火山方舟
火山方舟
文档指南
请输入
调用
视频生成
工具调用
使用 Responses API
推理
训练
模型精调
Managed Agents
配置 Agent 环境
委派任务给 Agent
管理 Agent 上下文
高级能力
- 文档首页
火山方舟调用工具调用Function Calling（函数调用）
复制全文
下载 pdfFunction Calling（函数调用）
文档反馈
问问助手Function Calling（函数调用）是一种将大模型与外部工具和 API 相连的关键功能，作为自然语言与信息接口之间的“翻译官”，它能够将用户的自然语言请求智能地转化为对特定工具或 API 的调用，从而高效满足用户的特定需求。
功能概述
- 核心价值：实现大模型与外部工具的无缝衔接，使大模型能够借助外部工具处理实时数据查询、任务执行等复杂场景，推动大模型在实际产业中的落地应用。
- 工作原理：开发者通过自然语言向模型描述函数的功能和定义，模型在对话过程中自主判断是否需要调用函数。当需要调用时，模型会返回符合要求的工具函数及入参，开发者负责实际调用函数并将结果回填给模型，模型再根据结果进行总结或继续规划子任务。
适用场景
函数调用适用于以下需要大模型与外部工具协同的场景：
场景分类 | 核心特征 | 核心价值 | 典型应用 |
实时数据交互场景 | 需大模型与外部工具协同处理动态信息 | 处理动态信息查询需求 | 天气/股票/航班实时状态查询、数据库检索与 API 数据调用 |
任务自动化场景 | 单次函数调用完成操作 | 提升操作效率 | 邮件/消息自动发送、设备控制指令执行（如智能家居开关） |
复杂流程编排场景 | 多工具串并联调用 | 跨工具参数传递、子任务依赖关系管理 | 先查天气再发通知等需跨工具传递参数及管理子任务依赖的场景 |
智能系统集成场景 | 与业务系统深度耦合 | 实现系统智能化联动 | 智能座舱多设备联动控制、企业级 Bot 工作流（如飞书会议创建→群组管理→任务生成） |
工作原理图
典型示例
- 用户：北京今天的天气如何？适合穿什么衣服？
- 模型思考：
- 需要调用天气查询工具获取实时数据（location=北京，unit=摄氏度）。
- 天气信息包含温度、天气状况（晴/雨等），需结合数据给出穿衣建议。
- 函数调用结果：北京今天晴，气温 18-25℃，北风 3 级，湿度 45%。
- 模型回答：北京今天天气晴朗，气温 18-25℃，建议穿薄长袖衬衫或短袖 T 恤，搭配薄外套应对早晚温差。
支持模型
使用流程
支持的 API
基本使用流程
说明
步骤 1：定义函数
通过 tools 字段向模型描述可用函数，支持 JSON 格式，包含函数名称、描述、参数定义等信息。
定义工具函数
def get_current_weather(location, unit="摄氏度"):
# 实际调用天气查询 API 的逻辑
# 此处为示例，返回模拟的天气数据
return f"{location}今天天气晴朗，温度 25 {unit}。"
- 代码中定义了一个名为 get_current_weather 的工具函数，用于获取指定地点的天气信息。
- location：必需的参数，表示地点。
- unit：可选参数，默认值为 摄氏度，表示温度单位。
- 函数内部目前只是返回模拟的天气数据，实际应用中需要调用真实的天气查询 API。
定义 Tools
{
"type": "function",
"function": {
"name": "get_current_weather",
"description": "获取指定地点的天气信息，支持摄氏度和华氏度两种单位",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "地点的位置信息，例如北京、上海"
},
"unit": {
"type": "string",
"enum": ["摄氏度", "华氏度"],
"description": "温度单位，可选值为摄氏度或华氏度"
}
},
"required": ["location"]
}
}
}
步骤 2：发起模型请求
在请求中包含用户问题和函数定义，模型会根据需求返回需要调用的函数及参数。
import os
from arkruntime import Ark
# 从环境变量中获取您的API KEY，配置方法见：https://ark.volcengine.com/region:cn-beijing/docs/ark/quick-start
api_key = os.getenv('ARK_API_KEY')
# 初始化Ark客户端
client = Ark(
api_key = api_key,
base_url="https://ark.cn-beijing.volces.com/api/v3"
)
# 用户问题
messages = [
{"role": "user", "content": "北京今天的天气如何？"}
]
tools = [
{
"type": "function",
"function": {
"name": "get_current_weather",
"description": "查询指定城市的当前天气",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "城市名称，例如北京",
}
},
"required": ["location"],
},
},
}
]
# 发起模型请求
completion = client.chat.completions.create(
model="doubao-seed-2-1-pro-260915",
messages=messages,
tools=tools
)
步骤 3：调用外部函数
根据模型返回的函数名称和参数，调用对应的外部函数或 API，获取函数执行结果。
import json
# 解析模型返回的函数调用信息
tool_call = completion.choices[0].message.tool_calls[0]
# 函数名称
tool_name = tool_call.function.name
# 如果判断需要调用查询天气函数，则运行查询天气函数
if tool_name == "get_current_weather":
# 提取的用户参数
arguments = json.loads(tool_call.function.arguments)
# 调用函数
tool_result = get_current_weather(**arguments)
- tool_calls：获取模型调用的工具列表。
- 如果工具函数名称是 get_current_weather，则解析函数调用的参数并调用 get_current_weather 函数获取工具执行结果。
步骤 4：回填结果并获取最终回复
将工具执行结果以 role=tool 的消息形式回填给模型，模型根据结果生成最终回复。
messages.append(completion.choices[0].message.model_dump())
messages.append({
"role": "tool",
"tool_call_id": tool_call.id,
"content": tool_result
})
# 再次调用模型获取最终回复
final_completion = client.chat.completions.create(
model="doubao-seed-2-1-pro-260915",
messages=messages
)
print(final_completion.choices[0].message.content)
完整代码示例
Python - Ark SDK
Python - Arkitect SDK
Java
Golang
方舟基础 SDK
from arkruntime import Ark
from arkruntime.types.chat import ChatCompletion
import json
client = Ark(
base_url="https://ark.cn-beijing.volces.com/api/v3",
)
messages = [
{"role": "user", "content": "北京和上海今天的天气如何？"}
]
# 步骤1: 定义工具
tools = [{
"type": "function",
"function": {
"name": "get_current_weather",
"description": "获取指定地点的天气信息",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "地点的位置信息，例如北京、上海"
},
"unit": {
"type": "string",
"enum": ["摄氏度", "华氏度"],
"description": "温度单位"
}
},
"required": ["location"]
}
}
}]
def get_current_weather(location: str, unit="摄氏度"):
# 实际调用天气查询 API 的逻辑
# 此处为示例，返回模拟的天气数据
return f"{location}今天天气晴朗，温度 25 {unit}。"
while True:
# 步骤2: 发起模型请求，由于模型在收到工具执行结果后仍然可能有函数调用意愿，因此需要多次请求
completion: ChatCompletion = client.chat.completions.create(
model="doubao-seed-2-1-pro-260915",
messages=messages,
tools=tools
)
resp_msg = completion.choices[0].message
# 展示模型中间过程的回复内容
print(resp_msg.content)
if completion.choices[0].finish_reason != "tool_calls":
# 模型最终总结，没有调用工具意愿
break
messages.append(completion.choices[0].message.model_dump())
tool_calls = completion.choices[0].message.tool_calls
for tool_call in tool_calls:
tool_name = tool_call.function.name
if tool_name == "get_current_weather":
# 步骤 3：调用外部工具
args = json.loads(tool_call.function.arguments)
tool_result = get_current_weather(**args)
# 步骤 4：回填工具结果，并获取模型总结回复
messages.append(
{"role": "tool", "content": tool_result, "tool_call_id": tool_call.id}
