1
# ===== 第1步：导入库 & 配置 =====
2
import json
3
import requests
4
from openai import OpenAI
5

6
client = OpenAI(
7
    api_key="sk-your-key",   # 换成你的API Key
8
    base_url="https://api.openai.com/v1"   # 也可换成国产模型地址
9
)
10

11
# ===== 第2步：定义工具（Tool Schema） =====
12
# 这是Function Calling的核心：告诉LLM有哪些函数可以调用，参数是什么
13

14
tools = [
15
    {
16
        "type": "function",
17
        "function": {
18
            "name": "get_weather",
19
            "description": "查询指定城市的当前天气",
20
            "parameters": {
21
                "type": "object",
22
                "properties": {
23
                    "city": {
24
                        "type": "string",
25
                        "description": "城市名，如'北京'、'上海'"
26
                    }
27
                },
28
                "required": ["city"]
29
            }
30
        }
31
    }
32
]
33
# 解释：LLM看到这个schema，当用户问天气时，它会返回一个function call请求，
34
# 而不是直接回答。我们拦截这个请求，调用真实API，再把结果送给LLM生成回答。
35

36
# ===== 第3步：实现工具函数（真实逻辑） =====
37
def get_weather(city: str) -> str:
38
    """调用一个免费天气API（示例用wttr.in，不需要key）"""
39
    url = f"https://wttr.in/{city}?format=%C+%t"
40
    resp = requests.get(url, timeout=5)
41
    return resp.text.strip()
42
    # 返回例如："☀️ +25°C"
43

44
# ===== 第4步：核心循环——处理Function Call =====
45
def chat_with_function_calling(user_message: str) -> str:
46
    # 4a. 先发消息给LLM
47
    messages = [
48
        {"role": "system", "content": "你是一个友好的助手，可以使用工具查询天气。"},
49
        {"role": "user", "content": user_message}
50
    ]
51
    response = client.chat.completions.create(
52
        model="gpt-4o",           # 或者用国产模型
53
        messages=messages,
54
        tools=tools,              # 把工具定义传给模型
55
        tool_choice="auto"        # 让模型自己决定是否调用工具
56
    )
57
    # response 里可能包含直接回答，也可能包含 tool_calls
58

59
    # 4b. 检查是否有函数调用请求
60
    assistant_message = response.choices[0].message
61
    if assistant_message.tool_calls:
62
        # 有工具调用 → 执行函数
63
        for tool_call in assistant_message.tool_calls:
64
            if tool_call.function.name == "get_weather":
65
                # 解析参数
66
                args = json.loads(tool_call.function.arguments)
67
                city = args.get("city")
68
                # 调用真实函数
69
                weather_result = get_weather(city)
70
                # 把函数执行结果追加到对话中
71
                messages.append({
72
                    "role": "tool",
73
                    "tool_call_id": tool_call.id,
74
                    "content": weather_result
75
                })
76
        # 4c. 把带有工具结果的完整对话再发给LLM生成最终回答
77
        final_response = client.chat.completions.create(
78
            model="gpt-4o",
79
            messages=messages
80
        )
81
        return final_response.choices[0].message.content
82
    else:
83
        # 没有工具调用，直接返回模型的回答
84
        return assistant_message.content
85

86
# ===== 第5步：跑起来 =====
87
if __name__ == "__main__":
88
    while True:
89
        user_input = input("你：")
90
        if user_input.lower() in ["quit", "exit"]:
91
            break
92
        answer = chat_with_function_calling(user_input)
93
        print(f"助手：{answer}\n")