gorilla
13,069
Stars
1,424
Forks
90
Watchers
301
Open Issues
Apache-2.0
许可证
Python
语言
2023-05-19
创建时间
2026-10-17
最近更新
项目能做什么
用于训练和评估大语言模型函数调用（Function / Tool Calls）能力的工具。
来源：AI 基于仓库事实生成
· 内容以仓库实际 README 为准
使用说明 查看原始 README 原仓库文档
中文使用说明暂未生成。下面保留原仓库 README 摘录，命令与配置均以原文为准。
原始 README 摘录（英文原文，节选前 3000 字符）
# Gorilla: Large Language Model Connected with Massive APIs <div align="center"> <img src="https://github.com/ShishirPatil/gorilla/blob/gh-pages/assets/img/logo.png" width="50%" height="50%"> </div> <div align="center"> [](https://arxiv.org/abs/2305.15334) [](https://discord.gg/grXXvj9Whz) [](https://gorilla.cs.berkeley.edu/) [](https://gorilla.cs.berkeley.edu/blog.html) [](https://huggingface.co/gorilla-llm) </div> ## Latest Updates > 📢 Check out our detailed [Berkeley Function Calling Leaderboard changelog](/berkeley-function-call-leaderboard/CHANGELOG.md) (Last updated: ) for the latest dataset / model updates to the Berkeley Function Calling Leaderboard! - 🤖 [07/17/2025] Announcing BFCL V4 Agentic! As function-calling forms the bedrock of Agentic systems, BFCL V4 Agentic benchmark focuses on tool-calling in real-world agentic settings, featuring web search with multi-hop reasoning and error recovery, agent memory management, and format sensitivity evaluation. [[Web-search Blog](https://gorilla.cs.berkeley.edu/blogs/15_bfcl_v4_web_search.html)] [[Memory Blog](https://gorilla.cs.berkeley.edu/blogs/16_bfcl_v4_memory.html)] [[Format Sensitivity Blog](https://gorilla.cs.berkeley.edu/blogs/17_bfcl_v4_prompt_variation.html)] [[PR](https://github.com/ShishirPatil/gorilla/pull/1019)] [[Tweet](https://x.com/shishirpatil_/status/1946020561626546176)] - 🎯 [10/04/2024] Introducing the Agent Arena by Gorilla X LMSYS Chatbot Arena! Compare different agents in tasks like search, finance, RAG, and beyond. Explore which models and tools work best for specific tasks through our novel ranking system and community-driven prompt hub. [[Blog](https://gorilla.cs.berkeley.edu/blogs/14_agent_arena.html)] [[Arena](http://agent-arena.com)] [[Leaderboard](http://agent-arena.com/leaderboard)] [[Dataset](https://github.com/ShishirPatil/gorilla/tree/main/agent-arena#evaluation-directory)] [[Tweet](https://x.com/shishirpatil_/status/1841876885757977044)] - 📣 [09/21/2024] Announcing BFCL V3 - Evaluating multi-turn and multi-step function calling capabilities! New state-based evaluation system tests models on handling complex workflows, sequential functions, and service states. [[Blog](https://gorilla.cs.berkeley.edu/blogs/13_bfcl_v3_multi_turn.html)] [[Leaderboard](https://gorilla.cs.berkeley.edu/leaderboard.html)] [[Code](https阅读完整原文
商业机会分析 AI 生成
企业级 OpenAPI/Swagger 转 Function Calling 微调数据生成工具