)
使用方舟智能体 SDK Arkitect
from arkitect.core.component.context.context import Context
from enum import Enum
import asyncio
from pydantic import Field
def get_current_weather(location: str = Field(description="地点的位置信息，例如北京、上海"), unit: str=Field(description="温度单位, 可选值为摄氏度或华氏度")):
"""
获取指定地点的天气信息
"""
return f"{location}今天天气晴朗，温度 25 {unit}。"
async def chat_with_tool():
ctx = Context(
model="doubao-seed-2-1-pro-260915",
tools=[
get_current_weather
], # 直接在这个list里传入你的所有python 方法作为tool，tool的描述会自动带给模型推理，tool的执行在ctx.completions.create 中会自动进行
)
await ctx.init()
completion = await ctx.completions.create(messages=[
{"role": "user", "content": "北京和上海今天的天气如何？"}
],stream =False)
return completion
completion = asyncio.run(chat_with_tool())
print(completion.choices[0].message.content)
package com.ark.sample;
import com.fasterxml.jackson.annotation.JsonProperty;
import com.fasterxml.jackson.core.JsonProcessingException;
import com.fasterxml.jackson.databind.ObjectMapper;
import com.volcengine.ark.runtime.models.chat.*;
import com.volcengine.ark.runtime.service.ArkService;
import java.util.*;
public class VolcEngineFunctionCallChat {
// 用于解析 get_current_weather 函数参数的类
public static class WeatherArgs {
@JsonProperty("location")
private String location;
@JsonProperty("unit")
private String unit;
// Jackson 需要默认构造函数
public WeatherArgs() {
}
public String getLocation() {
return location;
}
public void setLocation(String location) {
this.location = location;
}
public String getUnit() {
return unit;
}
public void setUnit(String unit) {
this.unit = unit;
}
}
// 用于定义工具函数参数模式的类 (类似于Python中的parameters字典结构)
public static class FunctionParameterSchema {
public String type;
public Map<String, Object> properties;
public List<String> required;
public FunctionParameterSchema(String type, Map<String, Object> properties, List<String> required) {
this.type = type;
this.properties = properties;
this.required = required;
}
public String getType() {
return type;
}
public Map<String, Object> getProperties() {
return properties;
}
public List<String> getRequired() {
return required;
}
}
private static final ObjectMapper objectMapper = new ObjectMapper();
// 工具函数实现: get_current_weather
public static String getCurrentWeather(String location, String unit) {
// 此处应为实际调用天气查询 API 的逻辑
// 这里是示例，返回模拟的天气数据
String currentUnit = (unit == null || unit.isEmpty()) ? "摄氏度" : unit;
System.out.println(String.format("调用工具 get_current_weather: location=%s, unit=%s", location, currentUnit));
return String.format("%s今天天气晴朗，温度 25 %s。", location, currentUnit);
}
public static void main(String[] args) {
String apiKey = System.getenv("ARK_API_KEY");
if (apiKey == null || apiKey.isEmpty()) {
System.err.println("错误: ARK_API_KEY 环境变量未设置。");
return;
}
ArkService service = ArkService.builder()
.apiKey(apiKey)
.baseUrl("https://ark.cn-beijing.volces.com/api/v3")
.build();
List<ChatCompletionRequestMessage> messages = new ArrayList<>();
messages.add(ChatCompletionRequestUserMessage.builder().role(ChatCompletionRequestMessageType.USER).content(ChatCompletionMessageContent.ofString("北京和上海今天的天气如何？")).build());
// 步骤 1: 定义工具
Map<String, Object> locationProperty = new HashMap<>();
locationProperty.put("type", "string");
locationProperty.put("description", "地点的位置信息，例如上海，北京");
Map<String, Object> unitProperty = new HashMap<>();
unitProperty.put("type", "string");
unitProperty.put("enum", Arrays.asList("摄氏度", "华氏度"));
unitProperty.put("description", "温度单位");
Map<String, Object> schemaProperties = new HashMap<>();
schemaProperties.put("location", locationProperty);
schemaProperties.put("unit", unitProperty);
FunctionParameterSchema functionParams = new FunctionParameterSchema(
"object",
schemaProperties,
Collections.singletonList("location") // 'location' 是必需参数
);
List<ChatCompletionTool> tools = Collections.singletonList(
ChatCompletionTool.builder().type(ToolType.FUNCTION).function(// 工具类型
FunctionObject.builder()
.name("get_current_weather")
.description("获取指定地点的天气信息")
.parameters(objectMapper.convertValue(functionParams, Map.class)) // 工具函数的参数模式
.build()).build());
String modelId = "doubao-seed-2-1-pro-260915";
while (true) {
// 步骤 2: 发起模型请求
ChatCompletionRequest request = ChatCompletionRequest.builder()
.model(modelId)
.messages(messages)
.tools(tools)
.build();
ChatCompletionResponse completionResult;
try {
completionResult = service.createChatCompletion(request);
} catch (Exception e) {
System.err.println("调用 Ark API 时发生错误: " + e.getMessage());
e.printStackTrace();
break;
}
if (completionResult == null || completionResult.getChoices() == null
|| completionResult.getChoices().isEmpty()) {
System.err.println("从模型收到空的或无效的响应。");
break;
}
ChatCompletionResponseChoice choice = completionResult.getChoices().get(0);
ChatCompletionResponseMessage responseMessage = choice.getMessage();
