函数调用

LLM 只能生成文本。但你的应用需要调用 API、查询数据库、执行计算。函数调用让模型输出结构化的工具调用请求，你的代码执行后把结果返回给模型——模型因此可以”使用工具”。

类型： 构建 语言： Python 前置条件： Phase 11 Lesson 01（提示工程） 预计时间： ~60 分钟

学习目标

• 理解函数调用的完整循环：定义工具 → 模型选择 → 执行 → 返回结果
• 掌握 JSON Schema 工具定义
• 实现并行函数调用和错误处理
• 理解 MCP（Model Context Protocol）协议

函数调用循环

1. 用户提问
2. 模型决定需要调用工具 → 输出工具调用请求
3. 应用执行工具 → 获取结果
4. 将结果返回给模型
5. 模型基于结果生成最终回答

工具定义

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",
                    },
                    "unit": {
                        "type": "string",
                        "enum": ["celsius", "fahrenheit"],
                        "description": "温度单位",
                    },
                },
                "required": ["city"],
            },
        },
    },
    {
        "type": "function",
        "function": {
            "name": "search_web",
            "description": "搜索互联网获取信息",
            "parameters": {
                "type": "object",
                "properties": {
                    "query": {
                        "type": "string",
                        "description": "搜索查询",
                    },
                },
                "required": ["query"],
            },
        },
    },
]

完整函数调用实现

import json
from openai import OpenAI

client = OpenAI()


def execute_tool(tool_name, arguments):
    """执行工具调用"""
    if tool_name == "get_weather":
        return get_weather(arguments["city"], arguments.get("unit", "celsius"))
    elif tool_name == "search_web":
        return search_web(arguments["query"])
    else:
        return f"未知工具: {tool_name}"


def get_weather(city, unit="celsius"):
    """获取天气（模拟）"""
    weather_data = {
        "北京": {"temp": 22, "condition": "晴"},
        "上海": {"temp": 25, "condition": "多云"},
        "深圳": {"temp": 30, "condition": "阵雨"},
    }
    data = weather_data.get(city, {"temp": 20, "condition": "未知"})
    if unit == "fahrenheit":
        data["temp"] = data["temp"] * 9/5 + 32
    return json.dumps(data)


def chat_with_tools(user_message, max_rounds=5):
    """带工具调用的对话"""
    messages = [{"role": "user", "content": user_message}]

    for _ in range(max_rounds):
        response = client.chat.completions.create(
            model="gpt-4o",
            messages=messages,
            tools=tools,
        )

        choice = response.choices[0]

        # 如果没有工具调用，返回最终回答
        if choice.finish_reason != "tool_calls":
            return choice.message.content

        # 处理工具调用
        messages.append(choice.message)

        for tool_call in choice.message.tool_calls:
            tool_name = tool_call.function.name
            arguments = json.loads(tool_call.function.arguments)

            # 执行工具
            result = execute_tool(tool_name, arguments)

            # 将结果返回给模型
            messages.append({
                "role": "tool",
                "tool_call_id": tool_call.id,
                "content": result,
            })

    return "达到最大轮数限制"


# 使用
result = chat_with_tools("北京和上海今天天气怎么样？")

并行函数调用

模型可以在一次响应中调用多个工具：

# GPT-4o 支持并行函数调用
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "北京和上海哪个更热？"}],
    tools=tools,
)

# response.choices[0].message.tool_calls 可能包含多个调用
for tool_call in response.choices[0].message.tool_calls:
    print(f"调用: {tool_call.function.name}({tool_call.function.arguments})")

安全规则

1. 永远不要让模型直接执行代码——模型输出的是请求，你的代码决定是否执行
2. 验证所有参数——检查类型、范围和权限
3. 限制工具权限——只暴露必要的工具
4. 记录所有调用——用于审计和调试
5. 设置超时——工具调用不应无限等待

MCP（Model Context Protocol）

MCP 是 Anthropic 提出的标准化工具协议：

# MCP 定义工具的标准格式
mcp_tool = {
    "name": "database_query",
    "description": "执行 SQL 查询",
    "inputSchema": {
        "type": "object",
        "properties": {
            "sql": {"type": "string", "description": "SQL 查询语句"},
        },
        "required": ["sql"],
    },
}

MCP 的优势：统一的工具定义格式，跨模型和跨平台兼容。

关键术语

延伸阅读

• OpenAI Function Calling — OpenAI 函数调用文档
• Anthropic Tool Use — Anthropic 工具使用文档
• MCP 规范 — Model Context Protocol 官方文档