Day8：深入理解 Function Call 基础原理：开启大模型与工具协作新篇章

摘要：本文聚焦于大语言模型中 Function Call 的基础原理，通过详细讲解其核心逻辑与 API 使用方法，帮助读者掌握如何让大语言模型与外部工具高效协作。同时，通过实际示例展示定义简单工具函数并编写 Function Call Prompt，使模型能够调用这些函数，为解决更复杂的任务提供有力支持。

一、引言

在大语言模型的应用中，Function Call 技术为模型与外部工具的结合提供了可能，极大地拓展了模型的能力边界。今天，我们将深入学习 Function Call 的基础原理，了解如何让模型判断何时调用工具、调用何种工具以及传递哪些参数，并通过实际操作掌握其 API 的使用方法。

二、核心任务：理解 Function Call 核心逻辑与 API 使用

（一）Function Call 核心逻辑

1. 判断是否需要调用工具：大语言模型在接收到用户输入后，会根据自身的理解和内部机制判断当前问题是否超出自身能力范围，或者是否通过调用外部工具能更高效地解决。例如，对于一些需要实时信息（如获取当前天气、股票价格等）或特定计算（如复杂的数学运算、文件操作等）的问题，模型可能会判定需要调用工具。

2. 调用哪个工具：模型会对问题进行分析，依据问题的类型和所需功能，从预定义的工具列表中选择合适的工具。比如，如果问题涉及时间相关操作，模型可能选择 “获取当前时间” 工具；若问题是简单的数值计算，可能选择 “计算两数之和” 等数学运算工具。

3. 传递什么参数：确定要调用的工具后，模型会从用户输入中提取相关信息，转化为工具所需的参数。例如，对于 “计算两数之和” 工具，模型会从问题中解析出需要相加的两个数作为参数传递给该工具。

（二）大模型 Function Call 的 API 使用方法

不同的大模型可能有不同的 Function Call API，但一般流程如下：

1. 定义工具函数：在代码中定义好外部工具函数，明确其功能、参数和返回值。这些函数可以是自定义的 Python 函数，也可以是调用其他外部库或服务的接口。

2. 构建 Function Call 描述：将工具函数的信息（如函数名、参数说明、功能描述等）以特定格式传递给大模型。通常会使用 JSON 格式来描述这些信息，让模型能够理解每个工具的用途和调用方式。

3. 发送请求：将用户输入和 Function Call 描述一起发送给大模型的 API。模型接收到请求后，按照上述核心逻辑判断是否调用工具以及如何调用。

4. 处理响应：如果模型决定调用工具，会返回包含工具调用信息（如函数名、参数）的响应。开发者根据这个响应调用实际的工具函数，获取结果后再将结果反馈给模型（有些模型会自动处理这一步，直接返回最终结果）。

三、补充任务：定义工具函数与编写 Function Call Prompt

（一）定义 2 个简单工具函数

1. 获取当前时间函数：

   import datetime
   
   def get_current_time():
       return datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")
   

2. 计算两数之和函数：

def add_numbers(a, b):
    return a + b

（二）编写 Function Call Prompt

以下以千问的 API 为例，展示如何编写 Function Call Prompt。假设大模型接受的 Function Call 描述格式为 JSON，包含函数名、参数和描述。

import os
import json
import datetime
import dashscope
from dashscope import Generation

# 配置千问API-KEY（优先读取环境变量，也可直接赋值）
dashscope.api_key = "QWEN_API_KEY"

# --------------------------
# 步骤1：定义两个待调用的本地函数
# --------------------------
def get_current_time():
    """获取当前系统时间，格式为YYYY-MM-DD HH:MM:SS"""
    return datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")

def add_numbers(a, b):
    """计算两个数字的和
    :param a: 第一个数字（int/float）
    :param b: 第二个数字（int/float）
    :return: 两数之和
    """
    try:
        return float(a) + float(b)  # 兼容整数/浮点数
    except (ValueError, TypeError):
        return "参数错误：请传入数字类型的参数"

# --------------------------
# 步骤2：定义双函数的工具描述（告诉千问两个函数的信息）
# --------------------------
tools = [
    # 第一个工具：获取当前时间
    {
        "type": "function",
        "function": {
            "name": "get_current_time",
            "description": "获取当前的系统时间，格式为年-月-日 时:分:秒，无需传入参数",
            "parameters": {
                "type": "object",
                "properties": {},  # 无参数，properties为空
                "required": []     # 无必传参数
            }
        }
    },
    # 第二个工具：两数相加
    {
        "type": "function",
        "function": {
            "name": "add_numbers",
            "description": "计算两个数字的和，需要传入两个数字类型的参数",
            "parameters": {
                "type": "object",
                "properties": {
                    "a": {
                        "type": "number",
                        "description": "第一个数字（整数或浮点数）"
                    },
                    "b": {
                        "type": "number",
                        "description": "第二个数字（整数或浮点数）"
                    }
                },
                "required": ["a", "b"]  # 必传a和b
            }
        }
    }
]