// 展示模型中间过程的回复内容
System.out.println("模型回复: " + responseMessage.getContent());
// 将模型的回复（含函数调用请求）添加到消息历史中
messages.add(ChatCompletionRequestAssistantMessage.builder().role(ChatCompletionRequestMessageType.ASSISTANT).content(ChatCompletionMessageContent.ofString(responseMessage.getContent())).toolCalls(toRequestToolCalls(responseMessage.getToolCalls())).build());
if (choice.getFinishReason() == null || choice.getFinishReason() != FinishReason.TOOL_CALLS) {
// 模型最终总结，没有调用工具意愿，或者发生错误等其他终止原因
break;
}
List<ChatCompletionMessageToolCall> toolCalls = responseMessage.getToolCalls();
if (toolCalls == null || toolCalls.isEmpty()) {
// 如果 finish_reason 是 "tool_calls"，但 toolCalls 为空，这可能是一个异常情况
System.err.println("警告: Finish reason 是 'tool_calls' 但未在消息中找到 tool_calls。");
break;
}
for (ChatCompletionMessageToolCall toolCall : toolCalls) {
String toolName = toolCall.getFunction().getName();
if ("get_current_weather".equals(toolName)) {
// 步骤 3：调用外部工具
String argumentsJson = toolCall.getFunction().getArguments();
WeatherArgs tool_args;
try {
tool_args = objectMapper.readValue(argumentsJson, WeatherArgs.class);
} catch (JsonProcessingException e) {
System.err.println("解析 get_current_weather 参数时出错: " + argumentsJson + " - " + e.getMessage());
// 将错误信息作为工具结果回填
messages.add(ChatCompletionRequestToolMessage.builder()
.role(ChatCompletionRequestMessageType.TOOL)
.content(ChatCompletionMessageContent.ofString("解析参数时出错: " + e.getMessage()))
.toolCallId(toolCall.getId())
.build());
continue;
}
String toolResult = getCurrentWeather(tool_args.getLocation(), tool_args.getUnit());
System.out.println("工具执行结果 (" + toolCall.getId() + "): " + toolResult);
// 步骤 4：回填工具结果，并获取模型总结回复
messages.add(ChatCompletionRequestToolMessage.builder()
.role(ChatCompletionRequestMessageType.TOOL)
.content(ChatCompletionMessageContent.ofString(toolResult))
.toolCallId(toolCall.getId()) // 关联函数调用 ID
.build());
}
}
}
service.shutdownExecutor();
System.out.println("会话结束。");
}
private static java.util.List<ChatCompletionRequestMessageToolCall> toRequestToolCalls(
java.util.List<ChatCompletionMessageToolCall> toolCalls) {
if (toolCalls == null) {
return java.util.Collections.emptyList();
}
java.util.List<ChatCompletionRequestMessageToolCall> requestToolCalls =
new java.util.ArrayList<>();
for (ChatCompletionMessageToolCall toolCall : toolCalls) {
requestToolCalls.add(
ChatCompletionRequestMessageToolCall.builder()
.id(toolCall.getId())
.type(toolCall.getType())
.function(
ChatCompletionRequestMessageToolCallFunction.builder()
.name(toolCall.getFunction().getName())
.arguments(toolCall.getFunction().getArguments())
.build())
.build());
}
return requestToolCalls;
}
}
package main
import (
"context"
"encoding/json"
"fmt"
"os"
"github.com/volcengine/ark-runtime-go/arkruntime"
"github.com/volcengine/ark-runtime-go/arkruntime/model/chat"
)
type WeatherArgs struct {
Location string `json:"location"`
Unit string `json:"unit,omitempty"` // omitempty 允许 unit 为可选
}
// 目标工具
func getCurrentWeather(location string, unit string) string {
if unit == "" {
unit = "摄氏度" // 默认单位
}
// 此处为示例，返回模拟的天气数据
return fmt.Sprintf("%s今天天气晴朗，温度 25 %s。", location, unit)
}
func main() {
// 从环境变量中获取 API Key，请确保已设置 ARK_API_KEY
apiKey := os.Getenv("ARK_API_KEY")
if apiKey == "" {
fmt.Println("错误：请设置 ARK_API_KEY 环境变量。")
return
}
client := arkruntime.NewClientWithApiKey(
apiKey,
arkruntime.WithBaseUrl("https://ark.cn-beijing.volces.com/api/v3"),
)
ctx := context.Background()
// 初始化消息列表
messages := []chat.ChatCompletionRequestMessage{
userMessage("北京和上海今天的天气如何？"),
}
// 步骤 1: 定义工具
tools := []chat.ChatCompletionTool{
{
Type: chat.ToolTypeFunction,
Function: chat.FunctionObject{
Name: "get_current_weather",
Description: chat.NewOptString("获取指定地点的天气信息"),
Parameters: functionParameters(map[string]interface{}{
"type": "object",
"properties": map[string]interface{}{
"location": map[string]interface{}{
"type": "string",
"description": "地点的位置信息，例如北京、上海",
},
"unit": map[string]interface{}{
"type": "string",
"enum": []string{
"摄氏度",
"华氏度",
},
"description": "温度单位",
},
},
"required": []string{"location"},
}),
},
},
}
for {
// 步骤 2: 发起模型请求
req := &chat.ChatCompletionRequest{
Model: "doubao-seed-2-1-pro-260915", // 与 Python 版本一致的模型
Messages: messages,
Tools: tools,
}
resp, err := client.CreateChatCompletion(ctx, req)
if err != nil {
fmt.Printf("模型请求错误: %v\n", err)
return
}
if len(resp.Choices) == 0 {
fmt.Println("模型未返回任何 choice。")
return
}
respMsg := resp.Choices[0].Message
// 展示模型中间过程的回复内容 (如果存在)
if respMsg.Content != "" {
fmt.Println("模型回复:", respMsg.Content)
}
if resp.Choices[0].FinishReason != chat.FinishReasonToolCalls || len(respMsg.ToolCalls) == 0 {
break
}
// 将模型的回复（包含函数调用请求）添加到消息历史中
messages = append(messages, assistantToolCallMessage(respMsg))
for _, toolCall := range respMsg.ToolCalls {
