1. 从一次“模型不调工具”的排查说起SpringAI 的 ChatClient 工具回调机制简单说就是让大模型在对话过程中主动调用你写的 Java 方法模型判断需要查订单、退票、查天气时不再只吐文字而是生成一个tool_call请求框架解析后执行对应方法再把结果塞回上下文让模型继续回答。它适合已经在用 Spring Boot 做后端、想让 LLM 真正“动手干活”的开发者尤其是订单、工单、风控这类需要真实业务动作的场景。我试过在本地把Tool注解、ToolCallback、FunctionToolCallback三种方式都跑了一遍最容易卡住的不是工具本身而是模型通道的 Key 和 Base URL 配置——工具描述写得再清楚请求发不出去或者模型能力不匹配回调链路根本触发不了。这篇就聚焦工程落地用一份可复制的settings.json骨架接入 TaoToken 统一 Key/API 通道然后在 Spring Boot 里完成工具回调注册与触发链路验证预期跑通一次带工具调用的对话请求。TaoToken 在这里的角色是统一模型入口一个 Key 走通对话与工具调用省去在多个模型供应商之间来回切换配置。官网入口在 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 地址是 https://taotoken.net/api 注意 API 路径不带 UTM 参数配置时别把推广参数拼进去。2. TaoToken 前置Key 与通道准备2.1 为什么工具回调对通道有要求工具回调不是纯文本补全它要求模型返回结构化的tool_calls字段。如果通道背后的模型不支持 function calling或者网关把tools参数吞掉了你会看到模型正常回文字、但永远不触发工具。所以第一步不是写 Java而是确认通道支持工具调用。TaoToken 的模型对话入口在 https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 可以先在里面选一个明确支持 function calling 的模型比如常见的 GPT 系列或 Claude 系列。选模型时留意页面标注的能力项工具调用通常和“函数调用/工具”能力绑定。2.2 创建统一 Key进入控制台 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 在 API Keys 页面新建一个 Key建议按项目命名比如springai-tool-demo。Key 只在创建时完整显示一次复制后先存到本地环境变量或配置中心别直接硬编码进 Git。API Keys 直达页https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content2.3 settings.json 骨架SpringAI 本身用application.yml配置模型但很多团队会把模型通道参数抽到独立的settings.json里统一管理方便多环境切换。下面这份骨架可以直接复制把apiKey换成你自己的{ springai: { provider: openai-compatible, baseUrl: https://taotoken.net/api, apiKey: sk-你的TaoTokenKey, chat: { model: gpt-4o-mini, temperature: 0.2, toolCalling: { enabled: true, maxIterations: 5 } } } }几个参数说明baseUrl固定为https://taotoken.net/api不要带任何查询参数toolCalling.enabled打开工具调用maxIterations控制工具回调的最大轮次防止模型陷入“调用—返回—再调用”的死循环一般 3 到 5 足够。注意apiKey不要提交到代码仓库。生产环境建议用环境变量TAOTOKEN_API_KEY注入settings.json里只留占位符。3. 可复制配置Spring Boot 接入与工具注册3.1 依赖与读取 settings.json在pom.xml里引入 SpringAI 的 OpenAI starter版本按你项目实际选这里以 1.0 系列为例dependency groupIdorg.springframework.ai/groupId artifactIdspring-ai-openai-spring-boot-starter/artifactId version1.0.0-M6/version /dependency然后写一个配置类把settings.json读进来并构建ChatClient。核心是把baseUrl和apiKey传给OpenAiApiConfiguration public class ChatClientConfig { Bean public OpenAiApi openAiApi() throws IOException { ObjectMapper mapper new ObjectMapper(); JsonNode root mapper.readTree( new ClassPathResource(settings.json).getInputStream()); JsonNode cfg root.path(springai); return OpenAiApi.builder() .baseUrl(cfg.path(baseUrl).asText()) .apiKey(cfg.path(apiKey).asText()) .build(); } Bean public ChatClient chatClient(OpenAiApi openAiApi) { return ChatClient.builder(new OpenAiChatModel(openAiApi)) .defaultSystem(你是一个订单助手需要退票时调用工具。) .build(); } }这里baseUrl指向 TaoToken 的 API 地址OpenAiApi会拼出/v1/chat/completions这类路径所以配置里只写到/api即可。