OpenAI Function Calling 实战：让模型自己调用你的函数

云上的幻象2026-09-187 分钟阅读2,742 字00

100%

一句话结论

OpenAI Function Calling（工具调用）让大模型在回答时「自己决定」要不要调用你提供的函数去查实时数据或执行动作，再把函数结果喂回模型生成最终回答。它把 AI 从只能聊天的文本盒，接成了能操作真实系统的Agent 入口。

它解决什么痛点

大模型的知识停在训练截止日，也不懂你系统里的订单、天气、库存。Function Calling 的思路是：你告诉模型「你拥有一组函数」，模型根据对话自行决定是否调用、填什么参数；你在应用侧执行函数，把结果回传，模型据此继续。整个循环由你的代码驱动，模型只负责「决策」和「填参」。

Function Calling 在 OpenAI 文档里也叫 Tool Calling，二者同义。它同时支持 Chat Completions 和更新的 Responses API。

五步调用循环

工具调用的本质，是应用与模型之间的一段多轮对话：

带 tools 列表向模型发请求；
模型返回 tool_calls（要调哪个函数、参数是什么）；
应用在本地执行该函数，拿到结果；
把结果以 role: "tool" + tool_call_id 回传模型；
模型给出最终回答（或继续发起下一次调用）。

最小可运行示例（Python）

下面用一个「查天气」函数演示完整闭环，参数用 JSON Schema 描述：

from openai import OpenAI
import json

client = OpenAI()

tools = [{
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "查询某地的当前天气",
        "parameters": {
            "type": "object",
            "properties": {
                "location": {"type": "string", "description": "城市名，如 北京"}
            },
            "required": ["location"],
            "additionalProperties": False
        },
        "strict": True
    }
}]

def get_weather(location):
    return f"{location}：晴，26℃"

messages = [{"role": "user", "content": "北京现在天气怎么样？"}]

# 1+2. 请求并拿到模型的函数调用
resp = client.chat.completions.create(
    model="gpt-5.6", messages=messages, tools=tools)
messages.append(resp.choices[0].message)

# 3. 应用侧执行
for call in resp.choices[0].message.tool_calls or []:
    if call.function.name == "get_weather":
        args = json.loads(call.function.arguments)
        result = get_weather(args["location"])
        # 4. 把结果回传
        messages.append({
            "role": "tool",
            "tool_call_id": call.id,
            "content": json.dumps({"weather": result}, ensure_ascii=False)
        })

# 5. 模型生成最终回答
final = client.chat.completions.create(
    model="gpt-5.6", messages=messages, tools=tools)
print(final.choices[0].message.content)