fmt.Printf("模型尝试调用工具: %s, ID: %s\n", toolCall.Function.Name, toolCall.ID)
fmt.Println(" 参数:", toolCall.Function.Arguments)
var toolResult string
if toolCall.Function.Name == "get_current_weather" {
// 步骤 3：调用外部工具
var args WeatherArgs
err := json.Unmarshal([]byte(toolCall.Function.Arguments), &args)
if err != nil {
fmt.Printf("解析工具参数错误 (%s): %v\n", toolCall.Function.Name, err)
toolResult = fmt.Sprintf("解析参数失败: %v", err)
} else {
toolResult = getCurrentWeather(args.Location, args.Unit)
fmt.Println(" 工具执行结果:", toolResult)
}
// 步骤 4：回填工具结果
messages = append(messages, toolMessage(toolCall.ID, toolResult))
}
}
fmt.Println("--- 下一轮对话 ---")
}
}
func toolMessage(toolCallID, content string) chat.ChatCompletionRequestMessage {
return chat.ChatCompletionRequestMessage{
OneOf: chat.NewChatCompletionRequestToolMessageChatCompletionRequestMessageSum(
chat.ChatCompletionRequestToolMessage{
Role: chat.ChatCompletionRequestToolMessageRoleTool,
ToolCallID: chat.NewOptNilString(toolCallID),
Content: chat.NewOptNilChatCompletionMessageContent(chat.NewStringChatCompletionMessageContent(content)),
},
),
}
}
func userMessage(content string) chat.ChatCompletionRequestMessage {
return chat.ChatCompletionRequestMessage{
OneOf: chat.NewChatCompletionRequestUserMessageChatCompletionRequestMessageSum(
chat.ChatCompletionRequestUserMessage{
Role: chat.ChatCompletionRequestUserMessageRoleUser,
Content: chat.NewOptNilChatCompletionMessageContent(chat.NewStringChatCompletionMessageContent(content)),
},
),
}
}
func functionParameters(value map[string]interface{}) chat.OptFunctionObjectParameters {
encoded, err := json.Marshal(value)
if err != nil {
panic(err)
}
var parameters chat.FunctionObjectParameters
if err := json.Unmarshal(encoded, ¶meters); err != nil {
panic(err)
}
return chat.NewOptFunctionObjectParameters(parameters)
}
func assistantToolCallMessage(message chat.ChatCompletionResponseMessage) chat.ChatCompletionRequestMessage {
return chat.ChatCompletionRequestMessage{
OneOf: chat.NewChatCompletionRequestAssistantMessageChatCompletionRequestMessageSum(
chat.ChatCompletionRequestAssistantMessage{
Role: chat.ChatCompletionRequestAssistantMessageRoleAssistant,
Content: chat.NewOptNilChatCompletionMessageContent(chat.NewStringChatCompletionMessageContent(message.Content)),
ToolCalls: toRequestToolCalls(message.ToolCalls),
},
),
}
}
func toRequestToolCalls(
toolCalls []chat.ChatCompletionMessageToolCall,
) []chat.ChatCompletionRequestMessageToolCall {
requestToolCalls := make([]chat.ChatCompletionRequestMessageToolCall, 0, len(toolCalls))
for _, toolCall := range toolCalls {
requestToolCalls = append(requestToolCalls, chat.ChatCompletionRequestMessageToolCall{
ID: chat.NewOptNilString(toolCall.ID),
Type: toolCall.Type,
Function: chat.ChatCompletionRequestMessageToolCallFunction{
Name: toolCall.Function.Name,
Arguments: chat.NewOptString(toolCall.Function.Arguments),
},
})
}
return requestToolCalls
}
推荐配置与优化
新业务接入
- 推荐优选 Seed 2.0 系列模型。
- 函数调用场景下，关闭 thinking 会提高效率，具体操作请参见开启/关闭深度思考。
- 对速度有较高要求，可以选择 doubao-seed-2-0-mini系列模型。
- 准备评测集，在函数调用模型上开展测试，观察准确率是否达到业务预期的上线准确率。
- 常规调优手段：
- 准确填写函数的 params、description 等字段。系统提示词中不用再重复介绍函数，（可选）可以描述在何种情况下调用某函数。
- 优化函数、参数的描述，明确不同函数的边界情况；避免歧义；增加示例等。
- 对模型进行 sft（建议至少 50 条数据，模型越多、参数越多、情况越多，则所需要的数据越多），见效果优化。
- 速度优化：对于简单无歧义的函数或参数，适当精简输入输出内容。
并行工具调用
您可以根据需求，通过 parallel_tool_calls 参数控制模型是否可以并行调用多个工具。
- parallel_tool_calls: true （默认值）：模型在单次请求中可以返回多个待调用的工具。
- parallel_tool_calls: false：对于支持并行工具调用控制的模型，此设置会限制模型最多返回一个待调用的工具。
提示词最佳实践
在设计提示词时，请遵循以下核心原则，为模型提供清晰、直接且无歧义的指令：
- 优先使用代码处理确定性任务：如果一个任务能通过传统编程高效解决，就应避免调用大模型，以提升系统效率并降低成本。
- 保持输入信息专注：仅向模型提供与当前任务直接相关的信息，避免无关内容干扰模型的判断。
类别 | 问题 | 错误示例 | 改正后示例 |
函数 | 命名不规范、描述不规范 | { "type": "function", "function": { "name": "GPT1", "description": "新建日程" } } | { "type": "function", "function": { "name": "CreateEvent", "description": "当需要为用户新建日程时，此工具将创建日程，并返回日程ID" } } |
参数 | 避免不必要的复杂格式（或嵌套） | { "time": { "type": "object", "description": "事件时间", "properties": { "timestamp": { "description": "事件时间" } } } } | { "time": { "type": "string", "description": "事件时间" } } |
| 避免固定值 | { "time": { "type": "object", "description": "事件时间", "properties": { "timestamp": { "description": "固定传2024-01-01即可" } } } } | 既然参数值固定，删去该参数，由代码处理。 |
业务流程 | 尽量缩短 LLM 调用轮次 | System prompt: 你正在与用户Alan沟通，你需要先查询用户ID，再通过ID创建日程…… | System prompt: 你正在与用户Alan（ID=abc123）沟通，你可以通过ID创建日程…… |
歧义消解 | System prompt: 可以通过ID查找用户，并获得用户的日程ID 这里两个 ID 未明确，模型可能会混用 | System prompt: 每个用户具有唯一的用户ID；每个日程有对应的日程ID，两者独立的ID。 可以通过用户ID查找用户，并获得用户的所有日程ID | |
函数调用异常处理
JSON 格式容错机制：对于轻微不合法的 JSON 格式，可尝试使用 json-repair 库进行容错修复。
import json_repair
invalid_json = '{"location": "北京", "unit": "摄氏度"}'
valid_json = json_repair.loads(invalid_json)
需求澄清
需求澄清（需求确认）不依赖于函数调用，可独立使用。
可在系统提示词中加入：
如果用户没有提供足够的信息来调用函数，请继续提问以确保收集到了足够的信息。
在调用函数之前，你必须总结用户的描述并向用户提供总结，询问他们是否需要进行任何修改。
......
