AI Agents · 课时

函数调用的工作原理

Q: 「函数调用的工作原理」这节课中我会学到什么？

了解完整的往返过程：模型选择工具，您的代码运行工具，您将结果发回，然后模型继续处理。 你通过在浏览器中直接运行的动手代码来练习 AI Agents，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

了解完整的往返过程：模型选择工具，您的代码运行工具，您将结果发回，然后模型继续处理。

函数调用的工作原理 是 CoddyKit 上的免费 AI Agents 课时。这是第 1 节课，共 4 节。你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。这是 AI Agents 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 AI Agents 课程共包含 4 节课。

函数调用：核心模式

函数调用是一种将 LLM 转变为智能体的协议。模型会从您提供的列表中选择一个函数，填入参数，然后由您执行该函数。

OpenAI、Anthropic、Google、Cohere、Mistral 以及大多数经过适当微调的主流 OSS 模型都支持这种模式。

五步往返流程

您发送消息和工具定义
模型返回最终答案或工具调用
您使用模型提供的参数执行工具
您将结果追加为工具消息
您使用更新后的历史记录再次调用模型

重复第 2 至第 5 步，直到模型返回最终答案。

第 1 步：定义工具

工具定义是描述每个函数的 JSON 模式：

tools = [{
    'type': 'function',
    'function': {
        'name': 'get_weather',
        'description': 'Current weather for a city',
        'parameters': {
            'type': 'object',
            'properties': {
                'city': {'type': 'string'}
            },
            'required': ['city']
        }
    }
}]
import json
print(json.dumps(tools, indent=2))

第 2 步：首次调用模型

发送消息和工具：

response = client.chat.completions.create(
    model='gpt-4o-mini',
    messages=[{'role': 'user', 'content': 'Weather in Paris?'}],
    tools=tools,
)
message = response.choices[0].message
print(message.tool_calls)
# [ToolCall(name='get_weather', arguments='{"city": "Paris"}')]

第 3 步：执行工具

分派到您的 Python 函数：

import json

def get_weather(city: str) -> dict:
    # ...call your weather API...
    return {'city': city, 'temp_c': 18, 'condition': 'cloudy'}

tool_call = message.tool_calls[0]
args = json.loads(tool_call.function.arguments)
result = get_weather(**args)

第 4 步：追加工具结果

添加带有匹配 ID 的工具消息：

messages.append(message)  # the assistant message with tool_calls
messages.append({
    'role': 'tool',
    'tool_call_id': tool_call.id,
    'content': json.dumps(result)
})

第 5 步：再次调用模型

再次调用模型——此时它已经获得工具结果，并会生成面向用户的答案：

final = client.chat.completions.create(
    model='gpt-4o-mini',
    messages=messages,
    tools=tools,
)
print(final.choices[0].message.content)
# 'It is currently 18 degrees and cloudy in Paris.'

智能体循环

将此过程封装在 while 循环中，因为模型可能会依次调用多个工具：

while True:
    response = client.chat.completions.create(model=MODEL, messages=messages, tools=tools)
    msg = response.choices[0].message
    messages.append(msg)
    if not msg.tool_calls:
        return msg.content  # final answer
    for tc in msg.tool_calls:
        result = dispatch(tc)
        messages.append({'role': 'tool', 'tool_call_id': tc.id, 'content': json.dumps(result)})

并行工具调用

现代模型会在一次响应中返回多个工具调用。在安全的情况下，请并行运行它们：

import asyncio

async def run_tools(tool_calls):
    coros = [dispatch_async(tc) for tc in tool_calls]
    return await asyncio.gather(*coros)

完成原因：工具调用

您也可以检查 finish_reason，而不是查找工具调用：

if response.choices[0].finish_reason == 'tool_calls':
    # the model wants to call tools
    ...
elif response.choices[0].finish_reason == 'stop':
    # done
    ...

常见错误

忘记在工具结果之前追加助手消息
使用错误的工具调用 ID
将工具结果作为用户消息发送
让循环无界运行——请设置最大步骤数

循环终止

您如何知道智能体何时完成？

回顾

函数调用是整个课程中最重要的模式。在继续学习之前，请先掌握它。

常见问题解答

「函数调用的工作原理」课时是免费的吗？

是的 — 「函数调用的工作原理」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 AI Agents 课程的其余内容，请升级到 CoddyKit PRO。 AI Agents 课程共包含 4 节课。

「函数调用的工作原理」这节课中我会学到什么？

了解完整的往返过程：模型选择工具，您的代码运行工具，您将结果发回，然后模型继续处理。你通过在浏览器中直接运行的动手代码来练习 AI Agents，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

学习 AI Agents 需要有经验吗？

无需任何先前经验。CoddyKit 上的 AI Agents 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。这是第 1 节课，共 4 节。

「函数调用的工作原理」课时需要多长时间？

大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。

我能在这节 AI Agents 课中编写并运行代码吗？

能。每节 AI Agents 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。

此课程中的所有课时

← 返回 AI Agents