使用JSON Schema 的 dependencies 实现 LLM 工具调用的参数约束

在构建大语言模型（LLM）可调用的工具时，我们通常会定义工具的参数结构（parameters），使模型能够根据用户输入自动选择工具并构造合法的参数调用。对于多功能工具，一个关键问题是：

不同动作（action）需要不同的参数，该如何让模型明白？

本文将进一步探讨：如何使用 JSON Schema 中的 dependencies 机制，优雅地约束不同 action 所需的参数，确保 LLM 生成合法的调用请求。

问题背景：工具支持多种动作，但参数不同

考虑一个通用浏览器控制工具 browser_use，它支持多种操作：

• go_to_url：需要 url
• click_element：需要 index
• input_text：需要 index 和 text
• web_search：需要 query

如果不做任何约束，模型可能会在 click_element 中错误地填入 text，导致调用失败或行为异常。

解决方案：使用 JSON Schema 的 dependencies

我们可以为工具定义如下参数结构：

{
  "type": "object",
  "properties": {
    "action": {
      "type": "string",
      "enum": ["go_to_url", "click_element", "input_text", "web_search"]
    },
    "url": { "type": "string" },
    "index": { "type": "integer" },
    "text": { "type": "string" },
    "query": { "type": "string" }
  },
  "required": ["action"],
  "dependencies": {
    "go_to_url": ["url"],
    "click_element": ["index"],
    "input_text": ["index", "text"],
    "web_search": ["query"]
  }
}

其中：

• required: 所有调用必须至少指定 action
• dependencies: 定义每个动作对应必须提供的参数

如果模型选择了 action = "click_element"，它就必须同时提供 index

模型如何理解 dependencies？

以用户问题为例：

“点击第二个按钮”

模型经过推理，会生成：

{
  "action": "click_element",
  "index": 2
}

这背后正是因为模型读懂了 schema 中的：

"click_element": ["index"]

从而避免生成无效调用：

{
  "action": "click_element",
  "text": "提交"
}

使用场景与兼容性

实践建议

• 当一个工具支持多个 action 时，强烈建议使用 dependencies 来约束参数组合。
• 避免写成统一大 schema 而不做依赖区分，会导致模型乱填字段。
• 建议搭配 description 字段，为每个参数添加清晰提示，有助于 LLM 理解和生成。

完整示例

{
  "name": "browser_use",
  "description": "A tool for browser automation and web page interaction.",
  "parameters": {
    "type": "object",
    "properties": {
      "action": {
        "type": "string",
        "enum": ["click_element", "go_to_url", "input_text", "web_search"]
      },
      "url": { "type": "string", "description": "URL to navigate to" },
      "index": { "type": "integer", "description": "Index of element" },
      "text": { "type": "string", "description": "Text input" },
      "query": { "type": "string", "description": "Search query" }
    },
    "required": ["action"],
    "dependencies": {
      "go_to_url": ["url"],
      "click_element": ["index"],
      "input_text": ["index", "text"],
      "web_search": ["query"]
    }
  }
}

总结

使用 JSON Schema 的 dependencies 字段，是实现 LLM 工具调用参数依赖管理的最佳实践之一：

• ✅ 约束参数组合合法性
• ✅ 避免模型生成错误字段
• ✅ 简洁清晰，模型易于理解
• ✅ 与主流 LLM 平台兼容性强

未来，在构建多功能 AI 工具时，合理使用 dependencies，可以极大提高系统健壮性和模型调用成功率。