在函数的 description 中加入：
函数参数除了提取a和b， 还应要求用户提供c、d、e、f和其他相关细节。
或在系统提示中加入参数校验逻辑，当模型生成的参数缺失时，引导模型重新生成完整的参数。
如果用户提供的信息缺少工具所需要的必填参数，你需要进一步追问让用户提供更多信息。
流式输出
从 Doubao 1.5 系列模型开始支持流式输出，逐步获取函数调用信息，提升响应效率。
import os
from arkruntime import Ark
# 从环境变量中读取方舟API Key
client = Ark(
api_key=os.environ.get("ARK_API_KEY"),
base_url="https://ark.cn-beijing.volces.com/api/v3",
)
stream = client.chat.completions.create(
model="doubao-seed-2-1-pro-260915",
messages=[
{
"role": "user",
"content": "给我讲个故事，然后告诉我北京今天的天气",
}
],
tools=[
# 您要调用的工具信息
{
"type": "function",
"function": {
"name": "get_current_weather",
"description": "查询指定城市的当前天气",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "城市名称，例如北京",
}
},
"required": ["location"],
},
},
}
],
stream=True,
)
final_tool_calls = {}
for chunk in stream:
if not chunk.choices:
continue
print(chunk.choices[0].delta.content, end="")
# 使用新版Function Call能力返回信息代码适配，将流式返回的信息拼装后返回
for tool_call in chunk.choices[0].delta.tool_calls or []:
index = tool_call.index
if index not in final_tool_calls:
final_tool_calls[index] = tool_call
final_tool_calls[index].function.arguments += tool_call.function.arguments
print("Tools: ", final_tool_calls)
Strict 模式
将 strict 参数设置为 true 可启用严格模式。该模式能确保模型严格遵循您定义的函数 Schema 生成调用参数。为了保证函数调用的准确性和可预测性，我们建议您始终启用严格模式。
- 在 properties 中定义的所有字段，都必须在 required 数组中进行声明。
- 在函数的 parameters 定义中，推荐设置 "additionalProperties": false。
如果您需要将某个字段设为可选，可以在其 type 定义中加入 null。例如：{"type": ["string", "null"]}。
启用 Strict 模式
不启用 Strict 模式
{
"type": "function",
"function": {
"name": "get_current_weather",
"description": "获取指定地点的天气信息，支持摄氏度和华氏度两种单位",
"strict": true, // 开启 strict 模式
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "地点的位置信息，例如北京、上海"
},
"unit": {
"type": ["string", "null"], //与不启用有差异
"enum": ["摄氏度", "华氏度"],
"description": "温度单位，可选值为摄氏度或华氏度"
}
},
"required": ["location", "unit"], //与不启用有差异
"additionalProperties": false
}
}
}
{
"type": "function",
"function": {
"name": "get_current_weather",
"description": "获取指定地点的天气信息，支持摄氏度和华氏度两种单位",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "地点的位置信息，例如北京、上海"
},
"unit": {
"type": "string",
"enum": ["摄氏度", "华氏度"],
"description": "温度单位，可选值为摄氏度或华氏度"
}
},
"required": ["location"]
}
}
}
多轮函数调用
当用户需求需要多次调用工具函数时，维护对话历史上下文，逐轮处理函数调用和结果回填。
示例流程
- 用户提问：“查询北京的天气，并将结果发送给张三”。
- 第一轮：模型调用 get_current_weather 工具获取北京天气。
- 第二轮：模型调用 send_message 工具将天气结果发送给张三。
- 第三轮：模型总结任务完成情况，返回最终回复。
代码示例
说明
多轮函数调用：指用户 query 需要多次调用工具函数和大模型才能完成的情况，是多轮对话的子集。
调用 Response 细节图：
Golang
Python
Java
package main
import (
"context"
"encoding/json"
"fmt"
"os"
"strings"
"github.com/volcengine/ark-runtime-go/arkruntime"
"github.com/volcengine/ark-runtime-go/arkruntime/model/chat"
)
func main() {
client := arkruntime.NewClientWithApiKey(
os.Getenv("ARK_API_KEY"),
arkruntime.WithBaseUrl("https://ark.cn-beijing.volces.com/api/v3"),
)
fmt.Println("----- function call multiple rounds request -----")
ctx := context.Background()
// Step 1: send the conversation and available functions to the model
req := &chat.ChatCompletionRequest{
Model: "doubao-seed-2-1-pro-260915", // Replace with Model ID
Messages: []chat.ChatCompletionRequestMessage{
systemMessage("你是 AI 人工智能助手"),
userMessage("上海的天气怎么样？"),
},
Tools: []chat.ChatCompletionTool{
{
Type: chat.ToolTypeFunction,
Function: chat.FunctionObject{
Name: "get_current_weather",
Description: chat.NewOptString("Get the current weather in a given location"),
Parameters: functionParameters(map[string]interface{}{
"type": "object",
"properties": map[string]interface{}{
"location": map[string]interface{}{
"type": "string",
"description": "The city and state, e.g. Beijing",
},
"unit": map[string]interface{}{
"type": "string",
"description": "枚举值有celsius、fahrenheit",
},
},
"required": []string{
"location",
},
}),
},
},
},
}
resp, err := client.CreateChatCompletion(ctx, req)
if err != nil {
fmt.Printf("chat error: %v\n", err)
return
}
// extend conversation with assistant's reply
req.Messages = append(req.Messages, assistantToolCallMessage(resp.Choices[0].Message))
// Step 2: check if the model wanted to call a function.
// The model can choose to call one or more functions; if so,
// the content will be a stringified JSON object adhering to
// your custom schema (note: the model may hallucinate parameters).
for _, toolCall := range resp.Choices[0].Message.ToolCalls {
fmt.Println("calling function")
fmt.Println(" id:", toolCall.ID)
fmt.Println(" name:", toolCall.Function.Name)
fmt.Println(" argument:", toolCall.Function.Arguments)
functionResponse, err := CallAvailableFunctions(toolCall.Function.Name, toolCall.Function.Arguments)
if err != nil {
functionResponse = err.Error()
}
// extend conversation with function response
req.Messages = append(req.Messages,
toolMessage(toolCall.ID, functionResponse),
)
}
// get a new response from the model where it can see the function response
secondResp, err := client.CreateChatCompletion(ctx, req)
if err != nil {
fmt.Printf("second chat error: %v\n", err)
return
}
fmt.Println("conversation", MustMarshal(req.Messages))
fmt.Println("new message", MustMarshal(secondResp.Choices[0].Message))
}
func CallAvailableFunctions(name, arguments string) (string, error) {
if name == "get_current_weather" {
params := struct {
Location string `json:"location"`
Unit string `json:"unit"`
}{}
if err := json.Unmarshal([]byte(arguments), ¶ms); err != nil {
return "", fmt.Errorf("failed to parse function call name=%s arguments=%s", name, arguments)
}
return GetCurrentWeather(params.Location, params.Unit), nil
} else {
return "", fmt.Errorf("got unavailable function name=%s arguments=%s", name, arguments)
}
}
// GetCurrentWeather get the current weather in a given location.
// Example dummy function hard coded to return the same weather.
