加载中
构建带有工具使用的多轮对话需要处理来自Claude的不同响应类型。Claude响应时,它可能需要使用某个工具,也可能直接提供答案。您的代码需要优雅地处理这两种场景。
简单工具集成的问题
如果您只是在每次对话中都添加工具结果,就会遇到问题。当Claude回答像"1+1等于多少?"这样的简单问题时,它不需要任何工具。但如果您的代码总是尝试处理工具结果,最终会在对话历史中添加空消息。
解决方法是检查每次Claude响应返回的stop_reason。这会告诉您Claude为什么停止生成——是自然完成,还是因为它想要使用某个工具。
停止原因

Claude可能因以下几种原因停止:
"tool_use"- 模型想要调用某个工具"end_turn"- 模型已完成生成响应"max_tokens"- 达到输出限制"stop_sequence"- 遇到了您提供的停止序列
改进聊天函数
首先,更新您的聊天函数以返回更多信息。不要分别仅返回文本和各部分内容,而是返回一个包含所需全部内容的字典:
python
def chat(messages, tools=None, system=None, **kwargs):
# ... 现有代码 ...
return {
"parts": parts,
"stop_reason": response["stopReason"],
"text": "\n".join([p["text"] for p in parts if "text" in p])
}这种方法会从响应的各个部分中提取所有文本内容,这比假设第一部分总是文本更稳健。
构建对话循环
创建一个处理完整对话流程的函数:
python
def run_conversation(messages):
while True:
result = chat(messages, tools=[get_current_datetime_schema])
add_assistant_message(messages, result["parts"])
print(result["text"])
if result["stop_reason"] != "tool_use":
break
tool_result_parts = run_tools(result["parts"])
add_user_message(messages, tool_result_parts)
return messages这个循环会持续执行,直到Claude因工具使用以外的原因而停止。每次迭代:
- 将当前消息发送给Claude
- 将Claude的响应添加到消息历史中
- 检查Claude是否想要使用某个工具
- 如果是,则运行工具并将结果添加回对话中
- 如果不是,则退出循环
测试实现
这种方法既能处理需要工具的问题,也能处理简单问题:
python
# 需要使用工具的问题
messages = []
add_user_message(messages, "What time is it?")
run_conversation(messages)
# 简单问题
messages = []
add_user_message(messages, "What is 1+1?")
run_conversation(messages)对于时间相关的问题,Claude会使用datetime工具。对于数学问题,它会直接回答,不进行任何工具调用。对话循环会根据Claude的停止原因自动适应。
当您添加更多工具时,这种模式的扩展性很好——同一个循环可以处理工具使用和直接响应的任何组合,使您的对话式AI更加稳健和自然。