工具

backend/app/services/workflow_engine.py

@@ -725,19 +725,44 @@ class WorkflowEngine:
                 # 记录实际发送给LLM的prompt
                 logger.info(f"[rjb] 准备调用LLM: node_id={node_id}, provider={provider}, model={model}, prompt前200字符='{prompt[:200] if len(prompt) > 200 else prompt}'")
                 
+                # 检查是否启用工具调用
+                enable_tools = node_data.get('enable_tools', False)
+                tools_config = node_data.get('tools', [])  # 工具名称列表
+                
+                # 如果启用了工具，加载工具定义
+                tools = []
+                if enable_tools and tools_config:
+                    from app.services.tool_registry import tool_registry
+                    # 从注册表加载工具定义
+                    tools = tool_registry.get_tools_by_names(tools_config)
+                    logger.info(f"[rjb] LLM节点启用工具调用: {len(tools)} 个工具, 工具列表: {tools_config}")
+                
                 # 调用LLM服务
                 try:
                     if self.logger:
-                        logger.debug(f"[rjb] LLM节点配置: provider={provider}, model={model}, 使用系统默认API Key配置")
+                        logger.debug(f"[rjb] LLM节点配置: provider={provider}, model={model}, 使用系统默认API Key配置, 工具调用: {'启用' if tools else '禁用'}")
                         self.logger.info(f"调用LLM服务: {provider}/{model}", node_id=node_id, node_type=node_type)
-                    result = await llm_service.call_llm(
-                        prompt=prompt,
-                        provider=provider,
-                        model=model,
-                        temperature=temperature,
-                        max_tokens=max_tokens
-                        # 不传递 api_key 和 base_url，使用系统默认配置
-                    )
+                    
+                    # 根据是否启用工具选择不同的调用方式
+                    if tools:
+                        result = await llm_service.call_llm_with_tools(
+                            prompt=prompt,
+                            tools=tools,
+                            provider=provider,
+                            model=model,
+                            temperature=temperature,
+                            max_tokens=max_tokens
+                        )
+                    else:
+                        result = await llm_service.call_llm(
+                            prompt=prompt,
+                            provider=provider,
+                            model=model,
+                            temperature=temperature,
+                            max_tokens=max_tokens
+                            # 不传递 api_key 和 base_url，使用系统默认配置
+                        )
+                    
                     exec_result = {'output': result, 'status': 'success'}
                     if self.logger:
                         duration = int((time.time() - start_time) * 1000)
@@ -748,6 +773,7 @@ class WorkflowEngine:
                     if self.logger:
                         duration = int((time.time() - start_time) * 1000)
                         self.logger.log_node_error(node_id, node_type, e, duration)
+                    logger.error(f"[rjb] LLM节点执行失败: {str(e)}", exc_info=True)
                     return {
                         'output': None,
                         'status': 'failed',
@@ -2438,6 +2464,15 @@ class WorkflowEngine:
                                     logger.info(f"[rjb] user_input: {user_input[:50]}, output: {str(output)[:50]}, timestamp: {timestamp}")
                                     value = eval(value_str, {"__builtins__": {}}, safe_dict)
                                     logger.info(f"[rjb] Cache节点 {node_id} value模板执行成功，类型: {type(value)}")
+                                    
+                                    # 确保conversation_history只保留最近的20条（性能优化）
+                                    if isinstance(value, dict) and 'conversation_history' in value:
+                                        if isinstance(value['conversation_history'], list):
+                                            max_history_length = 20
+                                            if len(value['conversation_history']) > max_history_length:
+                                                value['conversation_history'] = value['conversation_history'][-max_history_length:]
+                                                logger.info(f"[rjb] 对话历史已截断，保留最近 {max_history_length} 条")
+                                    
                                     if isinstance(value, dict):
                                         logger.info(f"[rjb] keys: {list(value.keys())}")
                                         if 'conversation_history' in value: