|
大模型（如OpenAI的GPT系列、Claude、Gemini等）中的 Function Call（函数调用）是近年来引入的一项强大功能，它极大地扩展了大语言模型的能力边界，使其不仅能生成文本，还能与外部工具、API、数据库等系统交互，执行更复杂的任务，它更是实现AI Agent的一把钥匙。 这项技术大大增强了大模型的实用性，使其能够执行复杂任务，如查询天气、预订机票、搜索信息等。Function Call弥补了纯文本模型的局限性，让AI可以与外部系统和API交互，提供更精准、实时的服务。它的明显优势包括结构化输出、扩展能力范围、减少幻觉，以及提高复杂任务的处理能力。
Function Call 是一种机制，它的出现，使得大模型在对话过程中拥有了调用预定义的函数（或 API）的能力，并且可以基于调用函数的返回结果继续对话，它的原理如下： 1. 函数定义（Function Schema） 开发者需要向大模型提供一组函数的定义，包括：
2. 模型决定调用函数 当用户输入一个问题时（如：“上海今天天气怎么样？”），大模型判断是否需要调用某个函数。如果需要，会自动生成调用该函数所需的参数。 3. 外部系统执行函数 这个请求被发送到真实的后端函数或 API，由开发者实现。例如调用天气 API 获取的天气信息，并返回结果。 4. 模型继续对话 大模型接收到函数返回结果后，会将其作为上下文的一部分，继续生成自然语言回复。
下面使用 OpenAI 实现 Function Call , 通过一个简单的例子来说明。我们需要查询世界城市的天气情况。假设我们有一个外部函数 get_current_weather，它会调用一个天气 API 并返回结果。 先定义一个函数 get_current_weather，它将调用一个天气 API（例如 OpenWeatherMap API）来获取实时天气数据。接下来，我们将使用 OpenAI 客户端来实现 Function Call。假设我们已经有一个 OpenAI 的 API 密钥，并且启用了 Function Call 功能。 importopenaiimportrequests
# 设置OpenAI的API密钥openai.api_key ="xxx"
# 定义一个函数，用于获取指定地点的当前天气信息defget_current_weather(location:str, unit:str="metric"): """ 获取指定地点的当前天气信息。 参数: location (str): 地点名称，例如 "Beijing" 或 "Shanghai"。 unit (str): 温度单位，"metric" 表示摄氏度，"imperial" 表示华氏度，默认为 "metric"。 返回: dict: 包含温度和天气描述的字典。 """ api_key ="xxx"# 替换为你的OpenWeatherMap API密钥 # 构造请求的URL url =f"http://api.openweathermap.org/data/2.5/weather?q={location}&units={unit}&appid={api_key}" try: # 发送HTTP GET请求 response = requests.get(url) # 检查响应状态码是否为200（成功） ifresponse.status_code ==200: data = response.json() # 从JSON数据中提取温度和天气描述 return{ "temperature": data["main"]["temp"], "description": data["weather"][0]["description"] } else: # 如果响应状态码不是200，打印错误信息 print(f"请求天气API失败，状态码：{response.status_code}") returnNone
exceptExceptionase: # 捕获异常并打印错误信息 print(f"解析天气API时发生错误：{e}") returnNone
# 定义函数调用的元数据functions = [ { "name":"get_current_weather", "description":"获取指定城市的当前天气", "parameters": { "type":"object", "properties": { "location": { "type":"string", "description":"城市名称" }, "unit": { "type":"string", "description":"温度单位（metric 或 imperial）", "default":"metric" } }, "required": ["location"] } }]
# 用户输入user_input ="沈阳今天的天气如何？"
# 调用OpenAI的ChatCompletion接口response = openai.ChatCompletion.create( model="gpt-4", messages=[ {"role":"user","content": user_input} ], functions=functions, function_call="auto"# 自动决定是否调用函数)
# 检查是否触发了函数调用ifresponse.choices[0].finish_reason =="function_call": function_args = response.choices[0].message.function_call.arguments function_name = response.choices[0].message.function_call.name # 如果触发的函数是get_current_weather iffunction_name =="get_current_weather": # 调用get_current_weather函数获取天气信息 weather_result = get_current_weather( location=function_args["location"], unit=function_args.get("unit","metric") )
# 如果获取到天气信息 ifweather_result: # 再次调用ChatCompletion接口，将天气信息作为上下文传递 second_response = openai.ChatCompletion.create( model="gpt-4", messages=[ {"role":"user","content": user_input}, {"role":"assistant","content": response.choices[0].message.content}, {"role":"function","name": function_name,"arguments": function_args}, {"role":"function","name": function_name,"content": weather_result} ] )
# 打印最终的回答 print(second_response.choices[0].message.content) else: # 如果天气信息获取失败，提示用户 print("无法获取天气信息，请检查网络连接或稍后再试。")
else: # 如果没有触发函数调用，直接打印模型的回答 print(response.choices[0].message.content)
Function Call 是大模型通过理解用户意图，自动决定调用哪个函数、构造参数、执行调用、接收结果、继续对话的一整套流程。它的作用体系在以下几点： 1. 增强能力：模型通过Function Call可以调用外部工具或服务，从而执行自身无法完成的任务，如实时数据检索、文件处理、数据库查询等。 2. 实时数据访问：大模型通常基于静态数据集训练，不具备实时信息。Function Call允许模型访问最新的数据，提供更准确、更及时的回答。 3. 提高准确性：在需要精确计算或特定领域知识时，大模型可以通过调用专门的函数来提高回答的准确性。 4. 个性化服务：Function Call使得大模型能够根据用户的具体需求调用不同的服务，提供个性化的用户体验。 5. 操作复杂任务：有些任务过于复杂，无法仅靠模型的内置知识解决。Function Call允许模型将这些任务分解为可管理的子任务，并调用相应的函数来解决。 6. 交互式应用：在构建交互式应用时，如聊天机器人或虚拟助手，Function Call使得模型能够执行更复杂的交互。 7. 安全性和合规性：通过Function Call，可以在模型外部处理敏感数据，确保数据安全和合规性。
 --THE END-- 
| 
