Toolify是一个开源中间件项目，通过提示词工程让任何语言模型API都能支持函数调用（Function Calling），旨在解决部分LLM接口原生不支持该能力的痛点。项目自动处理提示词构造、响应解析与多轮调用，实现方式类似Open WebUI的代码解释器功能，通过XML标签引导AI调用函数。相比社区已有的类似实现，Toolify具备多项改进：允许模型在输出任意位置调用函数、兼容思维链标签、支持一次性多函数调用、支持多上游渠道配置、模型可回溯上次调用的具体函数与参数，并提供Docker Compose快速部署方案。项目近期更新了模型映射功能。作者表示该项目已在公益站测试一段时间并稳定运行后才发布，同时说明了两点限制：为兼容流式响应，系统需逐个扫描模型输出内容，传入tools参数会导致流式输出变慢；由于基于提示词实现，效果不及原生支持Function Calling的接口，但性能较好的模型使用起来问题不大。项目代码托管在GitHub，作者呼吁有需要的用户给予star支持。
事件分析
从技术路径看，Toolify代表了用提示词工程弥补API能力缺口的轻量方案，其核心挑战在于流式场景下的输出扫描开销与解析稳定性。此类项目的出现折射出当前LLM服务生态的碎片化现状：函数调用虽已成为Agent应用的基础能力，但开源模型、第三方中转渠道的支持程度参差不齐。短期来看，这类中间件能显著降低代理站点和自部署模型接入工具生态的门槛，尤其利好依赖OpenAI兼容接口转发服务的开发者；长期来看，随着函数调用逐渐成为OpenAI兼容接口的事实标准，提示词模拟方案的生存空间可能收窄，但在私有化部署、微调模型等场景仍有持续需求。该项目与站内既有方案的迭代竞争，也体现了开源社区在LLM基础设施层的快速演化节奏。
核心观点：提示词模拟函数调用是生态碎片化下的过渡方案，却切中了开源模型与中转渠道工具能力参差的真痛点。
原文链接：Linux.do