// In production, this could be your backend API or an external API
func GetCurrentWeather(location, unit string) string {
if unit == "" {
unit = "celsius"
}
switch strings.ToLower(location) {
case "beijing":
return `{"location": "Beijing", "temperature": "10", "unit": unit}`
case "北京":
return `{"location": "Beijing", "temperature": "10", "unit": unit}`
case "shanghai":
return `{"location": "Shanghai", "temperature": "23", "unit": unit}`
case "上海":
return `{"location": "Shanghai", "temperature": "23", "unit": unit}`
default:
return fmt.Sprintf(`{"location": %s, "temperature": "unknown"}`, location)
}
}
func MustMarshal(v interface{}) string {
b, _ := json.Marshal(v)
return string(b)
}
func systemMessage(content string) chat.ChatCompletionRequestMessage {
return chat.ChatCompletionRequestMessage{
OneOf: chat.NewChatCompletionRequestSystemMessageChatCompletionRequestMessageSum(
chat.ChatCompletionRequestSystemMessage{
Role: chat.ChatCompletionRequestSystemMessageRoleSystem,
Content: chat.NewStringChatCompletionMessageContent(content),
},
),
}
}
func toolMessage(toolCallID, content string) chat.ChatCompletionRequestMessage {
return chat.ChatCompletionRequestMessage{
OneOf: chat.NewChatCompletionRequestToolMessageChatCompletionRequestMessageSum(
chat.ChatCompletionRequestToolMessage{
Role: chat.ChatCompletionRequestToolMessageRoleTool,
ToolCallID: chat.NewOptNilString(toolCallID),
Content: chat.NewOptNilChatCompletionMessageContent(chat.NewStringChatCompletionMessageContent(content)),
},
),
}
}
func userMessage(content string) chat.ChatCompletionRequestMessage {
return chat.ChatCompletionRequestMessage{
OneOf: chat.NewChatCompletionRequestUserMessageChatCompletionRequestMessageSum(
chat.ChatCompletionRequestUserMessage{
Role: chat.ChatCompletionRequestUserMessageRoleUser,
Content: chat.NewOptNilChatCompletionMessageContent(chat.NewStringChatCompletionMessageContent(content)),
},
),
}
}
func functionParameters(value map[string]interface{}) chat.OptFunctionObjectParameters {
encoded, err := json.Marshal(value)
if err != nil {
panic(err)
}
var parameters chat.FunctionObjectParameters
if err := json.Unmarshal(encoded, ¶meters); err != nil {
panic(err)
}
return chat.NewOptFunctionObjectParameters(parameters)
}
func assistantToolCallMessage(message chat.ChatCompletionResponseMessage) chat.ChatCompletionRequestMessage {
return chat.ChatCompletionRequestMessage{
OneOf: chat.NewChatCompletionRequestAssistantMessageChatCompletionRequestMessageSum(
chat.ChatCompletionRequestAssistantMessage{
Role: chat.ChatCompletionRequestAssistantMessageRoleAssistant,
Content: chat.NewOptNilChatCompletionMessageContent(chat.NewStringChatCompletionMessageContent(message.Content)),
ToolCalls: toRequestToolCalls(message.ToolCalls),
},
),
}
}
func toRequestToolCalls(
toolCalls []chat.ChatCompletionMessageToolCall,
) []chat.ChatCompletionRequestMessageToolCall {
requestToolCalls := make([]chat.ChatCompletionRequestMessageToolCall, 0, len(toolCalls))
for _, toolCall := range toolCalls {
requestToolCalls = append(requestToolCalls, chat.ChatCompletionRequestMessageToolCall{
ID: chat.NewOptNilString(toolCall.ID),
Type: toolCall.Type,
Function: chat.ChatCompletionRequestMessageToolCallFunction{
Name: toolCall.Function.Name,
Arguments: chat.NewOptString(toolCall.Function.Arguments),
},
})
}
return requestToolCalls
}
import os
import json
import time
from arkruntime import Ark
# Load API key from environment variable
api_key = os.getenv('ARK_API_KEY')
# Initialize Ark client
client = Ark(
base_url="https://ark.cn-beijing.volces.com/api/v3",
api_key=api_key,
)
print("=" * 60)
# Initial conversation history with user query
messages = [
{
"role": "user",
"content": "先查询北京的天气，如果是晴天微信发给Alan，否则发给Peter",
},
]
# Tool definitions for function calling
tools = [
{
"type": "function",
"function": {
"name": "get_current_weather",
"description": "",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "地理位置，比如北京市",
},
"unit": {"type": "string", "description": "枚举值 [摄氏度,华氏度]"},
},
"required": ["location"],
},
},
},
{
"type": "function",
"function": {
"name": "SendMessage",
"description": "通过微信发送消息给指定用户",
"parameters": {
"type": "object",
"properties": {
"receiver": {
"type": "string",
"description": "接收者用户名",
},
"content": {
"type": "string",
"description": "消息内容",
},
},
"required": ["receiver", "content"],
},
},
},
]
# Mock function to simulate weather API
def mock_get_current_weather(location, unit="摄氏度"):
if unit == "华氏度":
return f"{location}今天68~75华氏度，天气：阵雨"
else:
return f"{location}今天20~24度，天气：阵雨"
# Mock function to simulate message sending
def mock_send_message(receiver, content):
return f"成功发送微信消息至{receiver}"
# Handle tool calls by dispatching to appropriate mock functions
def handle_tool_call(tool_call):
function_name = tool_call.function.name
function_args = json.loads(tool_call.function.arguments)
if function_name == "get_current_weather":
return mock_get_current_weather(**function_args)
elif function_name == "SendMessage":
return mock_send_message(**function_args)
else:
return f"未知函数: {function_name}"
round_count = 0
max_rounds = 10
user_question_printed = False
while round_count < max_rounds:
round_count += 1
print(f"\n========== Round {round_count} ==========")
if round_count == 1 and not user_question_printed:
print(f"user: {messages[0]['content']}")
user_question_printed = True
