夜雨聆风大家好，上一期我们用 Spring AI 搭建了一个“小爱同学”智能体，实现了最基本的对话能力。但那个智能体只会“说”，还不会“做”。本期我们就给它装上 “手脚”，让它能调用工具干活儿——这就是 工具回调（Tool Calling）。
一、小白话简介
先想一个场景：你问智能体，“今天深圳天气怎么样？”
普通的大模型只能根据训练数据瞎猜，或者老老实实告诉你“我不能查询实时信息”。
而一个接了工具的智能体，会自动调用天气查询工具，拿到真实数据后再整理成自然语言回答：“深圳今天多云，26~32℃”
这个“自动识别意图 → 选择工具 → 执行调用 → 理解返回结果 → 生成最终回答”的过程，就是工具回调。
简单类比：
大模型 = 脑子 🧠
工具 = 手脚 🦾
工具回调 = 脑子指挥手脚去干活，并把干完的活儿说给你听。
在 Spring AI 里，你只需要用 @Tool 注解声明一个普通 Java 方法，框架就会自动把它包装成智能体可以调用的工具，非常简单。
二、基础铺垫
1️⃣ 工具的本质是什么？
对智能体来说，工具就是一段可以被大模型调用的结构化函数。每次工具调用通常包含：
工具名称：比如 getWeather
工具描述：告诉模型什么时候用，比如“根据城市名查询实时天气”
参数定义：比如城市名、日期等
执行逻辑：你的 Java 方法体
大模型本身并不执行这些逻辑，而是生成一个“我想调用这个工具”的指令，由框架替你执行，然后把结果送回模型做下一轮推理。
2️⃣ Spring AI 的工具回调机制
Spring AI 的工具回调基于 ReAct 模式（推理-行动循环），流程如下：
用户提问
→ 模型思考（我要不要用工具？用哪个？）
→ 模型输出“函数调用请求”
→ 框架执行对应 Java 方法
→ 将执行结果返回给模型
→ 模型结合结果生成最终回答
整个过程智能体可能循环多次（比如先查城市编码，再查天气），就像人处理复杂任务一样。
3️⃣ @Tool 注解的使用
在 Spring AI Alibaba 中，你只需要：
public class WeatherTools {@Tool(description = "根据城市名获取实时天气")public String getWeather(String city) {// 实际去调天气 API，这里模拟一下return city + "：多云，26~32℃";}}
在构造智能体时把工具对象传进去即可。
框架会自动解析注解，把方法元信息告诉大模型。
三、应用实践：为“小爱同学”装上天气查询工具
下面我们一步步实现一个能查天气的智能体。
步骤一：环境准备
与上一期一样，准备 Spring Boot 3 + JDK 17或以上的项目，pom.xml 核心依赖不变：
<!-- Spring AI Alibaba Agent框架 --><dependency><groupId>com.alibaba.cloud.ai</groupId><artifactId>spring-ai-alibaba-agent-framework</artifactId><version>1.1.2.0</version></dependency><!-- DashScope模型支持 --><dependency><groupId>com.alibaba.cloud.ai</groupId><artifactId>spring-ai-alibaba-starter-dashscope</artifactId><version>1.1.2.0</version></dependency>
spring-ai-alibaba-agent-framework 已经内置了对工具回调的支持，不需要额外依赖。
步骤二：编写工具类
创建一个模拟天气查询的工具，真实场景中可接入高德、和风天气等 API。
import com.alibaba.cloud.ai.graph.agent.annotation.Tool;import org.springframework.ai.tool.annotation.ToolParam;import org.springframework.stereotype.Component;@Componentpublic class WeatherTools {@Tool(description = "查询指定城市的实时天气，返回天气状况、温度范围等信息")public String getWeather(@ToolParam(description = "城市名称，如'深圳'、'北京'、'上海'") String city) {// 模拟返回不同城市的天气return switch (city) {case "深圳" -> "深圳：多云，26~32℃，微风";case "北京" -> "北京：晴，18~28℃，北风3级";case "上海" -> "上海：小雨，22~26℃，东南风2级";default -> city + "：天气数据暂未覆盖";};}}
重点：@Tool 的 description 非常重要，模型正是通过它来判断什么时候该用这个工具。一定要准确、简洁。
步骤三：创建带工具的 ReAct 智能体
在主程序里，把工具对象传给 ReactAgent，让智能体“认识”它。
import com.alibaba.cloud.ai.dashscope.api.DashScopeApi;import com.alibaba.cloud.ai.dashscope.chat.DashScopeChatModel;import com.alibaba.cloud.ai.graph.agent.ReactAgent;import org.springframework.ai.chat.model.ChatModel;public class ToolCallingAgent {public static void main(String[] args) throws Exception {// 1. 创建模型（替换成你自己的 Key）DashScopeApi dashScopeApi = DashScopeApi.builder().apiKey("sk-你的API-KEY").build();ChatModel chatModel = DashScopeChatModel.builder().dashScopeApi(dashScopeApi).build();// 2. 实例化工具ToolCallback[] weatherTools = MethodToolCallbackProvider.builder().toolObjects(new WeatherTools()).build().getToolCallbacks();// 3. 创建 ReAct 智能体，注入工具ReactAgent agent = ReactAgent.builder().name("小爱同学").model(chatModel).instruction("你叫小爱同学，是一个能查询天气的智能助手。用户问天气时务必调用工具获取实时数据。").tools(weatherTools) // 注册工具.build();// 4. 测试问天气var response1 = agent.call("今天深圳天气怎么样？");System.out.println("回答1：" + response1.getText());var response2 = agent.call("北京呢？");System.out.println("回答2：" + response2.getText());var response3 = agent.call("天津呢？");System.out.println("回答3：" + response3.getText());}}
阿里云百炼的 DashScope API，Key 获取链接：
https://bailian.console.aliyun.com/cn-beijing?tab=api#/api
步骤四：运行与结果
运行 main 方法，观察控制台输出：
这说明智能体正确识别了意图，自主调用了工具，并基于结果生成了最终回答。至此，“手脚”已成功安装！
🎉 总结
本期我们给“小爱同学”添加了天气查询工具，实现了：
@Tool 注解定义工具：一个普通方法瞬间变成智能体的能力
在 ReAct 智能体中注册工具：模型自动根据描述判断何时调用
模拟真实业务：让智能体从“只会说”进化为“能做会说”
这就是工具回调的核心玩法。
掌握了它，你就可以轻松为智能体接入数据库查询、发邮件、操作文件系统、调用企业接口等各种能力，真正成为你的“行动派”私人助理。
下期预告：智能体的“记忆”机制。我们将给智能体装上海马体，让它记住对话上下文、用户偏好，甚至跨会话保持状态。敬请期待！✨
快动手试试，有问题欢迎在评论区交流。
欢迎关注
我知道你 “在看”
