的聊天模板的路径。Hermes、Mistral 和 Llama 模型在其 tokenizer_config.json 文件中有兼容工具的聊天模板，但您可以指定自定义模板。如果您的模型在 tokenizer_config.json 中配置了特定于工具使用的聊天模板，则可以将此参数设置为 tool_use。在这种情况下，它将按照 transformers 规范使用。有关更多信息，请参阅 HuggingFace 的此处；您可以在 tokenizer_config.json 中找到一个示例此处。

如果您最喜欢的工具调用模型不受支持，请随时贡献一个解析器和工具使用聊天模板！

Hermes 模型 (hermes)¶

所有 Nous Research Hermes 系列模型（Hermes 2 Pro 之后的版本）都应受支持。

• NousResearch/Hermes-2-Pro-*
• NousResearch/Hermes-2-Theta-*
• NousResearch/Hermes-3-*

请注意，由于 Hermes 2 Theta 模型在创建过程中进行了合并步骤，因此已知其工具调用质量和能力有所下降。

标志：--tool-call-parser hermes

Mistral 模型 (mistral)¶

支持的模型：

• mistralai/Mistral-7B-Instruct-v0.3（已确认）
• 其他 Mistral 函数调用模型也兼容。

已知问题：

1. Mistral 7B 难以正确生成并行工具调用。

2. 仅适用于 Transformers 分词后端：Mistral 的 tokenizer_config.json 聊天模板要求工具调用 ID 恰好为 9 位数字，这比 vLLM 生成的要短得多。由于当此条件不满足时会抛出异常，因此提供了以下额外的聊天模板：

3. examples/tool_chat_template_mistral.jinja - 这是 Mistral 的“官方”聊天模板，但经过调整，使其能够与 vLLM 的工具调用 ID 配合使用（前提是 tool_call_id 字段被截断为最后 9 位数字）

4. examples/tool_chat_template_mistral_parallel.jinja - 这是一个“更好”的版本，当提供工具时，会添加一个工具使用系统提示，从而在使用并行工具调用时获得更高的可靠性。

推荐参数：

1. 使用 Mistral AI 官方格式：

   --tool-call-parser mistral

2. 在可用时使用 Transformers 格式：

   --tokenizer_mode hf --config_format hf --load_format hf --tool-call-parser mistral --chat-template examples/tool_chat_template_mistral_parallel.jinja

Llama 模型 (llama3_json)¶

支持的模型：

所有 Llama 3.1、3.2 和 4 模型均应被支持。

• meta-llama/Llama-3.1-*
• meta-llama/Llama-3.2-*
• meta-llama/Llama-4-*

支持的工具调用是基于 JSON 的工具调用。对于 Llama-3.2 模型引入的类 Python 工具调用，请参见下面的 pythonic 工具解析器。至于 Llama 4 模型，建议使用 llama4_pythonic 工具解析器。

其他工具调用格式，如内置的 Python 工具调用或自定义工具调用，不被支持。

已知问题：

1. Llama 3 不支持并行工具调用，但 Llama 4 模型支持。
2. 模型可能会以不正确的格式生成参数，例如生成序列化为字符串的数组而不是数组。

VLLM 为 Llama 3.1 和 3.2 提供了两个基于 JSON 的聊天模板：

• examples/tool_chat_template_llama3.1_json.jinja - 这是 Llama 3.1 模型的“官方”聊天模板，但经过调整，使其在 vLLM 中表现更好。
• examples/tool_chat_template_llama3.2_json.jinja - 这是在 Llama 3.1 聊天模板的基础上扩展的，增加了对图像的支持。

推荐参数：--tool-call-parser llama3_json --chat-template {see_above}

VLLM 还为 Llama 4 提供了一个类 Python 和基于 JSON 的聊天模板，但推荐使用类 Python 工具调用：

• examples/tool_chat_template_llama4_pythonic.jinja - 这是基于 Llama 4 模型的官方聊天模板。

对于 Llama 4 模型，使用 --tool-call-parser llama4_pythonic --chat-template examples/tool_chat_template_llama4_pythonic.jinja。

