DSML 工具调用格式完全指南：在 DeepSeek-V4-Pro-0813 中定义工具的 4 个步骤

DSML 工具调用格式完全指南：在 DeepSeek-V4-Pro-0813 中定义工具的 4 个步骤

【免费下载链接】DeepSeek-V4-Pro-0813项目地址: https://ai.gitcode.com/hf_mirrors/deepseek-ai/DeepSeek-V4-Pro-0813

想要让 DeepSeek-V4-Pro-0813 真正"动手干活"？掌握DSML 工具调用格式是关键。作为 DeepSeek-V4-Pro 的官方正式版，DeepSeek-V4-Pro-0813 大幅增强了 Agent 能力（Terminal Bench 2.1 得分 87.9），而它的函数调用并不使用传统 JSON，而是采用了一种名为DSML（DeepSeek Markup Language）的标记语言。本文用 4 个步骤，带你从零完成工具定义到调用解析的全流程，新手也能快速上手。🚀

一、DSML 工具调用格式是什么？

在解释步骤之前，先认识两个核心概念，这会让你后面的操作事半功倍。

DSML 是什么？DSML 是 DeepSeek-V4 系列模型专用的结构化标记语言，用<｜DSML｜>前缀标签来描述工具调用，而不是像 OpenAI 那样输出 JSON 字符串。模型的工具调用输出形如：

<｜DSML｜tool_calls> <｜DSML｜invoke name="get_weather"> <｜DSML｜parameter name="location" string="true">Beijing</｜DSML｜parameter> </｜DSML｜invoke> </｜DSML｜tool_calls>

为什么用 DSML？相比纯 JSON，DSML 用明确的开始/结束标签把"函数名"和"参数"天然分隔，解析更稳定、错误更少，特别适合多轮、多工具并发的复杂 Agent 场景。

好消息是：你不需要手动拼这些标签。官方在 encoding_dsv4.py 中提供了完整的编码/解码参考实现，直接调用即可。下面进入正题。

二、第一步：用 OpenAI 格式定义工具

DeepSeek-V4-Pro-0813 的工具定义采用OpenAI 兼容的 JSON Schema 格式，如果你用过其他大模型 API，这套定义几乎零成本迁移。

每个工具包含三要素：name（名称）、description（描述）、parameters（参数 Schema）。来看官方测试用例 test_input_1.json 中的真实示例：

{ "type": "function", "function": { "name": "get_weather", "description": "Get the weather for a specific location", "parameters": { "type": "object", "properties": { "location": {"type": "string", "description": "The city name"}, "unit": {"type": "string", "enum": ["celsius", "fahrenheit"]} }, "required": ["location"] } } }

新手最容易踩的 3 个坑：

1. required字段千万别漏——不声明的参数，模型可能不填。
2. enum枚举能极大提升参数命中率，例如温度单位就限定celsius/fahrenheit。
3. 描述要写清楚用途，模型的工具选择准确性直接依赖描述质量。

三、第二步：把工具注入 system 消息

定义好工具后，需要把它挂到system（或 developer）消息的tools字段上。这是整个流程的"注入点"。

在 Python 中，你的消息列表长这样：

messages = [ {"role": "system", "content": "You are a helpful assistant.", "tools": tools}, {"role": "user", "content": "What's the weather in Beijing?"}, ]

注意：工具只支持挂在 system / developer 消息上。调用编码函数后，系统会自动把## Tools区块（包含使用说明 + 工具 Schema JSON）拼接到 system 提示词中，这一逻辑由 encoding_dsv4.py 中的render_tools()函数实现。

四、第三步：编码消息为 DSML 提示词

这是最核心的一步——调用encode_messages()把整个对话（含工具定义）转换成模型能理解的 DSML 提示词字符串：

from encoding_dsv4 import encode_messages prompt = encode_messages(messages, thinking_mode="thinking")

思考模式参数说明：

• thinking_mode="thinking"：模型先在<think>...</think>中推理，再输出工具调用（推荐 Agent 场景）。
• thinking_mode="chat"：直接输出，不产生推理块。

生成的提示词中，模型扮演的助手会收到一份完整的工具使用说明书，包括 DSML 标签语法、string="true|false"参数规则，以及 "You MUST strictly follow..." 的强约束语句。参数规则务必记住：字符串参数标记为string="true"原样输出；数字、布尔、数组、对象等 JSON 类型标记为string="false"。若想控制推理深度，还可传入reasoning_effort="low" | "high" | "max"。

五、第四步：解析工具调用并回填结果

模型输出后，用parse_message_from_completion_text()解析出结构化结果——它会自动抽取reasoning_content（思考）、content（正文）和tool_calls（工具调用，自动转回 OpenAI 格式）：

from encoding_dsv4 import parse_message_from_completion_text parsed = parse_message_from_completion_text(completion_text, thinking_mode="thinking") # => {"role": "assistant", "tool_calls": [{"function": {"name": "get_weather", ...}}], ...}

多轮工具对话的两个关键细节：

1. 工具结果回填：DeepSeek-V4没有独立的 tool 角色。工具执行结果要用<tool_result>标签包裹、合并进 user 消息。官方提供了merge_tool_messages()帮你自动完成这种合并，无需手工拼接。

2. 多工具结果排序：如果一次调用了多个工具，结果必须按调用顺序排列，否则模型会"串台"。sort_tool_results_by_call_order()正是为此设计，可在 encoding_dsv4.py 中查看实现。

六、完整流程验证：跑通官方测试

想快速验证自己理解是否正确？项目自带了 4 组完整的编解码测试，覆盖了"思考 + 工具调用 + 多轮回填"、"纯思考对话"、"搜索 + 工具"等真实场景。

cd encoding python test_encoding_dsv4.py

测试脚本会读取 test_input_1.json 等输入文件，将编码结果与 test_output_1.txt 等黄金文件逐字节比对。你也可以直接查看输出文件，直观感受 DSML 完整格式——从 BOS 开始、工具区块注入、<｜DSML｜tool_calls>调用，到<tool_result>结果回填、EOS 收尾，一目了然。

七、总结：记住这条最小链路

回顾一下，在 DeepSeek-V4-Pro-0813 中完成一次 DSML 工具调用，只需记住 4 步：① OpenAI 格式定义工具 → ② 挂到 system 消息 → ③ encode_messages 编码 → ④ parse 解析 + 结果回填。官方 encoding/README.md 有更完整的格式文档，encoding_dsv4.py 则是可放心复用的参考实现。掌握这套 DSML 工具调用格式，你的 Agent 应用开发就能直接站在官方基准之上起跑。💪

【免费下载链接】DeepSeek-V4-Pro-0813项目地址: https://ai.gitcode.com/hf_mirrors/deepseek-ai/DeepSeek-V4-Pro-0813