Xiaomi MiMo API reasoning_content回传详解：Agent多轮对话400错误解决方案
SEO关键词：Xiaomi MiMo API、MiMo-V2.5、reasoning_content、Agent开发、OpenAI兼容协议、Cursor接入MiMo、TRAE接入MiMo、GitHub Copilot CLI、工具调用Tool Call、多轮会话上下文、400错误解决方案
作为一名前端开发工程师，最近在研究 Agent 应用开发时，发现 Xiaomi MiMo 官方发布了一则重要公告。如果你正在使用Cursor、TRAE、Roo Code、GitHub Copilot CLI、AutoGen、Goose等 Agent 产品接入 Xiaomi MiMo 模型，那么这次更新一定要关注。
https://platform.xiaomimimo.com/docs/zh-CN/usage-guide/passing-back-reasoning_content
不少开发者在升级到MiMo-V2.5 系列模型后，可能会遇到一个问题：
HTTP400Bad Request而且问题通常出现在：
- 开启思考模式（Thinking）
- 使用 Tool Call 工具调用
- 多轮对话场景
经过官方说明确认，根本原因与reasoning_content 回传机制有关。
本文详细解析 Xiaomi MiMo 最新要求，以及如何正确实现多轮 Agent 对话。
一、官方公告核心内容
Xiaomi MiMo API 开放平台近期发布了关于 Agent 产品的重要兼容性说明：
当 Agent 类产品开启 MiMo 思考模式，并且历史会话存在工具调用时，后续所有 user 交互轮次中回传的 assistant 消息如果包含工具调用，必须完整保留 reasoning_content 字段。
否则将直接返回：
400Bad Request二、为什么必须回传 reasoning_content
很多开发者在保存聊天记录时通常只保留：
{"role":"assistant","content":"最终回答内容"}或者：
{"role":"assistant","tool_calls":[...]}而忽略：
{"reasoning_content":"模型思考过程"}对于普通模型可能问题不大。
但 MiMo 思考模型内部会依赖 reasoning_content 来维护推理链路。
如果历史记录中丢失：
reasoning_content则模型看到的上下文变成：
用户提问 ↓ 工具调用结果 ↓ 最终回答而缺少：
模型为什么调用工具 模型如何分析问题 模型如何规划执行步骤这会导致：
| 问题 | 表现 |
|---|---|
| 指令遵循下降 | 模型更容易跑偏 |
| 上下文理解变弱 | 忘记前面推理内容 |
| 幻觉增加 | 生成不存在的信息 |
| Tool Call决策错误 | 重复调用工具 |
| API报错 | 直接返回400 |
因此 Xiaomi MiMo 要求：
历史 assistant 消息必须完整保留 reasoning_content。
三、哪些产品会受到影响
OpenAI兼容协议
| Agent产品 |
|---|
| TRAE |
| Cursor |
| Roo Code |
| Codex |
| GitHub Copilot CLI |
| Zed |
| AutoGen |
| Goose |
Anthropic兼容协议
| Agent产品 |
|---|
| TRAE |
| GitHub Copilot CLI |
| AutoGen |
| Goose |
| OpenClaw |
| OpenCode |
| Kilo Code |
四、受影响模型列表
目前涉及以下模型：
mimo-v2.5-pro mimo-v2.5 mimo-v2-pro mimo-v2-omni mimo-v2-flash如果你正在使用这些模型，需要特别注意。
五、错误实现方式
很多 Agent 框架的实现类似这样：
messages.append({"role":"assistant","content":assistant_message.content})结果保存后的上下文：
[{"role":"user","content":"北京天气"},{"role":"assistant","content":"北京25℃"}]reasoning_content 被丢弃。
第二轮请求：
client.chat.completions.create(model="mimo-v2.5-pro",messages=messages)此时 MiMo 检测到：
历史存在工具调用 ↓ 缺失reasoning_content ↓ 返回400错误六、正确实现方式
官方推荐方案：
不要手动构造 assistant 消息。
而是直接保存 SDK 返回对象：
assistant_message=response.choices[0].message messages.append(assistant_message)这样会自动保留：
{"role":"assistant","content":"...","tool_calls":[...],"reasoning_content":"..."}七、多轮Agent执行流程解析
第一轮
用户提问：
北京天气如何？ 现在几点？Step1：模型分析
MiMo 推理：
需要获取天气 需要获取时间 两个工具可以并行执行对应：
reasoning_content内容类似：
The user wants to know two things...Step2：发起Tool Call
get_current_weather()get_time()Step3：工具返回
Sunny25°C2026-05-1216:37Step4：生成最终答案
北京天气晴朗 25℃ 当前时间16:37八、第二轮为什么还能知道北京25℃
用户继续追问：
上海天气怎么样？ 比北京热还是冷？此时模型只调用：
get_current_weather("Shanghai")而没有再次查询北京。
原因在于：
历史上下文中已经保留：
reasoning_content以及：
tool result所以模型已经知道：
北京 = 25℃只需查询：
上海 = 22℃即可直接得出：
上海比北京低3℃九、推荐的消息存储结构
实际开发 Agent 时建议完整保存：
messages=[{"role":"user","content":"..."},{"role":"assistant","content":"...","reasoning_content":"...","tool_calls":[...]},{"role":"tool","tool_call_id":"...","content":"..."}]不要删除：
reasoning_content不要过滤：
tool_calls不要只保存：
content否则后续轮次容易出现问题。
十、完整示例代码
下面是官方提供的多轮 Agent 调用示例核心代码：
response=client.chat.completions.create(model="mimo-v2.5-pro",messages=messages,tools=tools,extra_body={"thinking":{"type":"enabled"}})assistant_message=response.choices[0].message messages.append(assistant_message)关键点只有一句：
messages.append(assistant_message)它保证：
reasoning_content content tool_calls全部被保存下来。
十一、开发建议
如果你正在维护：
- Cursor插件
- TRAE插件
- AI编程助手
- AutoGen工作流
- OpenAI兼容Agent
- 企业知识库Agent
建议检查以下内容：
检查1
是否开启：
thinking检查2
是否使用：
Tool Call检查3
是否保留：
reasoning_content检查4
是否序列化丢失：
assistant_message很多框架在：
json.dumps()过程中会自动过滤未知字段。
需要特别留意。
总结
Xiaomi MiMo 最新公告实际上明确了一项重要规范：
在开启思考模式且涉及工具调用的多轮 Agent 场景中，必须完整回传 reasoning_content。
否则可能出现：
- 400错误
- 上下文丢失
- Tool Call异常
- 幻觉增加
- 推理能力下降
当前受影响模型包括：
mimo-v2.5-pro mimo-v2.5 mimo-v2-pro mimo-v2-omni mimo-v2-flash受影响平台包括：
Cursor TRAE Roo Code GitHub Copilot CLI AutoGen Goose Zed Codex对于 Agent 开发者来说，最简单且最安全的做法就是：
messages.append(assistant_message)完整保留模型返回内容，而不是手动拼接消息对象。这样既能避免 400 错误，也能最大程度发挥 Xiaomi MiMo 推理模型的能力。
