在現代AI應用開發中，工具調用（Tool Calling）已成為大語言模型與外部系統交互的核心機制。Cherry Studio作為一款先進的AI對話客戶端，實現了一套完整的遞歸工具調用系統，能夠讓AI助手在執行復雜任務時自動調用多個工具，并根據執行結果智能決策下一步操作。本文將深入解析這套機制的設計原理、實現細節和實際應用。

什么是遞歸工具調用？

遞歸工具調用是指AI系統在執行任務過程中，根據當前執行結果自動決定是否需要調用更多工具來完成任務的機制。與傳統的單次工具調用不同，遞歸調用允許AI在一個對話回合中連續執行多個相關操作，直到任務完成或達到預設限制。

舉個實際例子：當用戶要求"分析我的網站并生成性能報告"時，AI可能需要：

1. 1.調用網站爬取工具獲取頁面內容
2. 2.調用性能分析工具檢測加載速度
3. 3.調用SEO分析工具評估搜索優化
4. 4.調用報告生成工具創建最終文檔

這個過程中，每一步的結果都會影響下一步的執行，形成了一個動態的工具調用鏈。

核心架構設計

1. 遞歸深度控制

Cherry Studio通過 McpToolChunkMiddleware.ts 中的常量來控制遞歸深度：

const MAX_TOOL_RECURSION_DEPTH = 20

這個限制確保了系統不會陷入無限循環，同時為復雜任務提供了足夠的調用深度。當遞歸深度超過限制時，系統會拋出明確的錯誤信息：

if (depth >= MAX_TOOL_RECURSION_DEPTH) {throw new Error(`Tool recursion depth exceeded: ${depth}/${MAX_TOOL_RECURSION_DEPTH}`)
}

2. 執行流程控制

核心執行函數 executeWithToolHandling 根據遞歸深度采用不同的執行策略：

• 深度為0（初始調用）：直接調用下一個中間件，啟動正常的LLM推理流程
• 深度>0（遞歸調用）：使用增強的completion函數，跳過某些中間件以優化性能

if (depth === 0) {stream = await next()
} else {stream = await enhancedCompletions({...params,recursionState: { depth, isRecursive: true }})
}

3. 工具調用檢測與處理

系統通過 createToolHandlingTransform 函數創建流式處理管道，實時檢測LLM輸出中的工具調用信息：

if (chunk.type === 'tool-call' || chunk.type === 'tool-call-delta') {// 檢測到工具調用，異步執行pendingToolCalls.push(executeToolAsync(chunk))
}

當流結束時，系統會檢查是否有待執行的工具調用：

if (pendingToolCalls.length > 0) {const toolResults = await Promise.all(pendingToolCalls)if