函数调用 (Function Calling)

让模型智能调用你定义的外部函数，实现天气查询、数据库查询、API 调用等能力。

什么是函数调用

函数调用（Function Calling）允许你向模型描述一组可用的函数（工具），模型会根据用户输入智能判断是否需要调用某个函数，并返回结构化的调用参数。你在本地执行函数后，将结果返回给模型，模型再生成最终回复。

典型应用场景包括：

• 实时数据查询 — 天气、股票、汇率等实时信息
• 数据库操作 — 根据用户意图查询或写入数据库
• 外部 API 调用 — 发送邮件、创建任务、搜索网页
• 计算与转换 — 精确数学计算、单位换算

定义工具 (tools)

在请求中通过 tools 数组定义可用的函数。每个工具使用 JSON Schema 描述其参数：

{
  "tools": [
    {
      "type": "function",
      "function": {
        "name": "get_weather",
        "description": "获取指定城市的当前天气信息",
        "parameters": {
          "type": "object",
          "properties": {
            "city": {
              "type": "string",
              "description": "城市名称，例如：北京、上海"
            },
            "unit": {
              "type": "string",
              "enum": ["celsius", "fahrenheit"],
              "description": "温度单位，默认摄氏度"
            }
          },
          "required": ["city"]
        }
      }
    }
  ]
}

tool_choice 参数

通过 tool_choice 参数控制模型的函数调用行为：

处理 tool_calls 响应

当模型决定调用函数时，响应中的 finish_reason 为 "tool_calls"，并在 message.tool_calls 中包含调用信息：

{
  "choices": [
    {
      "message": {
        "role": "assistant",
        "content": null,
        "tool_calls": [
          {
            "id": "call_abc123",
            "type": "function",
            "function": {
              "name": "get_weather",
              "arguments": "{\"city\": \"北京\", \"unit\": \"celsius\"}"
            }
          }
        ]
      },
      "finish_reason": "tool_calls"
    }
  ]
}

多步调用循环

完整的函数调用流程是一个循环：

1. 发送用户消息 + 工具定义给模型
2. 模型返回 tool_calls（如果需要调用函数）
3. 在本地执行对应函数，获取结果
4. 将 assistant 消息（含 tool_calls）和 tool 结果消息追加到对话中
5. 再次请求模型 — 模型根据函数结果生成最终回复
6. 如果模型再次返回 tool_calls，重复步骤 3-5

完整 Python 示例

以下示例展示了一个带有 get_weather 函数的完整调用流程：

import json
from openai import OpenAI

client = OpenAI(
    api_key="sk-your-api-key",
    base_url="https://api2everything.xyz/v1"
)

# 1. 定义工具
tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "获取指定城市的当前天气",
            "parameters": {
                "type": "object",
                "properties": {
                    "city": {
                        "type": "string",
                        "description": "城市名称"
                    }
                },
                "required": ["city"]
            }
        }
    }
]

# 2. 模拟本地函数实现
def get_weather(city: str) -> str:
    """模拟天气查询（实际项目中调用真实天气 API）"""
    weather_data = {
        "北京": "晴，25°C，湿度 40%",
        "上海": "多云，22°C，湿度 65%",
        "广州": "小雨，28°C，湿度 80%",
    }
    return weather_data.get(city, f"{city}：暂无天气数据")

# 3. 发起对话
messages = [{"role": "user", "content": "北京和上海今天天气怎么样？"}]

response = client.chat.completions.create(
    model="gpt-4o",
    messages=messages,
    tools=tools,
    tool_choice="auto"
)

message = response.choices[0].message

# 4. 多步循环处理
while message.tool_calls:
    # 将 assistant 消息加入对话
    messages.append(message)

    # 执行每个函数调用
    for tool_call in message.tool_calls:
        func_name = tool_call.function.name
        func_args = json.loads(tool_call.function.arguments)

        # 调用本地函数
        if func_name == "get_weather":
            result = get_weather(**func_args)
        else:
            result = f"未知函数：{func_name}"

        # 将函数结果加入对话
        messages.append({
            "role": "tool",
            "tool_call_id": tool_call.id,
            "content": result
        })

    # 再次请求模型
    response = client.chat.completions.create(
        model="gpt-4o",
        messages=messages,
        tools=tools,
        tool_choice="auto"
    )
    message = response.choices[0].message

# 5. 输出最终回复
print(message.content)

支持的模型

以下模型支持函数调用功能：