IBM Granite¶

支持的模型：

• ibm-granite/granite-4.0-h-small 及其他 Granite 4.0 模型

  推荐参数：--tool-call-parser hermes

• ibm-granite/granite-3.0-8b-instruct

  推荐参数：--tool-call-parser granite --chat-template examples/tool_chat_template_granite.jinja

  examples/tool_chat_template_granite.jinja：这是对 Hugging Face 上原始聊天模板的修改版本。支持并行函数调用。

• ibm-granite/granite-3.1-8b-instruct

  推荐参数：--tool-call-parser granite

  可以直接使用 Huggingface 的聊天模板。支持并行函数调用。

• ibm-granite/granite-20b-functioncalling

  推荐参数：--tool-call-parser granite-20b-fc --chat-template examples/tool_chat_template_granite_20b_fc.jinja

  examples/tool_chat_template_granite_20b_fc.jinja：这是对 Hugging Face 上原始聊天模板的修改版本，该原始模板与 vLLM 不兼容。它融合了 Hermes 模板中的函数描述元素，并遵循与论文中“响应生成”模式相同的系统提示。支持并行函数调用。

InternLM 模型 (internlm)¶

支持的模型：

• internlm/internlm2_5-7b-chat（已确认）
• 其他 internlm2.5 函数调用模型也兼容

已知问题：

• 尽管此实现也支持 InternLM2，但在使用 internlm/internlm2-chat-7b 模型进行测试时，工具调用结果不稳定。

推荐参数：--tool-call-parser internlm --chat-template examples/tool_chat_template_internlm2_tool.jinja

Jamba 模型 (jamba)¶

支持 AI21 的 Jamba-1.5 模型。

• ai21labs/AI21-Jamba-1.5-Mini
• ai21labs/AI21-Jamba-1.5-Large

参数：--tool-call-parser jamba

xLAM 模型 (xlam)¶

xLAM 工具解析器旨在支持以各种 JSON 格式生成工具调用的模型。它可以检测几种不同输出样式中的函数调用：

1. 直接 JSON 数组：以 [ 开头并以 ] 结尾的 JSON 数组输出字符串
2. 思考标签：使用包含 JSON 数组的 <think>...</think> 标签
3. 代码块：代码块中的 JSON (json ...)
4. 工具调用标签：使用 [TOOL_CALLS] 或 <tool_call>...</tool_call> 标签

支持并行函数调用，并且解析器可以有效地将文本内容与工具调用分开。

支持的模型：

• Salesforce Llama-xLAM 模型：Salesforce/Llama-xLAM-2-8B-fc-r、Salesforce/Llama-xLAM-2-70B-fc-r
• Qwen-xLAM 模型：Salesforce/xLAM-1B-fc-r、Salesforce/xLAM-3B-fc-r、Salesforce/Qwen-xLAM-32B-fc-r

参数：

• 对于基于 Llama 的 xLAM 模型：--tool-call-parser xlam --chat-template examples/tool_chat_template_xlam_llama.jinja
• 对于基于 Qwen 的 xLAM 模型：--tool-call-parser xlam --chat-template examples/tool_chat_template_xlam_qwen.jinja

Qwen 模型¶

对于 Qwen2.5，tokenizer_config.json 中的聊天模板已经包含了对 Hermes 风格工具使用的支持。因此，您可以使用 hermes 解析器来为 Qwen 模型启用工具调用。有关更多详细信息，请参阅官方 Qwen 文档

• Qwen/Qwen2.5-*
• Qwen/QwQ-32B

参数：--tool-call-parser hermes

MiniMax 模型 (minimax_m1)¶

支持的模型：

• MiniMaxAi/MiniMax-M1-40k（与 examples/tool_chat_template_minimax_m1.jinja 一起使用）
• MiniMaxAi/MiniMax-M1-80k（与 examples/tool_chat_template_minimax_m1.jinja 一起使用）

