2026/7/23大约 3 分钟
在 Agent 开发的完整生命周期中，JSON Schema 并不是只在某一个地方闪现，它更像是一条贯穿始终的“合同”。
它主要作用在 大模型（LLM） 与 你的 Python 逻辑（Executor） 之间的 三次关键交收 阶段。
1. 第一阶段：注册与宣誓 (Registration Phase)
作用点：client.chat.completions.create(..., tools=tools)
当你初始化对话，把 tools 列表发给阿里云百炼时，JSON Schema 第一次起作用。
- 它的任务： 告诉 AI “大脑”，你现在拥有哪些超能力。
- 发生了什么： 大模型接收到这些 Schema 后，会将它们压缩并“理解”存入临时记忆。它现在知道：如果用户提到“内存”，它应该寻找名为
get_mem_usage的 Schema。
2. 第二阶段：决策与生成 (Reasoning Phase)
作用点： 模型内部推理，并返回 tool_calls。
这是最神奇的阶段。当 AI 决定要干活时，它会严格按照你给的 Schema “填表”。
- 它的任务： 约束 AI 的输出格式。
- 发生了什么： 如果你的 Schema 定义了参数
lines必须是integer（整数），AI 就绝不会返回"100"（字符串），而会返回100。 - 如果不符合： 如果 AI 生成的 JSON 不符合你的 Schema 规范，百炼的后端（网关层）通常会拦截并报错，或者要求 AI 重新生成。
3. 第三阶段：解析与分发 (Dispatching Phase)
作用点： 你的 Python 代码接收到 response 后。
当你拿到 response.choices[0].message.tool_calls 时，Schema 成了你代码的**“翻译指南”**。
- 它的任务： 确保代码能直接运行。
- 发生了什么： 因为你定义了 Schema，你就可以放心地写：
# 因为有 Schema 约束，你确信 args 里一定有 'topic' 这个键
args = json.loads(tool_call.function.arguments)
execute_query(topic=args['topic'])如果没有 Schema，你可能需要写几十行 if...else 来检查 AI 有没有写错参数名。
总结：它到底作用在哪里？
| 阶段 | 物理位置 | 核心作用 |
|---|---|---|
| 1. 握手阶段 | 发往云端的 HTTP 请求体中 | 同步认知：让 AI 知道工具有什么用。 |
| 2. 推理阶段 | 大模型的预测计算过程中 | 格式约束：强迫 AI 输出符合规范的参数。 |
| 3. 执行阶段 | 你的本地 Python 业务逻辑中 | 安全契约：保证代码能解析 AI 发来的数据。 |
深度理解：它就像一张“投递单”
你可以把 JSON Schema 想象成快递公司的电子投递单格式：
- 寄件前（第一阶段）：你告诉快递公司，你只接受填了“收件人、地址、电话”的包裹。
- 填单时（第二阶段）：寄件人（AI）必须按照格子填，漏填了系统（网关）不让过。
- 收件时（第三阶段）：你拿到单子，一眼就能看到地址在哪，不用再去猜这一坨文字里哪里是地址。
下一步建议
既然你已经理解了 JSON Schema 是“合同”，我们要不要在你现有的代码中，真正写一个 Schema 并发给百炼？
即使你还没写函数体，你也可以先看看：如果你问 AI 一个相关的问题，它返回的那个 **tool_calls** 结构到底长什么样。 这就是进入第二阶段最直观的体验。你要试试吗？