LangChain 工具调用返回空 content，通常并非代码逻辑错误，而是所选大模型（如 Mixtral-8x7B）虽宣称支持工具调用，实际未正确实现 tool_choice 或 tool_calls 响应解析机制；切换为真正原生支持结构化工具调用的模型（如 GPT-4o-mini）即可解决。
langchain 工具调用返回空 content，通常并非代码逻辑错误，而是所选大模型（如 mixtral-8x7b）虽宣称支持工具调用，实际未正确实现 `tool_choice` 或 `tool_calls` 响应解析机制；切换为真正原生支持结构化工具调用的模型（如 gpt-4o-mini）即可解决。
在 LangChain 中实现端到端工具调用（Tool Calling），需满足三个关键条件：LLM 支持结构化工具声明、能正确输出 tool_calls、且能在后续轮次中理解并响应 ToolMessage。你提供的代码逻辑完全正确——使用 bind_tools、解析 response.tool_calls、构造 ToolMessage 并追加至消息历史，再二次调用 LLM——这正是 LangChain 官方推荐的标准流程。
然而，问题根源在于模型层兼容性。你使用的 mistralai/Mixtral-8x7B-Instruct-v0.1（通过 Together AI 提供）虽支持部分函数调用格式，但其推理后端未严格遵循 OpenAI-style 的 tool_calls JSON Schema 规范，导致：
- 首次响应虽含
tool_calls字段（说明触发了工具识别），但content为空； - 第二次调用时，模型未能将
ToolMessage（如content='36'）有效整合进上下文，仅输出空字符串（content=''）与极低 token 数（output_tokens: 1），表明其根本未生成有意义的自然语言回复。
✅ 正确解决方案：更换为经过充分验证的原生工具调用模型。例如：
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(
model="gpt-4o-mini", # ✅ 官方强支持工具调用，稳定可靠
api_key="your_api_key",
temperature=0,
)? 补充建议：
- 避免“伪工具支持”模型：除 GPT-4o、GPT-4o-mini 外，Claude-3.5-Sonnet、Gemini-1.5-Pro 等也具备成熟工具调用能力；而多数开源模型（即使标注“supports function calling”）在 LangChain 生态中需额外适配器或存在响应格式偏差。
- 务必启用
bind_tools+ 显式tool_choice="auto"（默认）：确保模型明确知晓当前阶段需选择工具而非自由作答。- 检查消息类型顺序：LangChain 要求
ToolMessage必须紧随触发它的AIMessage，且tool_call_id严格匹配——你的代码已正确实现此约束。- 调试技巧：打印
second_response.response_metadata['finish_reason']，若为"eos"（如你案例）而非"stop"或"tool_calls"，往往意味着模型未理解工具结果，应优先排查模型兼容性。
综上，这不是 LangChain 的 Bug，而是模型能力边界问题。坚持使用标准 API 流程，同时选择经 LangChain 官方文档及社区广泛验证的模型，即可获得预期的自然语言聚合回答（如 “The result of 3 times 12 is 36, and the result of 11 + 49 is 60.”）。
