在大模型应用开发中函数调用Function Calling是突破纯文本交互、实现模型与外部工具协同的核心能力。它让大模型不再只做 “语言翻译官”更能成为 “任务指挥官”—— 识别需要调用的工具、传递正确参数、接收执行结果并给出最终答案。本文将以阿里通义千问qwen-plus为例从基础加法器实现到复杂场景的水果计数一步步拆解大模型函数调用的完整流程。一、函数调用核心原理函数调用的本质是开发者预先定义工具函数的描述名称、用途、参数格式大模型接收用户问题后先判断是否需要调用工具若需要则按照预设格式生成调用指令指定函数名、传入参数开发者解析指令后执行函数再将结果返回给大模型最终由大模型整合结果给出自然语言回答。核心流程定义工具函数的 JSON 描述告诉大模型 “有什么工具、怎么用”用户提问大模型判断是否调用工具并生成调用指令解析调用指令执行本地函数并获取结果将函数结果回传给大模型生成最终回答二、加法器函数调用1.定义函数调用的核心函数封装get_completion函数包含模型调用逻辑和工具描述定义重点是tools参数def get_completion(messages, modelqwen-plus): 调用大模型支持工具函数调用 :param messages: 对话历史systemuser工具调用结果等 :param model: 调用的模型默认qwen-plus :return: 大模型的回复对象 response client.chat.completions.create( modelmodel, messagesmessages, tools[ # 定义工具函数的JSON描述可定义多个 { type: function, function: { name: sum, # 函数名 description: 加法器计算一组数的和只能运用于加法操作, # 函数用途大模型据此判断是否调用 parameters: { # 参数定义JSON Schema格式 type: object, properties: { numbers: {type: array, items: {type: number}} # 数组类型元素为数字 }, required: [numbers] # 必传参数建议显式声明提升稳定性 }, }, } ], ) return response.choices[0].message2.测试基础加法场景调用函数计算 1 到 10 的和验证工具调用逻辑# 测试1计算1-10的和 prompt Tell me the sum of 1, 2, 3, 4, 5, 6, 7, 8, 9, 10. messages [ {role: system, content: 你是一个数学家当需要进行加法操作时调用sum工具}, {role: user, content: prompt}, ] # 第一步获取大模型的工具调用指令 response get_completion(messages) messages.append(response) # 将模型回复加入对话历史 print(大模型工具调用指令) print(response) # 第二步解析指令并执行sum函数 if response.tool_calls is not None: tool_call response.tool_calls[0] if tool_call.function.name sum: # 解析参数JSON字符串转字典 args json.loads(tool_call.function.arguments) result sum(args[numbers]) # 执行加法 print(函数执行结果) print(result) # 第三步将函数结果回传给大模型 messages.append( { tool_call_id: tool_call.id, # 关联工具调用ID role: tool, name: sum, content: str(result), # 工具返回结果必须是字符串 } ) # 第四步获取大模型的最终自然语言回答 final_response get_completion(messages) print(最终回答) print(final_response.content)3.解析tools参数是核心通过 JSON Schema 定义函数的名称、描述、参数大模型会根据用户问题和描述判断是否调用该函数tool_calls是模型返回的调用指令若不为空说明模型决定调用工具需解析其中的function.name和function.arguments对话历史需完整每一步的模型回复、工具执行结果都要加入messages保证模型上下文连贯三、智能水果计数加法场景是纯数字输入而实际场景中用户问题往往是自然语言如 “2 个苹果、4 个桃子、3 本书一共有几个水果”需要大模型先识别 “水果类别”、提取数字再调用加法函数。1.代码实现import json from openai import OpenAI # 初始化客户端 client OpenAI( api_keysk-0b717f29b6ee4852a2331cf1ffa30d4f, base_urlhttps://dashscope.aliyuncs.com/compatible-mode/v1, ) def get_completion(messages, modelqwen-plus): response client.chat.completions.create( modelmodel, messagesmessages, tools[ { type: function, function: { name: sum, description: 加法器计算一组数的和只能运用于加法操作, parameters: { type: object, properties: { numbers: {type: array, items: {type: number}} }, required: [numbers] }, }, } ], ) return response.choices[0].message # 进阶测试水果计数需先筛选水果类别再求和 prompt 桌上有 2 个苹果四个桃子和 3 本书一共有几个水果 messages [ {role: system, content: 你是一个数学家先识别用户问题中的水果类别提取对应数量再调用sum工具计算水果总数非水果类物品忽略}, {role: user, content: prompt}, ] # 第一步获取模型的工具调用指令模型会自动筛选水果数量 response get_completion(messages) messages.append(response) print(大模型回复工具调用指令) print(response) # 第二步兼容处理模型可能直接回答也可能调用工具 if response.tool_calls is not None: tool_call response.tool_calls[0] if tool_call.function.name sum: # 解析参数并执行加法 args json.loads(tool_call.function.arguments) result sum(args[numbers]) print(sum函数执行结果) print(result) # 第三步回传工具结果给模型 messages.append( { tool_call_id: tool_call.id, role: tool, name: sum, content: str(result), } ) # 第四步获取最终自然语言回答 final_response get_completion(messages) print(最终回答) print(final_response.content) else: # 模型未调用工具直接返回回答 print(最终回答) print(response.content)
大模型函数调用（Function Calling）
