一、什么是 Function Calling？
Function Calling是一种让大语言模型能够理解何时需要调用外部函数，以及如何正确调用这些函数的技术。当用户提出需要外部工具协助的问题时，模型会：
- 识别意图：理解用户问题需要调用哪个工具提取参数：从用户输入中提取调用函数所需的参数执行调用：调用相应函数获取结果整合回答：将函数结果整合到自然语言回答中
二、代码架构解析
让我们通过一个实际的代码示例来理解Function Calling的实现：
1.安装第三方库
首先安装一下第三方库
pip install openai2. 完整示例代码
# -*- coding: utf-8 -*- # @Author ：Kan # @Date ：2025/8/1 9:12 # @File ：1_function_calling.py import json import random from openai import OpenAI from datetime import datetime # ================================================================ # 1. Function Calling（函数调用） # ================================================================ class ToolsUsage: tools = [ # 工具2 获取指定城市的天气 { "type": "function", "function": { "name": "get_current_weather", "description": "获取指定地点的天气信息", "parameters": { "type": "object", "properties": { "location": {"type": "string", "description": "地点名称"} }, "required": ["location"] } } }, # 工具1 获取当前时刻的时间 { "type": "function", "function": { "name": "get_current_time", "description": "当你想知道现在的时间时非常有用。", # 因为获取当前时间无需输入参数，因此parameters为空字典 "parameters": {}, }, }, ] @staticmethod # 天气查询工具。返回结果示例：“北京今天是雨天。” def get_current_weather(location): weather_conditions = ["晴天", "多云", "雨天"] # 随机选择一个天气条件 random_weather = random.choice(weather_conditions) # 返回格式化信息 return f"{location}今天是{random_weather}。" @staticmethod # 查询当前时间的工具。返回结果示例：“当前时间：2024-04-15 17:15:18。“ def get_current_time(): current_datetime = datetime.now() # 格式化日期 formatted_time = current_datetime.strftime("%Y-%m-%d %H:%M:%S") return f"当前时间：{formatted_time}。" @staticmethod def execute_tools(func_name, func_args): func_dic = { "get_current_weather": ToolsUsage.get_current_weather, "get_current_time": ToolsUsage.get_current_time, } return func_dic[func_name](**func_args) class ChatAgent: def __init__(self, api_key: str, url: str, model_name: str): self.client = OpenAI(api_key=api_key, base_url=url) self.model_name = model_name def request_chat(self, messages: list): response = self.client.chat.completions.create( model=self.model_name, messages=messages, tools=ToolsUsage.tools, extra_body={"enable_thinking": False}, tool_choice="auto", ) return response def execute_chat(self): print("\n") messages = [ { # 提问示例："现在几点了？" "一个小时后几点" "北京天气如何？" "content": input( "请输入问题:" ), "role": "user", } ] print("-*" * 60) # 模型调用次数 i = 1 first_response = self.request_chat(messages) assistant_output = first_response.choices[0].message print(f"\n第{i}轮大模型输出信息：{assistant_output}\n") # 不需要调用工具，则直接返回答案 if not assistant_output.tool_calls: print(f"无需调用工具，直接回复：{assistant_output.content}") return tool_calls_result = assistant_output.tool_calls # 如果需要调用工具，则进行模型的多轮调用，直到模型判断无需调用工具 while tool_calls_result: # 执行工具调用 for tool_call in assistant_output.tool_calls: tool_info = { "content": "", "role": "tool", "tool_call_id": assistant_output.tool_calls[0].id, } func_name = tool_call.function.name func_args = json.loads(tool_call.function.arguments) tools_result = ToolsUsage.execute_tools(func_name, func_args) print(f"当前调用工具:{func_name},参数:{func_args},输出信息：{tools_result}\n") tool_info["content"] = tools_result messages.append(tool_info) print("-*" * 60) second_response = self.request_chat(messages) assistant_output = second_response.choices[0].message i += 1 print(f"第{i}轮大模型输出信息：{assistant_output}\n") # 指导调用工具为空时终止 if not assistant_output.tool_calls: tool_calls_result = None print(f"最终答案:\n {assistant_output.content}") if __name__ == "__main__": api_key = 'xxxxxx' base_url = "http://xxxxxxxx/v1" model = "qwen3" chat_service = ChatAgent(api_key, base_url, model) chat_service.execute_chat()3. 工具定义类 - ToolsUsage
class ToolsUsage: tools = [ # 天气查询工具 { "type": "function", "function": { "name": "get_current_weather", "description": "获取指定地点的天气信息", "parameters": { "type": "object", "properties": { "location": {"type": "string", "description": "地点名称"} }, "required": ["location"] } } }, # 时间查询工具 { "type": "function", "function": { "name": "get_current_time", "description": "当你想知道现在的时间时非常有用。", "parameters": {}, }, }, ]这个类承担了两个核心职责：
工具声明：通过tools列表定义了可用的函数。每个工具定义包含：
name：函数名称description：功能描述，帮助模型理解何时使用parameters：参数规范，使用JSON Schema格式工具实现：提供了实际的函数实现，包括天气查询和时间获取功能。
4. 聊天代理类 - ChatAgent
class ChatAgent: def __init__(self, api_key: str, url: str, model_name: str): self.client = OpenAI(api_key=api_key, base_url=url) self.model_name = model_nameChatAgent类负责与大语言模型的交互，核心方法包括：
请求处理：request_chat方法向模型发送消息，关键参数：
tools：传入可用工具列表tool_choice="auto"：让模型自动判断是否需要调用工具执行逻辑：execute_chat方法实现了完整的对话流程。
三、Function Calling 执行流程详解
第一阶段：意图识别
first_response = self.request_chat(messages)assistant_output = first_response.choices[0].message当用户输入问题时，模型首先分析是否需要调用外部工具。比如：
- 输入"现在几点了？" → 需要调用时间工具输入"北京天气如何？" → 需要调用天气工具输入"你好" → 无需调用工具，直接回复
第二阶段：工具调用循环
while tool_calls_result: for tool_call in assistant_output.tool_calls: func_name = tool_call.function.name func_args = json.loads(tool_call.function.arguments) tools_result = ToolsUsage.execute_tools(func_name, func_args)如果模型判断需要调用工具，会进入多轮对话循环：
- 参数解析：模型从用户输入中提取函数参数工具执行：调用相应的工具函数获取结果结果反馈：将工具执行结果作为新的消息加入对话历史继续推理：模型基于工具结果继续生成回答
第三阶段：结果整合
if not assistant_output.tool_calls: print(f"最终答案:\n {assistant_output.content}")当所有必要的工具调用完成后，模型将结果整合成自然语言回答返回给用户。
