通义千问Function Calling实战指南：从入门到精通的API调用教程

2026-05-13阅读 0热度 0

使用教程

# 解锁通义千问 Function Calling：从对话模型到智能执行体想让你的通义千问模型直接执行外部操作，例如查询实时数据或处理结构化计算吗？关键在于精准配置其 Function Calling 能力。本指南将详解实现这一功能的核心流程。 ## 一、定义工具函数与 JSON Schema 实现 Function Calling 的第一步，是为模型提供一份精确的“工具接口规范”。你需要以 JSON Schema 格式，明确声明每个可用工具的名称、功能描述以及参数结构。一个完整的工具定义必须包含 `type`、`function.name`、`function.description` 和 `function.parameters` 等关键字段。以下是一个天气查询函数的定义示例： ```json { "type": "function", "function": { "name": "get_current_weather", "description": "查询指定城市的实时天气状况，包括温度、湿度和天气现象", "parameters": { "type": "object", "properties": { "location": { "type": "string", "description": "需要查询天气的城市名称，例如：上海、纽约" } }, "required": ["location"] } } } ``` 定义时需重点关注： 1. `parameters.properties` 中声明的参数类型必须与后端函数实现完全匹配。例如，`location` 参数定义为 `string` 类型。 2. 所有必须提供的参数都应在 `required` 数组中明确列出，例如 `["location"]`，以指导模型生成完整的调用参数。 3. 工具描述 (`description`) 应清晰具体，这直接影响模型对调用时机的判断准确性。 ## 二、构造包含工具定义的提示词模型需要同时接收用户指令和可用工具列表，才能决策是否调用以及调用哪个工具。正确的做法是：在构建包含 system 指令和 user 查询的 messages 列表后，**通过 API 请求的 `tools` 参数传入定义好的工具列表**。例如，在使用 `client.chat.completions.create` 方法时，设置 `tools=[weather_tool_definition, calculator_tool_definition]`。同时，建议设置 `response_format={"type": "json_object"}` 以确保模型输出结构化的 JSON 响应，便于后续程序化解析。 ## 三、解析并执行模型返回的调用指令当模型决定调用工具时，其响应特征为：`content` 字段为空，而 `tool_calls` 字段包含调用信息。你的程序应按以下逻辑处理： 1. 检查响应中 `response.choices[0].message.tool_calls` 是否存在。 2. 遍历 `tool_calls` 列表，根据每个 `function_call` 的 `name` 属性（如 `"get_current_weather"`）匹配本地注册的函数。 3. 使用 `json.loads` 解析 `function_call.arguments` 字符串，获得参数字典，并以此调用对应的本地函数。 ## 四、将工具执行结果注入上下文并获取最终回复工具执行后，需将结果反馈给模型，由其生成面向用户的最终回答。这是一个关键的多轮交互步骤，消息格式必须规范： 1. 创建一条新的 message，设置其 `role` 为 `"tool"`。 2. 将工具函数返回的实际结果字符串填入 `content` 字段。 3. 此消息必须包含 `tool_call_id` 字段，其值需与触发调用的原始 `tool_calls` 项中的 `id` **严格一致**。 4. 将此工具消息追加到历史对话列表末尾，再次调用模型接口，即可获得整合了工具执行结果的最终回复。 ## 五、处理无需工具调用的直接回复场景并非所有用户请求都需要调用外部函数。模型自身即可处理大量查询。在此场景下，模型响应中不包含 `tool_calls` 字段，其 `content` 字段即为有效答案。因此，你的程序**必须同时兼容两种响应路径**。推荐的处理逻辑是： 1. 首先检查 `response.choices[0].message.tool_calls` 是否为 `None` 或空列表。 2. 若未触发工具调用，则直接提取 `response.choices[0].message.content` 作为最终回复。 3. **关键点**：避免预设每次响应都包含 `tool_calls`。务必对 `content` 字段进行空值判断和异常处理，以构建健壮的对话流。遵循这五个步骤，你便能成功激活通义千问的 Function Calling 能力，使其从对话模型进阶为可调度外部资源的智能体，高效处理动态、实时的任务。

通义千问Function Calling实战指南：从入门到精通的API调用教程

相关阅读

最新教程

最新资讯