| 产品构想 | 基于 Gorilla 的合成数据方法，企业导入内部 OpenAPI/Swagger 文档，系统自动合成包含多轮对话、参数缺失、负向样本（不应调用工具）的高质量微调数据集。 |
| 核心功能 | Swagger/OpenAPI 一键解析、复杂嵌套参数合成、正反向与边界测试用例生成、适配 Llama-Factory/Unsloth 的训练格式导出。 |
| 目标用户 | 希望用轻量开源小模型（如 Qwen-2.5-7B）替代 GPT-4 进行低成本企业 API 调用的开发者与技术团队。 |
| 难度/周期 | 中等 · 3 - 5 周 · 成本：极低（主要是调用商业模型生成合成数据的 API Token 费用） |
| 收费模式 | 按解析接口数量或生成样本批次计费的 SaaS；提供私有化部署及离线数据清洗授权。 |
| 竞争风险 | 企业 OpenAPI 文档本身质量参差不齐（缺乏描述/示例），合成数据质量高度依赖基础模型提炼能力。 |
| 依据 | 已验证事实 |
Agent 工具调用自动化评估与回归测试平台 (CI/CD for Tool Calling)
| 产品构想 | 借鉴 Gorilla BFCL 评测框架，为企业 LLM Agent 提供专属的工具调用评测服务，监控模型提示词变更或微调后在 API 参数匹配、调用时机上的准确率衰减。 |
| 核心功能 | 企业自定义 API 评测集管理、幻觉调用检测、多模型橫向对比评测报告、GitHub Actions / CI/CD 自动化阻断流水线。 |
| 目标用户 | 中大型 Agent 应用的研发主管、QA 测试工程师、大模型运维（LLMOps）团队。 |
| 难度/周期 | 中等 · 4 - 6 周 · 成本：低（基础 Web 设施 + 评测运行时沙箱） |
| 收费模式 | B端月度/年度订阅制（根据每月运行评测用例数量收费）。 |
| 竞争风险 | 部分企业 API 涉及状态变更，需要复杂的沙箱或 Mock 机制，构建高拟真 Mock 环境成本较高（推测）。 |
| 依据 | 数据支持的判断 |
LLM 工具调用运行时校验与参数自动修复中间件 (Tool-Call Guardrail)
| 产品构想 | 作为一个介于 LLM 和企业后端 API 之间的反向代理网关，拦截 LLM 生成的不合规 Function Call，利用轻量 Gorilla 模型或规则引擎就地修复 JSON 语法与参数类型错误后转发给下游。 |
| 核心功能 | 实时 JSON Schema 校验、参数类型自愈/修复、非法操作/危险参数拦截、调用审计与延迟跟踪日志。 |
| 目标用户 | 在生产环境中部署自主 Agent，需要极高系统稳定性和安全性的企业开发者。 |
| 难度/周期 | 较高 · 6 - 8 周 · 成本：中等（需要高并发低延迟代理服务器） |
| 收费模式 | 按代理流量/请求次数计费，或企业内部网络节点私有化部署授权。 |
| 竞争风险 | 引入额外网络跃点可能增加端到端延迟；部分主流闭源模型（如 GPT-4o）原生 Structured Outputs 正在侵蚀该需求空间。 |
| 依据 | AI推测 |
AI 基于仓库公开数据分析生成，含推测成分，不构成收益承诺。
报告会保存到 个人中心
竞品与相似项目 GitHub Search 真实检索
| 项目 | 中文简介 | Stars | 语言 |
|---|---|---|---|
| public-apis/public-apis | 中文介绍暂未生成 A collective list of free APIs |
497,899 | Python |
| open-webui/open-webui | 中文介绍暂未生成 User-friendly AI Interface (Supports Ollama, OpenAI API, ... |
158,313 | Svelte |
| Comfy-Org/ComfyUI | 中文介绍暂未生成 The most powerful and modular diffusion model GUI, api and b |
146,162 | Python |
| earendil-works/pi | 中文介绍暂未生成 AI agent toolkit: unified LLM API, agent loop, TUI, coding a |
121,238 | TypeScript |
| browser-use/browser-use | 中文介绍暂未生成 Open-source Python library for AI browser agents, plus Brows |
120,578 | Python |
| Panniantong/Agent-Reach | 中文介绍暂未生成 Give your AI agent eyes to see the entire internet. Read & s |
110,884 | Python |
以上为通过 GitHub 官方 Search API 检索的相似项目，功能差异与优劣势需进一步人工确认，配置 AI 后可生成对比分析。
项目优势与风险
| 技术成熟度 | 创建于 2023-05-19，近 30 天仍在推送，发布过 8 个 Release |
| 社区活跃 | Star 13,069 / Fork 1,424 / Issue 301（数据支持，可自行核实） |
| 许可证 | Apache-2.0 |
| 主要风险 | 上游项目方向可能变化；同赛道竞争者较多（见竞品表）；热度与需求不完全等价 |
安装与使用
快速开始（以仓库 README 为准）
git clone https://github.com/ShishirPatil/gorilla.git cd gorilla # 请阅读仓库 README 获取确切安装步骤（依赖、配置、启动命令）
术语说明：Docker＝应用容器（把程序和依赖打包运行）；API Key＝调用外部服务的密钥；Git Clone＝把仓库代码下载到本地。常见错误：API Key 未配置 / 端口占用 / 数据库连接失败，多数项目在 README 的 Troubleshooting 章节有说明。