start_time = time.time()
# Call the model
response = client.chat.completions.create(
model="doubao-seed-2-1-pro-260915",
messages=messages,
tools=tools
)
elapsed_time = time.time() - start_time
assistant_message = response.choices[0].message
if assistant_message.tool_calls:
for tool_call in assistant_message.tool_calls:
print(f"assistant [FC Response]: {tool_call.function.name}, args={tool_call.function.arguments}")
messages.append(assistant_message.model_dump())
tool_result = handle_tool_call(tool_call)
print(f"tool: {tool_result}")
messages.append({
"role": "tool",
"tool_call_id": tool_call.id,
"content": tool_result,
"name": tool_call.function.name,
})
print(f"耗时: {elapsed_time:.2f} 秒")
else:
print(f"assistant [Final Answer]: {assistant_message.content}")
print(f"耗时: {elapsed_time:.2f} 秒")
break
print("\n" + "=" * 60)
package com.volcengine.ark.runtime;
import com.volcengine.ark.runtime.models.chat.*;
import com.volcengine.ark.runtime.service.ArkService;
import okhttp3.ConnectionPool;
import okhttp3.Dispatcher;
import java.util.*;
import java.util.concurrent.TimeUnit;
public class FunctionCallChatCompletionsExample {
static String apiKey = System.getenv("ARK_API_KEY");
static ConnectionPool connectionPool = new ConnectionPool(5, 1, TimeUnit.SECONDS);
static Dispatcher dispatcher = new Dispatcher();
static ArkService service = ArkService.builder().dispatcher(dispatcher).connectionPool(connectionPool)
.baseUrl("https://ark.cn-beijing.volces.com/api/v3")
.apiKey(apiKey).build();
public static void main(String[] args) {
System.out.println("\n----- function call multiple rounds request -----");
final List<ChatCompletionRequestMessage> messages = new ArrayList<>();
final ChatCompletionRequestMessage userMessage = ChatCompletionRequestUserMessage.builder().role(ChatCompletionRequestMessageType.USER).content(ChatCompletionMessageContent.ofString("北京今天天气如何？")).build();
messages.add(userMessage);
final List<ChatCompletionTool> tools = Arrays.asList(
ChatCompletionTool.builder().type(ToolType.FUNCTION).function(FunctionObject.builder()
.name("get_current_weather")
.description("获取给定地点的天气")
.parameters(new com.fasterxml.jackson.databind.ObjectMapper().convertValue(new Weather(
"object",
new HashMap<String, Object>() {{
put("location", new HashMap<String, String>() {{
put("type", "string");
put("description", "地点的位置信息，比如北京");
}});
put("unit", new HashMap<String, Object>() {{
put("type", "string");
put("description", "枚举值有celsius、fahrenheit");
}});
}},
Collections.singletonList("location")
), Map.class))
.build()).build()
);
ChatCompletionRequest chatCompletionRequest = ChatCompletionRequest.builder()
.model("\\${YOUR_ENDPOINT_ID}")
.messages(messages)
.tools(tools)
.build();
ChatCompletionResponseChoice choice = service.createChatCompletion(chatCompletionRequest).getChoices().get(0);
messages.add(ChatCompletionRequestAssistantMessage.builder().role(ChatCompletionRequestMessageType.ASSISTANT).content(ChatCompletionMessageContent.ofString(choice.getMessage().getContent())).toolCalls(toRequestToolCalls(choice.getMessage().getToolCalls())).build());
choice.getMessage().getToolCalls().forEach(
toolCall -> {
messages.add(ChatCompletionRequestToolMessage.builder().role(ChatCompletionRequestMessageType.TOOL).toolCallId(toolCall.getId()).content(ChatCompletionMessageContent.ofString("北京天气晴，24~30度")).name(toolCall.getFunction().getName()).build());
});
ChatCompletionRequest chatCompletionRequest2 = ChatCompletionRequest.builder()
.model("\\${YOUR_ENDPOINT_ID}")
.messages(messages)
.build();
service.createChatCompletion(chatCompletionRequest2).getChoices().forEach(System.out::println);
// shutdown service
service.shutdownExecutor();
}
public static class Weather {
public String type;
public Map<String, Object> properties;
public List<String> required;
public Weather(String type, Map<String, Object> properties, List<String> required) {
this.type = type;
this.properties = properties;
this.required = required;
}
public String getType() {
return type;
}
public void setType(String type) {
this.type = type;
}
public Map<String, Object> getProperties() {
return properties;
}
public void setProperties(Map<String, Object> properties) {
this.properties = properties;
}
public List<String> getRequired() {
return required;
}
public void setRequired(List<String> required) {
this.required = required;
}
}
private static java.util.List<ChatCompletionRequestMessageToolCall> toRequestToolCalls(
java.util.List<ChatCompletionMessageToolCall> toolCalls) {
if (toolCalls == null) {
return java.util.Collections.emptyList();
}
java.util.List<ChatCompletionRequestMessageToolCall> requestToolCalls =
new java.util.ArrayList<>();
for (ChatCompletionMessageToolCall toolCall : toolCalls) {
requestToolCalls.add(
ChatCompletionRequestMessageToolCall.builder()
.id(toolCall.getId())
.type(toolCall.getType())
.function(
ChatCompletionRequestMessageToolCallFunction.builder()
.name(toolCall.getFunction().getName())
.arguments(toolCall.getFunction().getArguments())
.build())
.build());
}
return requestToolCalls;
}
}
响应示例
========== Round 1 ==========
user: 先查询北京的天气，如果是晴天微信发给Alan，否则发给Peter...
assistant [FC Response]:
name=GetCurrentWeather, args={"location": "\u5317\u4eac"}
[elapsed=2.607 s]
========== Round 2 ==========
tool: 北京今天20~24度，天气：阵雨。...
assistant [FC Response]:
