doc：修复第七章 tiny-agent

docs/chapter7/Agent/src/core.py

@@ -51,14 +51,15 @@ class Agent:
             stream=False,
         )
         if response.choices[0].message.tool_calls:
+            self.messages.append({"role": "assistant", "content": response.choices[0].message.content})
             # 处理工具调用
             tool_list = []
             for tool_call in response.choices[0].message.tool_calls:
                 # 处理工具调用并将结果添加到消息列表中
                 self.messages.append(self.handle_tool_call(tool_call))
-                tool_list.append(tool_call.function.name)
+                tool_list.append([tool_call.function.name, tool_call.function.arguments])
             if self.verbose:
-                print("调用工具：", tool_list)
+                print("调用工具：", response.choices[0].message.content, tool_list)
             # 再次获取模型的完成响应，这次包含工具调用的结果
             response = self.client.chat.completions.create(
                 model=self.model,

docs/chapter7/Agent/src/tools.py

@@ -17,7 +17,7 @@ def add(a: float, b: float):
     :param b: 第二个浮点数。
     :return: 两个浮点数的和。
     """
-    return a + b
+    return str(a + b)
 
 def mul(a: float, b: float):
     """
@@ -26,7 +26,7 @@ def mul(a: float, b: float):
     :param b: 第二个浮点数。
     :return: 两个浮点数的积。
     """
-    return a * b
+    return str(a * b)
 
 def compare(a: float, b: float):
     """

docs/chapter7/第七章 大模型应用.md

@@ -488,7 +488,7 @@ def add(a: float, b: float):
     :param b: 第二个浮点数。
     :return: 两个浮点数的和。
     """
-    return a + b
+    return str(a + b)
 
 def compare(a: float, b: float):
     """
@@ -511,7 +511,7 @@ def count_letter_in_string(a: str, b: str):
     :param b: 要统计的字母。
     :return: 字母在字符串中出现的次数。
     """
-    return a.count(b)
+    return str(a.count(b))
 
 # ... (可能还有其他工具函数)
 ```
@@ -560,7 +560,7 @@ SYSREM_PROMPT = """
 class Agent:
     def __init__(self, client: OpenAI, model: str = "Qwen/Qwen2.5-32B-Instruct", tools: List=[], verbose : bool = True):
         self.client = client
-        self.tools = tools # 存储可用的工具函数列表
+        self.tools = tools
         self.model = model
         self.messages = [
             {"role": "system", "content": SYSREM_PROMPT},
@@ -568,20 +568,17 @@ class Agent:
         self.verbose = verbose
 
     def get_tool_schema(self) -> List[Dict[str, Any]]:
-        # 使用 utils.function_to_json 获取所有工具的 JSON Schema
+        # 获取所有工具的 JSON 模式
         return [function_to_json(tool) for tool in self.tools]
 
     def handle_tool_call(self, tool_call):
-        # 处理来自模型的工具调用请求
+        # 处理工具调用
         function_name = tool_call.function.name
         function_args = tool_call.function.arguments
         function_id = tool_call.id
 
-        # 动态执行工具函数
-        # 注意：实际应用中应添加更严格的安全检查
         function_call_content = eval(f"{function_name}(**{function_args})")
 
-        # 返回工具执行结果给模型
         return {
             "role": "tool",
             "content": function_call_content,
@@ -589,37 +586,37 @@ class Agent:
         }
 
     def get_completion(self, prompt) -> str:
-        # 主对话逻辑
+
         self.messages.append({"role": "user", "content": prompt})
 
-        # 第一次调用模型，传入工具 Schema
+        # 获取模型的完成响应
         response = self.client.chat.completions.create(
             model=self.model,
             messages=self.messages,
             tools=self.get_tool_schema(),
             stream=False,
         )
-
+        
-        # 检查模型是否请求调用工具
+        # 检查模型是否调用了工具        
         if response.choices[0].message.tool_calls:
+            self.messages.append({"role": "assistant", "content": response.choices[0].message.content})
+            # 处理工具调用
             tool_list = []
-            # 处理所有工具调用请求
             for tool_call in response.choices[0].message.tool_calls:
-                # 执行工具并将结果添加到消息历史中
+                # 处理工具调用并将结果添加到消息列表中
                 self.messages.append(self.handle_tool_call(tool_call))
-                tool_list.append(tool_call.function.name)
+                tool_list.append([tool_call.function.name, tool_call.function.arguments])
             if self.verbose:
-                print("调用工具：", tool_list)
+                print("调用工具：", response.choices[0].message.content, tool_list)
-            
+            # 再次获取模型的完成响应，这次包含工具调用的结果
-            # 第二次调用模型，传入工具执行结果
             response = self.client.chat.completions.create(
                 model=self.model,
                 messages=self.messages,
-                tools=self.get_tool_schema(), # 再次传入 Schema 可能有助于模型理解上下文
+                tools=self.get_tool_schema(),
                 stream=False,
             )
 
-        # 将最终的助手回复添加到消息历史
+        # 将模型的完成响应添加到消息列表中
         self.messages.append({"role": "assistant", "content": response.choices[0].message.content})
         return response.choices[0].message.content
 ```