MCP Client 是用户、大模型、MCP Server 的桥梁,更是 AI Agent 的 orchestrator(编排者)——TaoToken 统一 Key 通道下的多工具编排实践
2026/10/1 19:58:09
invoke返回一个AIMessage对象,源码如下:
load_dotenv(override=True)CLOSEAI_API_KEY=os.getenv("CLOSEAI_API_KEY")CLOSEAI_API_BASE=os.getenv("CLOSEAI_API_BASE")model=init_chat_model(model="gpt-6-sol",api_key=CLOSEAI_API_KEY,base_url=CLOSEAI_API_BASE)response=model.invoke([HumanMessage(" 9 * 9 + 100 = ?")])#print(response)from rich import print as rprintrprint(response)举例:访问所有信息
response=model.invoke("用一句话解释什么是 AI")# 1. 获取回复内容print("AI 回复:", response.content)# 2. 获取响应元数据metadata=response.response_metadata print(f"使用的模型: {metadata['model_name']}")print(f"结束原因: {metadata['finish_reason']}")print(f"模型提供商:{metadata['model_provider']}\n")# 3. 获取 Token 使用情况usage=metadata.get('token_usage',{})print(f"输入 tokens: {usage.get('prompt_tokens')}")print(f"输出 tokens: {usage.get('completion_tokens')}")print(f"总计 tokens: {usage.get('total_tokens')}")# 4. 获取消息 IDprint(f"消息 ID: {response.id}")