3.2 用 Tool 注解定义工具先定义一个最简单的退票工具用Tool和ToolParam声明语义Slf4j Service public class TicketTool { Tool(description 当用户明确要求退票时调用参数为姓名和订单号) public String cancel( ToolParam(description 用户姓名) String name, ToolParam(description 订单号) String orderId) { log.info(执行退票工具: {} - {}, name, orderId); // 这里替换成真实业务调用 return 退票成功订单号 orderId; } }description要写清楚“什么时候调用”而不是只写“退票”。模型靠这段文字判断是否触发写得越贴近用户口语命中率越高。3.3 注册到 ChatClient 并触发在服务里把工具注册进去注意.tools(ticketTool)这一步Service public class ToolCallService { private final ChatClient chatClient; private final TicketTool ticketTool; public ToolCallService(ChatClient chatClient, TicketTool ticketTool) { this.chatClient chatClient; this.ticketTool ticketTool; } public String chat(String message) { return chatClient.prompt() .user(message) .tools(ticketTool) .call() .content(); } }写个 Controller 或测试方法调用chat(帮我退票姓名张三订单号 A1001)如果链路通了日志里会先打印“执行退票工具”然后模型基于工具返回值生成最终回复。4. 验证请求跑通一次带工具调用的对话4.1 用 curl 先验证通道在写 Java 之前先用 curl 确认 TaoToken 通道支持工具调用能省掉大量排查时间curl https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer $TAOTOKEN_API_KEY \ -H Content-Type: application/json \ -d { model: gpt-4o-mini, messages: [{role: user, content: 帮我退票姓名张三订单号A1001}], tools: [{ type: function, function: { name: cancel, description: 当用户明确要求退票时调用, parameters: { type: object, properties: { name: {type: string, description: 用户姓名}, orderId: {type: string, description: 订单号} }, required: [name, orderId] } } }] }如果返回的choices[0].message里带tool_calls字段说明通道和模型都支持工具调用可以放心往下走。如果只返回普通文本先换一个支持 function calling 的模型再试。4.2 观察 Spring 侧日志启动 Spring Boot 后调用接口重点看两类日志一是TicketTool里的log.info确认方法真的被执行二是 SpringAI 的调试日志能看到tool_call的 name 和 arguments。可以在application.yml里打开logging: level: org.springframework.ai: DEBUG成功时你会看到类似Tool execution result: 退票成功订单号 A1001的日志随后模型输出最终答复。到这一步工具回调链路就算跑通了。5. 本篇常见错排查5.1 模型不触发工具调用最常见的原因是description太笼统。把“退票”改成“当用户明确要求退票时调用”并在系统提示里补一句“涉及退票必须调用工具”命中率会明显提升。另外确认settings.json里toolCalling.enabled是true且请求确实带上了tools参数。5.2 参数反序列化失败如果日志报Cannot deserialize或参数为 null检查 JSON Schema 里的type和 Java 类型是否一致。比如订单号在 Schema 里写成integer、Java 里却是String就会失败。统一用String接收订单号这类标识符避免前导零丢失。5.3 工具执行后模型无响应工具方法返回null或抛异常被吞掉模型拿不到结果就会卡住。给工具方法加全局 try-catch返回值强制非空try { // 业务逻辑 return 退票成功; } catch (Exception e) { log.error(工具执行失败, e); return 退票失败: e.getMessage(); }5.4 401 或 404 报错401 通常是 Key 无效或没带Bearer前缀404 多半是baseUrl写错比如多写了/v1或带了 UTM 参数。记住 API 地址就是https://taotoken.net/api路径拼接交给 SDK。5.5 回调轮次过多模型反复调用同一个工具通常是工具返回值没有给出明确结论。让返回值包含“成功/失败”和关键信息模型才能判断下一步。同时把maxIterations设成 5 以内兜底。6. 继续往下走工具回调跑通后下一步通常是把工具集从单个 Bean 扩展成注册中心或者接入更复杂的编码/Agent 场景。如果你要长期跑编码类任务、需要稳定的额度和多模型切换可以了解 Coding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 它更适合持续性的开发工作流。接入过程中遇到通道或 Key 的问题直接查接入文档https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 里面有针对 OpenAI 兼容协议的参数说明。想先验证模型本身是否支持工具调用去模型对话页手动发一条带工具的请求最快https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 。Key 管理仍在 API Keys 页面https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 。最后留一个实用习惯把settings.json里的模型名、maxIterations、工具description当成三个独立变量分别调优别一次改一堆否则出问题很难定位是通道、模型还是工具描述导致的。