【LLM】OpenRouter模型工具调用支持分析-Euler的博客

技术背景

在使用OpenRouter API调用大语言模型时，经常会遇到工具调用（Tool Calling）的需求。工具调用是现代AI应用中的重要功能，允许模型调用外部工具来执行特定任务，如搜索、计算、API调用等。

然而，在实际使用过程中，我发现了一个重要问题：并非所有模型都支持工具调用功能。特别是当尝试使用 openai/gpt-5-chat 模型进行工具调用时，会收到错误提示：

No endpoints found that support tool use.

这个错误提示让人困惑，因为GPT-5作为OpenAI的最新模型，理论上应该支持工具调用功能。为了深入了解这个问题，我决定通过OpenRouter的API来查询所有模型的工具调用支持情况。

技术思路

OpenRouter提供了模型列表API，可以获取所有可用模型的详细信息，包括每个模型支持的参数类型。通过分析这些信息，我们可以：

获取完整的模型列表：通过OpenRouter API获取所有可用模型
分析工具调用支持：检查每个模型的 supported_parameters 字段是否包含 tools
对比不同模型：特别关注GPT-5系列模型的工具调用支持情况
提供解决方案：为开发者推荐支持工具调用的替代模型

实现方案

环境准备

import requests
import pandas as pd

API配置

# OpenRouter API Key
OPENROUTER_API_KEY = "your-api-key-here"

# OpenRouter 模型列表接口
url = "https://openrouter.ai/api/v1/models"

# 请求头配置
headers = {
    "Authorization": f"Bearer {OPENROUTER_API_KEY}",
    "Accept": "application/json"
}

数据获取与分析

# 发送API请求
response = requests.get(url, headers=headers)

# 检查请求结果
if response.status_code != 200:
    raise Exception(f"请求失败：{response.status_code} - {response.text}")

data = response.json()

# 提取模型信息
models = data.get("data", [])
df = pd.DataFrame([
    {
        "id": m["id"],
        "name": m.get("name"),
        "description": m.get("description", ""),
        "supports_tools": "tools" in (m.get("supported_parameters") or []),
        "supported_parameters": ", ".join(m.get("supported_parameters", []))
    }
    for m in models
])

实现代码

以下是完整的代码实现：

import requests
import pandas as pd

# 🔧 请在此填写你的 OpenRouter API Key
OPENROUTER_API_KEY = "***"

# OpenRouter 模型列表接口
url = "https://openrouter.ai/api/v1/models"

# 发送请求
headers = {
    "Authorization": f"Bearer {OPENROUTER_API_KEY}",
    "Accept": "application/json"
}
response = requests.get(url, headers=headers)

# 检查请求结果
if response.status_code != 200:
    raise Exception(f"请求失败：{response.status_code} - {response.text}")

data = response.json()

# 提取模型信息
models = data.get("data", [])
df = pd.DataFrame([
    {
        "id": m["id"],
        "name": m.get("name"),
        "description": m.get("description", ""),
        "supports_tools": "tools" in (m.get("supported_parameters") or []),
        "supported_parameters": ", ".join(m.get("supported_parameters", []))
    }
    for m in models
])

# ✅ 显示前几条结果
print("模型列表（前20条）：")
print(df.head(20))

# ✅ 筛选支持 tools 的模型
df_tools = df[df["supports_tools"] == True]
print(f"\n共有 {len(df_tools)} 个模型支持工具调用：")
print(df_tools)

# ✅ 查找 GPT-5 相关模型
gpt5_rows = df[df["id"].str.contains("openai/gpt-5", na=False)]
print(f"\nGPT-5 系列模型工具调用支持情况：")
if not gpt5_rows.empty:
    for _, row in gpt5_rows.iterrows():
        print(f"ID: {row['id']}")
        print(f"Name: {row['name']}")
        print(f"Supports Tools: {row['supports_tools']}")
        print(f"Supported Parameters: {row['supported_parameters']}")
        print("---")
else:
    print("未找到 GPT-5 相关模型")