参数：--tool-call-parser minimax --chat-template examples/tool_chat_template_minimax_m1.jinja

DeepSeek-V3 模型 (deepseek_v3)¶

支持的模型：

• deepseek-ai/DeepSeek-V3-0324（与 examples/tool_chat_template_deepseekv3.jinja 一起使用）
• deepseek-ai/DeepSeek-R1-0528（与 examples/tool_chat_template_deepseekr1.jinja 一起使用）

参数：--tool-call-parser deepseek_v3 --chat-template {see_above}

DeepSeek-V3.1 模型 (deepseek_v31)¶

支持的模型：

• deepseek-ai/DeepSeek-V3.1（与 examples/tool_chat_template_deepseekv31.jinja 一起使用）

参数：--tool-call-parser deepseek_v31 --chat-template {see_above}

OpenAI OSS 模型 ('openai`)¶

支持的模型：

• openai/gpt-oss-20b
• openai/gpt-oss-120b

标志：--tool-call-parser openai

Kimi-K2 模型 (kimi_k2)¶

支持的模型：

• moonshotai/Kimi-K2-Instruct

标志：--tool-call-parser kimi_k2

混元模型 (hunyuan_a13b)¶

支持的模型：

• tencent/Hunyuan-A13B-Instruct（聊天模板已包含在 Hugging Face 模型文件中。）

标志：

• 非推理模式：--tool-call-parser hunyuan_a13b
• 推理模式：--tool-call-parser hunyuan_a13b --reasoning-parser hunyuan_a13b

LongCat-Flash-Chat 模型 (longcat)¶

支持的模型：

• meituan-longcat/LongCat-Flash-Chat
• meituan-longcat/LongCat-Flash-Chat-FP8

标志：--tool-call-parser longcat

GLM-4.5 模型 (glm45)¶

支持的模型：

• zai-org/GLM-4.5
• zai-org/GLM-4.5-Air
• zai-org/GLM-4.6

标志：--tool-call-parser glm45

GLM-4.7 模型 (glm47)¶

支持的模型：

• zai-org/GLM-4.7
• zai-org/GLM-4.7-Flash

标志：--tool-call-parser glm47

FunctionGemma 模型 (functiongemma)¶

Google 的 FunctionGemma 是一个轻量级（2.7 亿参数）模型，专为函数调用而设计。它基于 Gemma 3 构建，并针对笔记本电脑和手机等设备的边缘部署进行了优化。

支持的模型：

• google/functiongemma-270m-it

FunctionGemma 使用一种独特的输出格式，包含 <start_function_call> 和 <end_function_call> 标签：

<start_function_call>call:get_weather{location:<escape>London<escape>}<end_function_call>

该模型旨在针对特定的函数调用任务进行微调，以获得最佳效果。

标志：--tool-call-parser functiongemma --chat-template examples/tool_chat_template_functiongemma.jinja

Qwen3-Coder 模型 (qwen3_xml)¶

支持的模型：

• Qwen/Qwen3-Coder-480B-A35B-Instruct
• Qwen/Qwen3-Coder-30B-A3B-Instruct

标志：--tool-call-parser qwen3_xml

Olmo 3 模型 (olmo3)¶

Olmo 3 模型输出的工具调用格式与 pythonic 解析器（见下文）所期望的格式非常相似，但有一些差异。每个工具调用都是一个 pythonic 字符串，但并行工具调用以换行符分隔，并且调用被包装在 XML 标签 <function_calls>..</function_calls> 中。此外，该解析器还允许在 pythonic 格式（True、False 和 None）之外使用 JSON 布尔值和 null 字面量（true、false 和 null）。

支持的模型：

• allenai/Olmo-3-7B-Instruct
• allenai/Olmo-3-32B-Think

标志：--tool-call-parser olmo3

Gigachat 3 模型 (gigachat3)¶

使用 Hugging Face 模型文件中的聊天模板。

支持的模型：

• ai-sage/GigaChat3-702B-A36B-preview
• ai-sage/GigaChat3-702B-A36B-preview-bf16
• ai-sage/GigaChat3-10B-A1.8B
• ai-sage/GigaChat3-10B-A1.8B-bf16

