要启用通义千问的Function Calling能力，需五步：一、用JSON Schema定义工具函数；二、在API请求中传入tools列表；三、解析tool_calls字段执行本地函数；四、将结果以tool角色消息注入上下文并二次调用；五、兼容直接返回content的兜底响应。
☞☞☞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☜☜☜
如果您希望通义千问模型能主动调用外部工具完成实时任务，例如查询天气、获取时间或执行计算，则需正确配置并触发其 Function Calling 能力。以下是实现该能力的具体步骤：
一、定义工具函数与 JSON Schema
Function Calling 的前提是向模型明确声明可用工具的名称、用途及参数结构，模型据此判断是否调用以及如何填充参数。工具描述必须以标准 JSON Schema 格式提供，包含 type、function.name、function.description 和 function.parameters 四个核心字段。
1、编写工具定义字典，例如定义一个天气查询函数，其中 function.name 为 "get_weather"，function.description 为 "根据城市名称查询当前天气"。
2、确保 parameters 中的 properties 严格匹配实际函数接收的参数类型，如 location 必须为 string 类型，并在 required 字段中显式列出必填参数。
3、将完整工具定义加入 tools 列表，每个工具均为独立字典对象，且符合 OpenAI 兼容的 tool schema 规范。
二、构造带工具描述的提示词
模型需在推理时同时看到用户问题和全部可选工具的完整描述，才能做出准确调用决策。提示词中必须将 tools 列表作为独立参数传入 API 请求，不可仅在 system message 中文字描述工具功能。
1、组织 messages 列表，至少包含 system 角色（说明任务目标）和 user 角色（提出自然语言请求）。
2、在调用 client.chat.completions.create 时，将 tools 参数设为上一步定义的工具列表。
3、设置 response_format={"type": "json_object"} 强制模型输出 JSON 格式，防止自由文本干扰解析。
三、解析模型返回的 tool_calls 字段
当模型判定需要调用工具时，会返回 content 为空、tool_calls 字段非空的响应。该字段包含 name 和 arguments 两个关键信息，应用程序需提取后执行本地函数。
1、检查 response.choices[0].message.tool_calls 是否存在且不为空。
2、遍历 tool_calls 列表，读取每个调用的 function.name 以匹配预注册的工具。
3、使用 json.loads 解析 function.arguments 字符串，并将其作为关键字参数传入对应函数。
四、将工具执行结果注入上下文并二次调用
工具执行完毕后，原始 JSON 响应需以特定格式回填至 messages 中，作为模型生成最终自然语言回答的依据。该步骤要求将工具调用结果以 tool 角色消息形式追加到对话历史末尾。
1、构造一条新消息，role 设为 "tool"，content 为工具函数返回的字符串结果。
2、将该消息添加至 messages 列表末尾，保持原有对话顺序不变。
3、再次调用 client.chat.completions.create，不传入 tools 参数，仅使用更新后的 messages 列表发起请求。
五、处理无工具调用的兜底响应
模型可能在某些输入下不触发任何工具调用，而是直接生成自然语言回复。此时需兼容 content 字段非空、tool_calls 为空的响应结构，避免程序异常中断。
1、判断 response.choices[0].message.content 是否存在且非空字符串。
2、若存在有效 content，则直接将其作为最终输出返回给用户。
3、若 content 为空且 tool_calls 也为空，应视为模型未理解意图，可返回默认提示语或重新构造 prompt 重试。