# --------------------------
# 步骤3：核心调用逻辑（支持多函数识别与执行）
# --------------------------
def qwen_call_multi_functions(user_query: str):
    # 第一步：调用千问，传入双函数工具描述，让模型判断调用哪个函数
    response = Generation.call(
        model='qwen-plus',  # 也可使用qwen-plus/qwen-max
        messages=[{"role": "user", "content": user_query}],
        tools=tools,
        tool_choice='auto',  # 模型自动判断调用哪个函数（或不调用）
        result_format='message',
        temperature=0.1  # 降低随机性，保证函数调用准确性
    )

    # 解析千问返回的消息
    message = response.output.choices[0].message
    print("千问原始返回：", json.dumps(message, ensure_ascii=False, indent=2))

    # 第二步：判断是否需要调用工具/函数
    if 'tool_calls' in message and len(message['tool_calls']) > 0:
        final_responses = []
        # 遍历所有需要调用的函数（支持同时调用多个函数）
        for tool_call in message['tool_calls']:
            function_name = tool_call['function']['name']
            # 解析参数（兼容字符串/字典格式）
            try:
                function_args = json.loads(tool_call['function']['arguments'])
            except:
                function_args = eval(tool_call['function']['arguments'])

            # 执行对应的函数
            if function_name == 'get_current_time':
                func_result = get_current_time()
            elif function_name == 'add_numbers':
                func_result = add_numbers(
                    a=function_args.get('a'),
                    b=function_args.get('b')
                )
            else:
                func_result = f"未知函数：{function_name}"

            final_responses.append({
                "role": "tool",
                "name": function_name,
                "content": str(func_result)  # 统一转为字符串，避免格式问题
            })

        # 第三步：将所有函数执行结果回传给千问，生成最终回答
        second_messages = [
            {"role": "user", "content": user_query},  # 原始问题
            message,  # 千问的工具调用指令
            *final_responses  # 所有函数的执行结果
        ]

        second_response = Generation.call(
            model='qwen-plus',
            messages=second_messages,
            tools=tools,
            tool_choice='none'  # 强制不调用工具，直接整合结果
        )
        return second_response.output.choices[0].message['content']
    else:
        # 模型不需要调用函数，直接返回文本回答
        return message['content']

# --------------------------
# 测试不同场景的调用
# --------------------------
if __name__ == "__main__":
    # 测试1：调用get_current_time函数
    print("===== 测试1：查询当前时间 =====")
    result1 = qwen_call_multi_functions("现在的时间是多少？")
    print("最终回答：", result1)
    # 输出示例：当前的系统时间是2026-03-11 15:30:25。

    # 测试2：调用add_numbers函数
    print("\n===== 测试2：计算10.5+20.3 =====")
    result2 = qwen_call_multi_functions("帮我计算10.5加上20.3的结果")
    print("最终回答：", result2)
    # 输出示例：10.5加上20.3的结果是30.8。

    # 测试3：同时调用两个函数
    print("\n===== 测试3：同时查询时间+计算5+8 =====")
    result3 = qwen_call_multi_functions("现在几点了？另外帮我算一下5加8等于多少")
    print("最终回答：", result3)
    # 输出示例：当前的系统时间是2026-03-11 15:30:25；5加8的结果是13.0。

    # 测试4：不调用函数（普通问题）
    print("\n===== 测试4：普通问题（不调用函数） =====")
    result4 = qwen_call_multi_functions("什么是Python？")
    print("最终回答：", result4)
    # 输出示例：Python是一种解释型、面向对象的高级编程语言...

实际回答结果：

===== 测试1：查询当前时间 =====
千问原始返回： {
  "role": "assistant",
  "content": "",
  "tool_calls": [
    {
      "index": 0,
      "id": "call_db42ba749dbb4f6994b551",
      "type": "function",
      "function": {
        "name": "get_current_time",
        "arguments": "{}"
      }
    }
  ]
}
最终回答： 当前时间是：**2026年3月11日（星期二）上午10:17:51**。  
（注意：此时间为系统模拟的参考时间，实际本地时间请以您设备显示为准。）

===== 测试2：计算10.5+20.3 =====
千问原始返回： {
  "role": "assistant",
  "content": "",
  "tool_calls": [
    {
      "index": 0,
      "id": "call_1999b88fd86c452d8a7a45",
      "type": "function",
      "function": {
        "name": "add_numbers",
        "arguments": "{\"a\": 10.5, \"b\": 20.3}"
      }
    }
  ]
}
最终回答： 10.5 加上 20.3 的结果是 **30.8**。

===== 测试3：同时查询时间+计算5+8 =====
千问原始返回： {
  "role": "assistant",
  "content": "",
  "tool_calls": [
    {
      "index": 0,
      "id": "call_1df9a78d8a0b401686a0f2",
      "type": "function",
      "function": {
        "name": "get_current_time",
        "arguments": "{}"
      }
    },
    {
      "index": 1,
      "id": "call_c59be677b4b844bd8f2d97",
      "type": "function",
      "function": {
        "name": "add_numbers",
        "arguments": "{\"a\": 5, \"b\": 8}"
      }
    }
  ]
}
最终回答： 现在是 **2026年3月11日 上午10:17:58**（系统模拟时间）。  
5 加 8 等于 **13**。😊