发布时间：2026/7/14 9:01:26
在大模型应用开发中函数调用Function Calling是突破纯文本交互、实现模型与外部工具协同的核心能力。它让大模型不再只做 “语言翻译官”更能成为 “任务指挥官”—— 识别需要调用的工具、传递正确参数、接收执行结果并给出最终答案。本文将以阿里通义千问qwen-plus为例从基础加法器实现到复杂场景的水果计数一步步拆解大模型函数调用的完整流程。一、函数调用核心原理函数调用的本质是开发者预先定义工具函数的描述名称、用途、参数格式大模型接收用户问题后先判断是否需要调用工具若需要则按照预设格式生成调用指令指定函数名、传入参数开发者解析指令后执行函数再将结果返回给大模型最终由大模型整合结果给出自然语言回答。核心流程定义工具函数的 JSON 描述告诉大模型 “有什么工具、怎么用”用户提问大模型判断是否调用工具并生成调用指令解析调用指令执行本地函数并获取结果将函数结果回传给大模型生成最终回答二、加法器函数调用1.定义函数调用的核心函数封装get_completion函数包含模型调用逻辑和工具描述定义重点是tools参数def get_completion(messages, modelqwen-plus): 调用大模型支持工具函数调用 :param messages: 对话历史systemuser工具调用结果等 :param model: 调用的模型默认qwen-plus :return: 大模型的回复对象 response client.chat.completions.create( modelmodel, messagesmessages, tools[ # 定义工具函数的JSON描述可定义多个 { type: function, function: { name: sum, # 函数名 description: 加法器计算一组数的和只能运用于加法操作, # 函数用途大模型据此判断是否调用 parameters: { # 参数定义JSON Schema格式 type: object, properties: { numbers: {type: array, items: {type: number}} # 数组类型元素为数字 }, required: [numbers] # 必传参数建议显式声明提升稳定性 }, }, } ], ) return response.choices[0].message2.测试基础加法场景调用函数计算 1 到 10 的和验证工具调用逻辑# 测试1计算1-10的和 prompt Tell me the sum of 1, 2, 3, 4, 5, 6, 7, 8, 9, 10. messages [ {role: system, content: 你是一个数学家当需要进行加法操作时调用sum工具}, {role: user, content: prompt}, ] # 第一步获取大模型的工具调用指令 response get_completion(messages) messages.append(response) # 将模型回复加入对话历史 print(大模型工具调用指令) print(response) # 第二步解析指令并执行sum函数 if response.tool_calls is not None: tool_call response.tool_calls[0] if tool_call.function.name sum: # 解析参数JSON字符串转字典 args json.loads(tool_call.function.arguments) result sum(args[numbers]) # 执行加法 print(函数执行结果) print(result) # 第三步将函数结果回传给大模型 messages.append( { tool_call_id: tool_call.id, # 关联工具调用ID role: tool, name: sum, content: str(result), # 工具返回结果必须是字符串 } ) # 第四步获取大模型的最终自然语言回答 final_response get_completion(messages) print(最终回答) print(final_response.content)3.解析tools参数是核心通过 JSON Schema 定义函数的名称、描述、参数大模型会根据用户问题和描述判断是否调用该函数tool_calls是模型返回的调用指令若不为空说明模型决定调用工具需解析其中的function.name和function.arguments对话历史需完整每一步的模型回复、工具执行结果都要加入messages保证模型上下文连贯三、智能水果计数加法场景是纯数字输入而实际场景中用户问题往往是自然语言如 “2 个苹果、4 个桃子、3 本书一共有几个水果”需要大模型先识别 “水果类别”、提取数字再调用加法函数。1.代码实现import json from openai import OpenAI # 初始化客户端 client OpenAI( api_keysk-0b717f29b6ee4852a2331cf1ffa30d4f, base_urlhttps://dashscope.aliyuncs.com/compatible-mode/v1, ) def get_completion(messages, modelqwen-plus): response client.chat.completions.create( modelmodel, messagesmessages, tools[ { type: function, function: { name: sum, description: 加法器计算一组数的和只能运用于加法操作, parameters: { type: object, properties: { numbers: {type: array, items: {type: number}} }, required: [numbers] }, }, } ], ) return response.choices[0].message # 进阶测试水果计数需先筛选水果类别再求和 prompt 桌上有 2 个苹果四个桃子和 3 本书一共有几个水果 messages [ {role: system, content: 你是一个数学家先识别用户问题中的水果类别提取对应数量再调用sum工具计算水果总数非水果类物品忽略}, {role: user, content: prompt}, ] # 第一步获取模型的工具调用指令模型会自动筛选水果数量 response get_completion(messages) messages.append(response) print(大模型回复工具调用指令) print(response) # 第二步兼容处理模型可能直接回答也可能调用工具 if response.tool_calls is not None: tool_call response.tool_calls[0] if tool_call.function.name sum: # 解析参数并执行加法 args json.loads(tool_call.function.arguments) result sum(args[numbers]) print(sum函数执行结果) print(result) # 第三步回传工具结果给模型 messages.append( { tool_call_id: tool_call.id, role: tool, name: sum, content: str(result), } ) # 第四步获取最终自然语言回答 final_response get_completion(messages) print(最终回答) print(final_response.content) else: # 模型未调用工具直接返回回答 print(最终回答) print(response.content)