标志：--tool-call-parser gigachat3

使用 Pythonic 工具调用的模型 (pythonic)¶

越来越多的模型输出一个 python 列表来表示工具调用，而不是使用 JSON。这样做的优势在于天生支持并行工具调用，并消除了工具调用所需 JSON 模式的歧义。pythonic 工具解析器可以支持此类模型。

作为一个具体示例，这些模型可以通过生成以下内容来查询旧金山和西雅图的天气：

[get_weather(city='San Francisco', metric='celsius'), get_weather(city='Seattle', metric='celsius')]

限制：

• 模型不能在同一个生成中同时输出文本和工具调用。对于特定模型来说，这可能不难更改，但社区目前在开始和结束工具调用时应发出哪些 token 方面缺乏共识。（特别是 Llama 3.2 模型不发出此类 token。）
• Llama 的较小模型难以有效使用工具。

支持的模型示例：

• meta-llama/Llama-3.2-1B-Instruct ⚠️（使用 examples/tool_chat_template_llama3.2_pythonic.jinja）
• meta-llama/Llama-3.2-3B-Instruct ⚠️（使用 examples/tool_chat_template_llama3.2_pythonic.jinja）
• Team-ACE/ToolACE-8B（使用 examples/tool_chat_template_toolace.jinja）
• fixie-ai/ultravox-v0_4-ToolACE-8B（使用 examples/tool_chat_template_toolace.jinja）
• meta-llama/Llama-4-Scout-17B-16E-Instruct ⚠️（使用 examples/tool_chat_template_llama4_pythonic.jinja）
• meta-llama/Llama-4-Maverick-17B-128E-Instruct ⚠️（使用 examples/tool_chat_template_llama4_pythonic.jinja）

标志：--tool-call-parser pythonic --chat-template {see_above}

如何编写工具解析器插件¶

工具解析器插件是一个 Python 文件，包含一个或多个 ToolParser 实现。您可以编写一个类似于 vllm/tool_parsers/hermes_tool_parser.py 中的 Hermes2ProToolParser 的 ToolParser。

以下是插件文件的摘要：

# 导入所需包

# 定义一个工具解析器并将其注册到 vllm
# register_module 中的名称列表可以在 --tool-call-parser 中使用。
# 您可以在此处定义任意数量的工具解析器。
class ExampleToolParser(ToolParser):
    def __init__(self, tokenizer: TokenizerLike):
        super().__init__(tokenizer)

    # 调整请求。例如：将 skip special tokens 设置为 False 以用于工具调用输出。
    def adjust_request(self, request: ChatCompletionRequest) -> ChatCompletionRequest:
        return request

    # 实现流式调用的工具调用解析
    def extract_tool_calls_streaming(
        self,
        previous_text: str,
        current_text: str,
        delta_text: str,
        previous_token_ids: Sequence[int],
        current_token_ids: Sequence[int],
        delta_token_ids: Sequence[int],
        request: ChatCompletionRequest,
    ) -> DeltaMessage | None:
        return delta

    # 实现非流式调用的工具解析
    def extract_tool_calls(
        self,
        model_output: str,
        request: ChatCompletionRequest,
    ) -> ExtractedToolCallInformation:
        return ExtractedToolCallInformation(tools_called=False,
                                            tool_calls=[],
                                            content=text)
# 将工具解析器注册到 ToolParserManager
ToolParserManager.register_lazy_module(
    name="example",
    module_path="vllm.tool_parsers.example",
    class_name="ExampleToolParser",
)

然后，您可以在命令行中像这样使用此插件。

    --enable-auto-tool-choice \
    --tool-parser-plugin <插件文件的绝对路径>
    --tool-call-parser example \
    --chat-template <您的聊天模板> \