关键发现

通过运行上述代码，我得到了以下重要发现：

GPT-5系列模型工具调用支持情况

表1：GPT-5系列模型工具调用支持对比

模型ID	模型名称	支持工具调用	支持的参数
`openai/gpt-5-image`	OpenAI: GPT-5 Image	✅ 是	frequency_penalty, include_reasoning, logit_bias, logprobs, max_tokens, presence_penalty, reasoning, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_logprobs, top_p
`openai/gpt-5-pro`	OpenAI: GPT-5 Pro	✅ 是	include_reasoning, max_tokens, reasoning, response_format, seed, structured_outputs, tool_choice, tools
`openai/gpt-5-codex`	OpenAI: GPT-5 Codex	✅ 是	include_reasoning, max_tokens, reasoning, response_format, seed, structured_outputs, tool_choice, tools
`openai/gpt-5-chat`	OpenAI: GPT-5 Chat	❌ 否	max_tokens, response_format, seed, structured_outputs
`openai/gpt-5`	OpenAI: GPT-5	✅ 是	include_reasoning, max_tokens, reasoning, response_format, seed, structured_outputs, tool_choice, tools
`openai/gpt-5-mini`	OpenAI: GPT-5 Mini	✅ 是	include_reasoning, max_tokens, reasoning, response_format, seed, structured_outputs, tool_choice, tools
`openai/gpt-5-nano`	OpenAI: GPT-5 Nano	✅ 是	include_reasoning, max_tokens, reasoning, response_format, seed, structured_outputs, tool_choice, tools

核心问题分析

关键发现：openai/gpt-5-chat 是GPT-5系列中唯一不支持工具调用的模型！

这个发现解释了为什么在使用 openai/gpt-5-chat 时会收到 "No endpoints found that support tool use" 的错误提示。

支持工具调用的模型统计

总模型数量：336个
支持工具调用的模型：190个（约56.5%）
不支持工具调用的模型：146个（约43.5%）

实践建议

1. 选择合适的GPT-5模型

如果你需要使用GPT-5进行工具调用，建议使用以下模型：

openai/gpt-5：标准版本，功能最全面
openai/gpt-5-pro：专业版本，适合复杂任务
openai/gpt-5-mini：轻量版本，成本较低
openai/gpt-5-nano：超轻量版本，适合简单任务

2. 避免使用不支持工具调用的模型

以下模型不支持工具调用，需要避免在需要工具调用的场景中使用：

openai/gpt-5-chat：仅支持基础对话功能

3. 其他支持工具调用的优秀模型

除了GPT-5系列，还有许多其他优秀的模型支持工具调用：

表2：其他支持工具调用的优秀模型

模型ID	模型名称	特点
`anthropic/claude-haiku-4.5`	Anthropic: Claude Haiku 4.5	快速高效，支持工具调用
`qwen/qwen3-vl-8b-thinking`	Qwen: Qwen3 VL 8B Thinking	多模态，推理优化
`openai/o3-deep-research`	OpenAI: o3 Deep Research	深度研究专用
`nvidia/llama-3.3-nemotron-super-49b-v1.5`	NVIDIA: Llama 3.3 Nemotron Super 49B V1.5	49B参数，推理能力强

4. 开发建议

模型选择策略：
- 在开发前先查询模型的工具调用支持情况
- 建立模型能力矩阵，记录每个模型的功能特性
- 为不同场景准备备选模型
错误处理：
- 在代码中添加工具调用支持检查
- 提供清晰的错误提示和替代方案
- 实现自动降级到支持工具调用的模型
成本优化：
- 根据任务复杂度选择合适的模型
- 对于简单任务，优先使用轻量级模型
- 监控API调用成本，优化模型选择策略

扩展方向

1. 自动化模型能力检测

可以开发一个自动化工具，定期检查OpenRouter上所有模型的能力支持情况，并生成报告：

def check_model_capabilities():
    """定期检查模型能力支持情况"""
    # 实现模型能力检测逻辑
    pass

2. 智能模型推荐系统

基于任务类型和复杂度，自动推荐最适合的模型：

def recommend_model(task_type, complexity_level):
    """根据任务类型和复杂度推荐模型"""
    # 实现智能推荐逻辑
    pass

3. 模型性能监控

建立模型性能监控系统，跟踪不同模型在工具调用场景下的表现：

def monitor_model_performance():
    """监控模型在工具调用场景下的性能"""
    # 实现性能监控逻辑
    pass

总结

通过这次深入分析，我们发现了一个重要问题：openai/gpt-5-chat 不支持工具调用功能，这是GPT-5系列中唯一不支持工具调用的模型。这个发现对于开发者来说非常重要，因为它解释了为什么在某些场景下会遇到工具调用失败的问题。

关键要点：

模型能力差异：不同模型的功能支持存在显著差异
工具调用支持：只有约56.5%的模型支持工具调用
GPT-5系列：除了 gpt-5-chat 外，其他GPT-5模型都支持工具调用
替代方案：有多种支持工具调用的优秀模型可供选择

建议：在开发AI应用时，务必先了解目标模型的功能支持情况，避免因模型能力限制导致的功能异常。通过本文提供的代码和分析方法，开发者可以更好地选择合适的模型，提高应用的稳定性和用户体验。

本文基于OpenRouter API的实际数据进行分析，所有结论均经过验证。建议开发者在选择模型时参考最新的API文档和模型能力说明。