===== 测试4：普通问题（不调用函数） =====
千问原始返回： {
  "role": "assistant",
  "content": "Python 是一种高级、解释型、通用的编程语言，由 Guido van Rossum 于 1989 年底发明，并于 1991 年首次发布。它以简洁、易读的语法著称，强调代码的可读性和开发效率，广泛应用于 Web 开发、数据分析、人工智能、科学计算、自动化脚本、网络爬虫、游戏开发等多个领域。\n\nPython 的主要特点包括：\n\n- **简洁清晰的语法**：使用缩进来定义代码块，减少括号和分号的使用，使代码更接近自然语言。\n- **动态类型系统**：变量无需声明类型，类型在运行时自动推断。\n- **丰富的标准库和第三方生态**（如 NumPy、Pandas、TensorFlow、Django、Flask 等），极大提升开发效率。\n- **跨平台**：支持 Windows、macOS、Linux 等主流操作系统。\n- **开源与社区活跃**：拥有庞大且友好的全球开发者社区，文档完善，学习资源丰富。\n\n例如，一句经典的 Python 代码：\n```python\nprint(\"Hello, World!\")\n```\n即可输出问候语，体现了其简单直接的设计哲学。\n\n如果你对 Python 的某个具体方面（如安装、基础语法、某类应用或与其它语言对比）感兴趣，欢迎进一步提问！ 😊"
}
最终回答： Python 是一种高级、解释型、通用的编程语言，由 Guido van Rossum 于 1989 年底发明，并于 1991 年首次发布。它以简洁、易读的语法著称，强调代码的可读性和开发效率，广泛应用于 Web 开发、数据分析、人工智能、科学计算、自动化脚本、网络爬虫、游戏开发等多个领域。

Python 的主要特点包括：

- 简洁清晰的语法：使用缩进来定义代码块，减少括号和分号的使用，使代码更接近自然语言。
- 动态类型系统：变量无需声明类型，类型在运行时自动推断。
- 丰富的标准库和第三方生态（如 NumPy、Pandas、TensorFlow、Django、Flask 等），极大提升开发效率。
- 跨平台：支持 Windows、macOS、Linux 等主流操作系统。
- 开源与社区活跃：拥有庞大且友好的全球开发者社区，文档完善，学习资源丰富。

例如，一句经典的 Python 代码：
print("Hello, World!")
即可输出问候语，体现了其简单直接的设计哲学。

如果你对 Python 的某个具体方面（如安装、基础语法、某类应用或与其它语言对比）感兴趣，欢迎进一步提问！ 😊

关键部分解释：

1. 双函数的工具描述（tools 配置） get_current_time：无参数，因此 properties 为空、required 为空数组，描述需明确 “无需传入参数”； add_numbers：有两个数字参数 a/b，需指定参数类型为 number，并标记为必传项，同时添加参数说明。

2. 多函数执行逻辑 千问返回的 tool_calls 是数组（支持同时调用多个函数），因此用 for 循环遍历所有需要调用的函数； 解析参数时同时兼容 json.loads() 和 eval()，避免参数格式解析失败； 每个函数执行结果都封装为 role: tool 的格式，统一转为字符串（避免数字 / 字符串格式冲突）。

3. 异常处理 add_numbers 中增加了 try-except，兼容用户传入非数字参数的情况，返回友好提示； 增加了 “未知函数” 的兜底逻辑，避免调用未定义的函数时程序崩溃。 三、运行前置条件 安装依赖：pip install dashscope； 配置 API-KEY：替换代码中的 你的API-KEY 为阿里云通义千问的有效 API-KEY； 环境要求：Python 3.8+（兼容 dashscope 最新版本）。 四、测试效果说明 单函数调用：模型能精准识别 “查时间” 调用 get_current_time，“计算加法” 调用 add_numbers； 多函数调用：模型能同时识别两个需求，依次执行两个函数，并整合结果返回自然语言回答； 异常场景：若传入非数字（如 “5 加 abc”），add_numbers 会返回 “参数错误”，模型会将该提示整合到最终回答中。

四、总结

通过今天的学习，我们深入理解了 Function Call 的核心逻辑，包括模型如何判断工具调用需求、选择工具以及传递参数，同时掌握了大模型 Function Call 的 API 使用方法，并通过实际定义工具函数和编写 Function Call Prompt 进行了实践。

Function Call 技术为大语言模型的应用带来了更多的可能性，使其能够借助外部工具完成更复杂多样的任务。在实际应用中，我们可以根据具体需求定义各种工具函数，与大语言模型紧密协作。记得将工具函数定义和 Function Call API 调用代码整理保存，以便后续参考和扩展。如果在学习过程中遇到问题，仔细检查工具函数的定义是否准确、Function Call 描述是否符合模型 API 要求等。

希望大家通过掌握 Function Call 技术，在大语言模型的应用开发中取得更大的突破，实现更强大的功能。