feat: 优化MCP工具调用体验并集成通用适配器

- 静默检查MCP工具可用性，支持提示词注入调用mcp - 集成UniversalMCPAdapter，支持自动API能力检测和智能降级 - 新增MCP适配器配置项，增强系统兼容性和健壮性
2025-11-24 11:30:27 +08:00
parent 002a16d259
commit 69e3e46c96
8 changed files with 1085 additions and 50 deletions
@@ -0,0 +1,171 @@
+"""Function Calling适配器 - 支持原生Function Calling的API"""
+
+import json
+from typing import Dict, Any, List
+from app.mcp.adapters.base import BaseMCPAdapter, AdapterType, ToolCallResult
+from app.logger import get_logger
+
+logger = get_logger(__name__)
+
+
+class FunctionCallingAdapter(BaseMCPAdapter):
+    """Function Calling适配器 - 用于支持原生工具调用的AI API（如OpenAI）"""
+    
+    def __init__(self):
+        super().__init__()
+        self.adapter_type = AdapterType.FUNCTION_CALLING
+    
+    def supports_native_tools(self) -> bool:
+        """支持原生工具调用"""
+        return True
+    
+    def format_tools_for_prompt(
+        self,
+        tools: List[Dict[str, Any]],
+        user_message: str
+    ) -> str:
+        """
+        Function Calling模式下，工具通过API参数传递，不需要修改提示词
+        
+        Returns:
+            原始用户消息
+        """
+        return user_message
+    
+    def get_tools_for_api(self, tools: List[Dict[str, Any]]) -> List[Dict[str, Any]]:
+        """
+        获取适用于API的工具格式
+        
+        Args:
+            tools: MCP工具列表
+            
+        Returns:
+            适用于OpenAI Function Calling的工具格式
+        """
+        return tools
+    
+    def parse_tool_calls(self, ai_response: Any) -> ToolCallResult:
+        """
+        从AI响应中解析工具调用（Function Calling格式）
+        
+        Args:
+            ai_response: AI响应对象（通常是OpenAI的ChatCompletion对象）
+            
+        Returns:
+            解析结果
+        """
+        
+        try:
+            # 处理不同类型的响应
+            if isinstance(ai_response, dict):
+                # 字典格式（OpenAI API响应）
+                message = ai_response.get("choices", [{}])[0].get("message", {})
+                tool_calls = message.get("tool_calls", [])
+                content = message.get("content", "")
+                
+            elif hasattr(ai_response, "choices"):
+                # 对象格式（OpenAI SDK响应）
+                message = ai_response.choices[0].message
+                tool_calls = getattr(message, "tool_calls", None) or []
+                content = getattr(message, "content", "") or ""
+                
+                # 转换为字典格式
+                if tool_calls:
+                    tool_calls = [
+                        {
+                            "id": tc.id,
+                            "type": tc.type,
+                            "function": {
+                                "name": tc.function.name,
+                                "arguments": tc.function.arguments
+                            }
+                        }
+                        for tc in tool_calls
+                    ]
+            else:
+                # 字符串格式（降级为文本响应）
+                return ToolCallResult(
+                    tool_calls=[],
+                    raw_response=str(ai_response),
+                    has_tool_calls=False
+                )
+            
+            has_tool_calls = len(tool_calls) > 0
+            
+            if has_tool_calls:
+                logger.info(f"✅ Function Calling模式解析出 {len(tool_calls)} 个工具调用")
+                for tc in tool_calls:
+                    logger.info(f"  - {tc['function']['name']}")
+            
+            return ToolCallResult(
+                tool_calls=tool_calls,
+                raw_response=content or "",
+                has_tool_calls=has_tool_calls,
+                needs_continuation=has_tool_calls
+            )
+            
+        except Exception as e:
+            logger.error(f"❌ 解析Function Calling响应失败: {e}", exc_info=True)
+            return ToolCallResult(
+                tool_calls=[],
+                raw_response=str(ai_response),
+                has_tool_calls=False
+            )
+    
+    def build_continuation_prompt(
+        self,
+        original_message: str,
+        ai_response: str,
+        tool_results: List[Dict[str, Any]]
+    ) -> str:
+        """
+        构建包含工具结果的继续对话提示词
+        
+        在Function Calling模式下，这通常不需要，因为工具结果会作为消息历史的一部分
+        """
+        # Function Calling模式下通常通过消息历史传递工具结果
+        # 这里提供一个降级方案
+        results_text = "\n\n".join([
+            f"工具 {r['name']} 的结果:\n{r['content']}"
+            for r in tool_results
+        ])
+        
+        return f"{original_message}\n\n工具执行结果:\n{results_text}\n\n请基于以上工具结果回答用户的问题。"
+    
+    def build_messages_with_tool_results(
+        self,
+        messages: List[Dict[str, Any]],
+        tool_calls: List[Dict[str, Any]],
+        tool_results: List[Dict[str, Any]]
+    ) -> List[Dict[str, Any]]:
+        """
+        构建包含工具结果的消息历史（Function Calling标准格式）
+        
+        Args:
+            messages: 原始消息历史
+            tool_calls: AI的工具调用
+            tool_results: 工具执行结果
+            
+        Returns:
+            更新后的消息历史
+        """
+        
+        new_messages = messages.copy()
+        
+        # 添加助手的工具调用消息
+        new_messages.append({
+            "role": "assistant",
+            "content": None,
+            "tool_calls": tool_calls
+        })
+        
+        # 添加工具结果消息
+        for result in tool_results:
+            new_messages.append({
+                "role": "tool",
+                "tool_call_id": result.get("tool_call_id", ""),
+                "name": result.get("name", ""),
+                "content": result.get("content", "")
+            })
+        
+        return new_messages