首先配置API密钥并搭建开发环境，接着定义天气查询等自定义工具及其JSON Schema描述，然后在调用时传入tools参数并设置tool_choice为auto，最后通过构建DIYAgent实现模型输出与工具执行的闭环交互，完成实时信息查询功能扩展。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望通义大模型能够执行其基础能力之外的任务，例如查询实时信息或操作外部系统，则需要通过集成工具来扩展其功能。以下是实现功能扩展的具体步骤：
本文运行环境：MacBook Pro，macOS Sonoma
一、配置API密钥与开发环境
在使用通义千问API之前，必须完成身份认证和开发环境的搭建，以确保程序可以成功调用模型服务。
1、访问DashScope管理控制台并登录阿里云账号。
2、在控制台“总览”页面点击“去开通”，阅读服务协议后单击“立即开通”以启用服务。
3、进入API-KEY管理页面，点击“创建新的API-KEY”，系统生成后请复制并安全保存该密钥。
4、将API密钥配置到系统环境中。在终端执行以下命令设置环境变量：export DASHSCOPE_API_KEY="sk-****"。
5、安装必要的依赖库。使用命令 pip install dashscope requests 安装Python SDK及相关网络请求库。
二、定义并集成自定义工具
为了让大模型具备扩展能力，需将外部功能封装为可被识别和调用的工具，并向模型提供工具描述，使其理解何时及如何使用这些工具。
1、编写工具函数，例如一个用于获取天气信息的函数，接收城市名称作为参数，并返回当前天气数据。
2、为每个工具创建结构化描述，包括工具名称、功能说明以及各输入参数的类型和含义，格式需符合JSON Schema标准。
3、在调用API时，将工具列表作为参数传入。设置请求中的tools字段，包含所有可用工具的定义。
4、配置模型行为，指定"tool_choice"参数为"auto"，允许模型根据用户请求自动判断是否需要调用工具以及调用哪一个。
三、构建支持工具调用的Agent
创建一个代理（Agent）机制来协调模型输出与工具执行之间的交互流程，实现从生成工具调用指令到获取最终结果的闭环处理。
1、初始化一个DIYAgent类或使用框架提供的Agent模板，用于管理对话状态和工具调度逻辑。
2、在Agent中加载已定义的工具列表，并实现工具调用接口，确保能解析模型返回的工具调用请求并执行相应函数。
3、设计循环处理逻辑：向模型发送用户输入和上下文，检查响应内容是否包含工具调用指令，若有则执行工具并获取结果，再将结果反馈给模型生成最终回复。
4、测试完整链路，在代码中模拟用户提问如“杭州现在天气如何？”，验证Agent能否正确触发天气查询工具并返回准确信息。
