用描述和参数约束减少 n8n 工具误调用
教程展示如何为 n8n 的 AI Agent 接入工具,通过描述说明工具用途、调用时机、禁用条件和返回值,并介绍 `$fromAI` 参数与调用约束。
AI 深度解读
给 n8n 的 AI Agent 接上库存、CRM 和预约工具后,一句「这件有货吗」就可能触发选错工具、编造参数,甚至把同一个 API 调三遍。作者的主张是,遇到这类问题,先检查工具是怎么交给模型的。工具用途、参数来源和返回格式越明确,模型需要猜的地方就越少。
这套做法最实用的地方,是能把一次失败拆开排查。选错工具就看描述,填错值就看参数,重复调用就看返回结果。涉及下单、发消息这类操作,还要把确认和校验放进执行流程。
工具描述要写到模型能分清该查什么
HTTP Request Tool、Google Sheets Tool,或者通过 Call n8n Workflow Tool 接入的子工作流,都可以连到 AI Agent 的 Tool 接口。模型看不到节点内部怎么配置,只能根据暴露给它的工具名、描述和待填参数来决定怎么调用。工具叫 HTTP Request1、描述只写「API 工具」,它就得自己猜这个接口是查库存还是查价格。
下面这段描述把库存工具的触发条件和返回约定写在了一起。
Nom : verifier_stock
Description : Renvoie la quantité disponible d'un produit à partir de sa référence (SKU).
À utiliser uniquement quand le client demande si un produit est disponible.
Ne pas utiliser pour les prix ni les délais de livraison.
Renvoie un JSON { "sku": string, "quantite": number }. Si le SKU est inconnu, renvoie quantite = -1.
最后一行把未知 SKU 定义为 quantite = -1,给模型留下了区分「没查到这件商品」和「查到了,但库存为零」的依据。作者建议用 snake_case 起名,一个工具只做一个动作。尤其是读、写、删,别让模型靠一个模式参数在同一工具里切换。
哪些参数该交给模型,哪些条件该由流程校验
$fromAI() 适合填写取决于对话内容的字段。下面的表达式让模型从客户的话里提取商品编号。
{{ $fromAI('sku', 'Référence produit exacte, ex. TSH-001, telle que donnée par le client', 'string') }}
这一行把字段名设为 sku,给出 TSH-001 作为格式示例,并指定 string 类型。示例只是告诉模型值长什么样,实际应填客户给出的编号。原文也提到,部分工具字段旁有专门的按钮可以设置由模型填值,具体选项名称随 n8n 版本而异。其他字段由工作流固定,API 密钥留在 n8n 的 Credentials 里。
查库存和找客户属于读取。创建预约、下单或改状态会产生实际影响。给 creer_rendez_vous 这样的工具写清楚「客户明确确认后再调用」,能帮助模型判断时机。真正提交前,子工作流还可以检查必填字段、金额上限、SKU 格式和预约日期是否在未来,敏感操作可以加人工确认。参数有误时,流程应把可读的错误交回 Agent,方便它向用户补问。
模型反复查同一个接口,先看它收到了什么
一份有 200 个字段的 API 响应会占用上下文,模型还得从中找出回答所需的值。作者建议在子工作流末尾用 Set(Edit Fields)裁剪输出。库存例子只保留 sku、quantite 和 entrepot,分别对应 TSH-001、12 和 Casablanca。
原文也给了另一种空结果约定 {"trouve": false, "raison": "SKU inconnu"}。选哪种都可以,关键是工具描述和实际返回要对得上。空数组留给模型解释,它可能把「商品不存在」答成「暂时没货」。
系统提示词负责串起这些规则。回答库存前先调 verifier_stock,客户确认商品和数量后才调 creer_commande,工具报错就告知用户并提议转人工,库存、价格和交期都不能编。AI Agent 的 Max Iterations 可以限制反复调用。排查时到执行历史打开 AI Agent 节点,看每次调用的工具、参数和响应。每次只改一处,再重跑同一组案例,才容易看出是哪项改动起了作用。
我的判断
Flux Intelligent 在 Casablanca 为中小企业做 Agent 时采用这套配置。原文没有给出改动前后的误调用率,也没有对比不同模型,所以「大多数问题出在工具描述」是作者的经验判断。重复调用可能和返回含糊有关,单看调用次数还定位不了原因。
我更认同把描述和校验分开。描述管模型会怎么选,子工作流管这个调用能不能执行。只往系统提示词里加一句「确认后再下单」,执行端仍然接得到模型提前发来的请求。还有一种常见做法适合更固定的需求。如果入口已经明确是「查库存」,前端也拿到了 SKU,直接走固定工作流即可。只有当用户在自由对话里可能问库存、查客户或约时间时,才需要让模型在几个工具间选择。
能拿来做什么
- 给现有的库存或 CRM 工具补齐用途、使用条件、排除条件和返回约定,再用「有货吗」「多少钱」「什么时候能到」三种问法检查它是否只在该查库存时调用。
- 已经有 Node API 的团队,可以在 n8n 子工作流中集中接住模型传来的业务参数。先检查必填项和格式,再调用现有接口,最后只返回 Agent 回答所需的字段。
- 给预约或下单流程各重放一次已确认和未确认的对话,再用未知 SKU 检查错误响应。到执行历史核对实际调用的工具、入参和返回值,每次只调整一项后复测。