name=SendMessage, args={"content": "\u4eca\u5929\u5317\u4eac\u7684\u5929\u6c14", "receiver": "Peter"}
[elapsed=3.492 s]
========== Round 3 ==========
tool: 成功发送微信消息至Peter...
assistant [Final Answer]:
好的，请问还有什么可以帮助您？
[elapsed=0.659 s]
多轮输出注意事项
轮次输出顺序
触发函数调用时，系统先输出content给用户，再生成tool_calls并结束当前输出；当前轮次内容不可依赖工具结果，后续指令需待工具返回message后执行。
多轮输出响应完整性
严格遵循assistant（含tool_calls）→ tool（含message）→ assistant的顺序，禁止跳过tool message响应直接发送新的assistant消息。每次tool_calls需对应tool角色的 message（含成功/错误结果），缺失可能因prefill机制触发重复调用或流程中断。
效果优化
如果函数调用的效果未达到您的预期，可以尝试通过以下方法进行优化：
- 更换为最新模型：建议您选用最新的模型版本，通常能获得更好的函数调用效果。
- 进行模型精调：通过监督微调（SFT）或强化学习，可以针对性地提升模型表现。详情请参见模型精调概述。精调主要能改善以下方面：
- 函数选择准确性：提升模型在合适时机选择正确函数的能力。
- 参数提取能力：优化模型解析用户意图并生成准确函数入参的能力。
- 结果总结质量：改善模型对工具执行结果的总结，使其更自然、准确。
常见问题
Q：函数调用& MCP 的核心区别是什么，使用时如何选型？
核心区别与典型使用场景：
维度 | FC（Function Calling） | MCP（Model Context Protocol） |
本质 | 模型调用外部工具 / 函数的能力（功能扩展） | 定义模型与外部系统交互时的上下文管理协议（流程规范） |
目标 | 弥补模型自身能力不足（如计算、数据查询、操作执行） | 标准化交互过程中上下文的传递、解析与状态维护 |
核心作用 | 实现模型与外部工具的 “能力集成” | 确保多轮交互中上下文（如对话历史、参数、状态）的一致性 |
协议标准 | 厂商自定义格式（如 OpenAI 的 JSON 参数结构） | 强制遵循 JSON-RPC 2.0 标准，强调协议统一性 |
架构 | 直接集成于模型 API，用户定义函数后由模型触发调用 | 客户端 - 服务器模式，分离 MCP Host（客户端）与 MCP Server（服务端） |
上下文管理 | 单次请求 - 响应模式，上下文依赖需开发者自行处理 | 支持多轮对话、历史状态维护，适用于长序列依赖任务 |
典型使用场景 | 外部数据调用与系统操作（如天气查询、复杂运算）；示例：调用天气 API 回复 “东京今日气温” | 多轮对话与跨系统上下文管理（如订餐流程、客服对话）；示例：连贯处理订餐菜品与配送地址 |
两者之间的关系：
- 互补而非互斥：
- MCP 可能在流程中包含函数调用的调用逻辑（如定义何时、如何触发函数调用）。
- 函数调用的输入输出需遵循 MCP 的上下文规范（如参数格式、返回值解析规则）。
- 分层协作：
- MCP 解决连接问题：标准化协议打通数据孤岛，提供基础设施（如整合用户订单数据）。
- 函数调用解决执行问题：在协议层之上调用具体函数完成任务（如调用库存 API 生成补货建议）。
- 架构定位：函数调用是能力接口，MCP 是交互框架，二者常结合使用以构建复杂应用（如智能助手同时需要调用工具和管理多轮对话状态）。
- 参考文档：
- MCP 官方协议规范Model Context Protocol Specification：明确协议核心架构、JSON - RPC 消息格式、状态管理机制与安全策略，是接口设计的权威参考。
- MCP 社区与生态发展 MCP Development Roadmap：介绍 MCP 发展规划，涵盖远程连接支持、沙箱安全机制及多模态扩展等发展计划。
Q：Deepseek R1 模型是否支持并行函数调用？
A：暂不支持 parallel_tool_calls 控制字段，该模型默认采用自动触发并行调用机制，开发者无需额外配置即可实现多工具并行调用。
Q：如何处理 Deepseek R1 的参数幻觉问题？
A：该模型在复杂参数解析时可能出现嵌套调用异常（如 get_weather:{city: get_location()}），建议通过以下方式干预：
- 在 system prompt 中明确要求分步调用（如“请先调用定位函数，再调用天气查询函数”） 。
- 使用 JSON Schema 校验强制参数格式。
-
Q：如何判断模型是否需要调用函数？
A：模型会根据用户问题和工具定义自主判断，若返回结果中包含 tool_calls 字段，则表示需要调用工具；若 content 字段有直接回复，则无需调用工具。
Q：支持并行调用多个函数吗？
A：支持并行函数调用，通过设置 parallel_tool_calls 参数为 true，模型可同时返回多个函数调用信息，提高处理效率。
Q：为什么模型返回的工具参数存在幻觉？
A：这是大模型常见的问题，可通过精调（SFT）优化模型的参数生成能力，或在系统提示中明确参数的格式和范围，减少幻觉现象。
部分模型（特别是 Deepseek R1）存在一些参数幻觉问题。如预期先调用 get_location 获得城市，再调用 get_weather 查询，R1 模型有概率直接返回 get_weather:{city: **get_location()**} 这种嵌套调用，请在系统提示词中进行干预解决，分步完成调用。
Q：如何处理函数调用失败的情况？
A：将工具失败信息以 role=tool 的消息回填给模型，模型会根据错误信息生成相应的回复，例如“抱歉，函数调用失败，请稍后重试。”。
通过以上优化，开发者能够更高效地使用函数调用功能，实现大模型与外部工具的深度整合，快速构建智能应用。
附 1：工具函数参数构造规范
为确保模型正确调用工具功能，需按以下规范构造 tools 对象，遵循 JSON Schema 标准。
总体结构
{
"type": "function",
"function": {
"name": "get_current_weather",
"description": "获取指定地点的天气信息",
"parameters": {}
}
}
- type：工具的类型，这里是固定值 function，表示这是一个函数调用工具。
- function：含函数名称、描述和参数等详细配置。
字段解释
function 字段
字段 | 类型 | 是否必填 | 说明 |
name | string | 是 | 函数名称，唯一标识，建议使用小写加下划线 |
description | string | 是 | 函数作用的描述 |
parameters | object | 是 | 函数参数定义，需要符合 JSON Schema 格式 |
parameters 字段
parameters 须为符合 JSON Schema 格式的对象：
{
"type": "object",
"properties": {
"参数名": {
"type": "string | number | boolean | object | array",
"description": "参数说明"
}
},
"required": ["必填参数"]
}
- type：必须是 "object"。
- properties：列出支持的所有参数名及其类型。
- 参数``名须为英文字符串，且不能重复。
- 参数type需遵循 json 规范，支持类型包括 string、number、boolean、integer、object、array。
- required：指定函数中必填的参数名。
- 其它参数根据type的不同稍有区别，详情请参见下表。
type类型 | 示例 |
string、integer、number、boolean | 略 |
object （对象）
|
"person": { "type": "object", "description": "个人特征", "properties": { "age": {"type": "integer", "description": "年龄"}, "gender": {"type": "string", "description": "性别"}, "married": {"type": "boolean", "description": "是否已婚"} }, "required": ["age"], } |
array （列表）
|
"url": { "type": "array", "description": "需要解析网页链接,最多3个", "items": {"type": "string"}
"matrix": { "type": "array", "description": "需要计算的二维矩阵", "items": {"type": "array", "items": {"type": "number"}}, }
"grade": { "description": "年级, 支持多选", "type": "array", "items": { "type": "string", "description": "枚举值有\n\"一年级\",\n\"二年级\",\n\"三年级\",\n\"四年级\",\n\"五年级\",\n\"六年级\"。 " }, } |
完整示例
{
"type": "function",
"function": {
"name": "get_weather",
"description": "获取指定位置的天气信息",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "城市和国家，例如：北京，中国"
}
},
"required": ["location"]
}
}
}
注意事项
- 大小写敏感：所有字段名、参数名严格区分大小写（建议统一用小写）。
- 中文处理：字段名用英文，中文说明置于 description 中（如 location 的描述为 “城市和国家”）。
- Schema 合规性：parameters 必须是有效的 JSON Schema 对象，可通过 JSON Schema 校验工具验证。
最佳实践
- 工具描述核心准则
- 详细说明工具功能、适用场景（及禁用场景）、参数含义与影响、限制条件（如输入长度限制），单工具描述建议 3-4 句。
- 优先完善功能、参数等基础描述，示例仅作为补充（推理模型需谨慎添加）。
- 函数设计要点
- 命名与参数：函数名直观（如parse_product_info），参数说明包含格式（如city: string）和业务含义（如“目标城市拼音全称”），明确输出定义（如“返回 JSON 格式天气数据”）。
- 系统提示：通过提示指定调用条件（如“用户询问商品详情时触发get_product_detail”）。
- 工程化设计：
- 使用枚举类型（如StatusEnum）避免无效参数，确保逻辑直观（最小惊讶原则）。
- 确保仅凭文档描述，人类可正确调用函数（补充潜在疑问解答）。
- 调用优化：
- 已知参数通过火山方舟代码能力隐式传递（如submit_order无需重复声明user_id）。
- 合并固定流程函数（如query_location与mark_location整合为query_and_mark_location）。
- 关于 Parameters 字段顺序的稳定性
- 尽管在标准 JSON 规范中对象的键是无序的，但在向大模型提供 tools 定义时， 建议保持 properties 内部字段顺序的固定与一致。原因在于，大模型底层将 JSON 结构视为线性的文本 Token 序列。字段顺序的改变会导致模型接收到的系统提示词发生变化，这可能会影响模型的注意力机制，进而导致模型生成的函数调用参数顺序或最终结果产生微小的差异。在进行提示词效果测试或回归测试时，请确保参数定义的顺序保持不变。
最近更新时间：2026.10.09 14:36:33
这个页面对您有帮助吗？
有用
有用
无用
无用