如何把 tinygrad LLM 服务的 OpenAI 兼容 API 接入聊天机器人并解析 tool call【免费下载链接】tinygradYou like pytorch? You like micrograd? You love tinygrad! ❤️项目地址: https://gitcode.com/GitHub_Trending/tiny/tinygradtinygrad 自带一个 LLM 服务用--serve启动后它在/v1路径下提供 OpenAI 兼容 APItinygrad/llm/serve.py。你的聊天机器人代码不需要为 tinygrad 写专用客户端直接用 OpenAI SDK 并把base_url指向这个服务即可服务端负责渲染聊天模板、把模型输出中的 tool call 块解析并转换成 OpenAI 格式的tool_calls你的机器人拿到后执行本地工具、再把结果回传完成多轮工具循环。本文覆盖启动服务、验证连通性、用 OpenAI SDK 发起流式/非流式请求、声明工具并解析tool_calls、以及回传工具结果的完整闭环。准备条件已安装 tinygrad 的 Python 环境。已安装jinja2服务会优先使用 GGUF 模型自带的 chat templatejinja2.Environment加载 tokenizer.chat_template这是工具调用依赖的模板未安装 jinja2 时服务端打印warning: jinja2 is not installed, the models chat template is disabled并回退到FallbackTemplate该模板明确不支持 tool calling。已安装openai包客户端侧。test/null/test_llm_server.py 的集成测试就是直接from openai import OpenAI打这个服务。一个 GGUF 模型内置模型名llama3.2:1b、llama3.2:3b、qwen3:0.6b等见 tinygrad/llm/cli.py 中的models字典或本地 GGUF 文件路径。启动 OpenAI 兼容服务python3 -m tinygrad.llm --serve 8123 --model qwen3:0.6b参数说明见 cli.py--serve [PORT]启动 OpenAI 兼容 API带参数时为该端口不带参数只写--serve默认 8000。--model / -m内置模型名或本地 GGUF 文件路径默认取models字典第一个键llama3.2:1b。--max_context最大上下文长度默认 4096。--no_chat_template跳过模型自带模板、强制使用 fallback 模板需要工具调用时不要加。服务启动时会打印使用的模型名、字节数、参数量与最大上下文并执行 JIT 预热serve 模式默认 warmup。用浏览器直接访问http://localhost:8123会返回内置聊天页 chat.html可以随手确认服务活着。验证连通性GET /v1/models服务实现的端点有GET /v1/models和POST /v1/chat/completions其他路径不处理serve.py。用curl做一次冒烟检查curl http://localhost:8123/v1/models按 测试用例 的口径判断成功状态码 200响应 JSON 中object为listdata[0][object]为modeldata[0][id]是本服务加载模型的名称。接入 OpenAI 客户端客户端只需把base_url指向服务的/v1api_key服务端不校验测试中传的字符串是testtest_llm_server.pyfrom openai import OpenAI client OpenAI(base_urlhttp://localhost:8123/v1, api_keytest)非流式请求resp client.chat.completions.create( modelqwen3:0.6b, # 用 /v1/models 返回的 id messages[ {role: system, content: You are helpful.}, {role: user, content: Hello}, {role: assistant, content: Hi!}, {role: user, content: How are you?}, ], streamFalse, ) print(resp.object, resp.choices[0].finish_reason)按 测试 的口径resp.id以chatcmpl-开头resp.object为chat.completionchoices[0].message.role为assistantfinish_reason为stopusage含prompt_tokens/completion_tokens。流式请求stream client.chat.completions.create( modelqwen3:0.6b, messages[{role: user, content: Hello}], streamTrue, stream_options{include_usage: True}, ) for chunk in stream: if chunk.choices: delta chunk.choices[0].delta if delta.content: print(delta.content, end) if chunk.usage: print(\n, chunk.usage)流式响应按 OpenAI 的chat.completion.chunk下发首个 chunk 的delta.role为assistant最后一个带finish_reasontest。stream_options{include_usage: True}时末尾会多一个choices为空、带usage的 chunk服务端仅在stream_options.include_usage为真或请求非流式时附带 usage见 serve.py。正文按delta.content分片如果模型输出以think块开头块内文本会走delta.reasoning_content字段StreamRouter正文与推理内容可以分开渲染。声明工具并解析 tool call服务端如何解析 tool call请求体里带tools字段时服务会把它交给 chat template 渲染serve.py。模型输出里的工具调用块由 parse_tool_call 解析支持两种格式JSON 格式hermes 风格{name: ..., arguments: {...}}arguments缺失时会读parameters字段XML 格式functionnameparameterkeyvalue/parameter.../function参数值以合法 JSON 开头时按 JSON 解析否则保留为字符串。流式输出中【免费下载链接】tinygradYou like pytorch? You like micrograd? You love tinygrad! ❤️项目地址: https://gitcode.com/GitHub_Trending/tiny/tinygrad创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考