函数调用
让模型决定是否调用你定义的函数，附完整的两轮示例。可通过 Chat Completions 使用，也可走 Claude 原生 Messages 格式。
函数调用（Tool Calls）让模型决定“是否需要调用你定义的函数、传什么参数”。模型本身不会执行函数，由你的代码执行后，再把结果交还给模型。
流程：
- 请求里用
tools描述可用函数。 - 模型返回
tool_calls（函数名 + JSON 参数）。 - 你的代码执行函数，把结果以
role: "tool"消息追加到对话。 - 再请求一次，模型给出最终回答。
可以通过 Chat Completions 使用函数调用，下面的示例换 model 即可；支持 Claude 原生格式的模型也可以通过 Anthropic Messages 格式使用，见本页最后一节。是否支持函数调用取决于模型，请在 模型广场 选择合适的模型。
示例中的 your-model-id 请替换为模型广场中的模型 ID（也可以调用 GET /v1/models 查看）。
完整示例
import json
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["MYAIEXP_API_KEY"],
base_url="https://ai.myaiexp.com/v1",
)
model = "your-model-id" # 替换为模型广场中的模型 ID
def get_weather(city: str) -> str:
# 这里用假数据代替真实的天气接口
return json.dumps({"city": city, "weather": "sunny", "temperature_c": 22})
tools = [
{
"type": "function",
"function": {
"name": "get_weather",
"description": "Get the current weather for a city",
"parameters": {
"type": "object",
"properties": {"city": {"type": "string", "description": "City name, e.g. Beijing"}},
"required": ["city"],
},
},
}
]
messages = [{"role": "user", "content": "What's the weather in Beijing right now?"}]
# 第 1 轮：模型决定要不要调用函数
first = client.chat.completions.create(model=model, messages=messages, tools=tools)
msg = first.choices[0].message
if not msg.tool_calls:
print(msg.content)
else:
messages.append(msg)
for call in msg.tool_calls:
args = json.loads(call.function.arguments)
result = get_weather(**args)
messages.append({"role": "tool", "tool_call_id": call.id, "content": result})
# 第 2 轮：把函数结果交还给模型，得到最终回答
final = client.chat.completions.create(model=model, messages=messages, tools=tools)
print(final.choices[0].message.content)第 1 轮的原始返回
只看第 1 轮，可以用 curl：
# 函数调用：模型返回 tool_calls，由你的代码执行函数
curl -sS https://ai.myaiexp.com/v1/chat/completions \
-H "Authorization: Bearer $MYAIEXP_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "your-model-id",
"messages": [
{"role": "user", "content": "What'\''s the weather in Beijing right now?"}
],
"tools": [
{
"type": "function",
"function": {
"name": "get_weather",
"description": "Get the current weather for a city",
"parameters": {
"type": "object",
"properties": {
"city": {"type": "string", "description": "City name, e.g. Beijing"}
},
"required": ["city"]
}
}
}
]
}'模型决定调用函数时，返回的 finish_reason 是 tool_calls（以下为结构示意，content 可能为空或带一句说明）：
{
"choices": [
{
"message": {
"role": "assistant",
"content": "",
"tool_calls": [
{
"id": "call_...",
"type": "function",
"function": { "name": "get_weather", "arguments": "{\"city\": \"Beijing\"}" }
}
]
},
"finish_reason": "tool_calls"
}
]
}Anthropic Messages 格式的工具调用
通过 /v1/messages 调用时，工具定义和返回结构是 Anthropic 原生格式：
- 工具用
name、description、input_schema描述（没有外层的function）。 - 模型要调用工具时，
stop_reason是tool_use，content里有type: "tool_use"的块，参数在input里（已是 JSON 对象，不是字符串）。 - 把结果放进下一条
user消息的tool_result块，tool_use_id对应上一轮的id。
import json
import os
import anthropic
client = anthropic.Anthropic(
api_key=os.environ["MYAIEXP_API_KEY"],
base_url="https://ai.myaiexp.com", # 注意：不带 /v1
)
tools = [
{
"name": "get_weather",
"description": "Get the current weather for a city",
"input_schema": {
"type": "object",
"properties": {"city": {"type": "string", "description": "City name, e.g. Beijing"}},
"required": ["city"],
},
}
]
messages = [{"role": "user", "content": "What's the weather in Beijing right now?"}]
# 第 1 轮
first = client.messages.create(model="your-model-id", max_tokens=1024, tools=tools, messages=messages)
if first.stop_reason == "tool_use":
messages.append({"role": "assistant", "content": first.content})
results = []
for block in first.content:
if block.type == "tool_use":
# 这里用假数据代替真实的天气接口
data = {"city": block.input["city"], "weather": "sunny", "temperature_c": 22}
results.append({"type": "tool_result", "tool_use_id": block.id, "content": json.dumps(data)})
messages.append({"role": "user", "content": results})
# 第 2 轮
final = client.messages.create(model="your-model-id", max_tokens=1024, tools=tools, messages=messages)
print(final.content[0].text)注意事项
- Chat Completions 里的
arguments是 JSON 字符串，需要json.loads/JSON.parse后再用，并建议做异常处理，模型偶尔会给出不合法参数。 - 第 2 轮请求要把第 1 轮模型返回的 assistant 消息（含
tool_calls）原样放回messages，再追加tool消息，tool_call_id要一一对应。 - 模型可能一次返回多个
tool_calls，要逐个执行并分别返回结果。 - 是否支持函数调用以模型自身能力为准；不确定时可以先在 游乐场 或用上面的 curl 试一次。
本服务仅供学习与研究用途。请遵守各模型提供方的使用政策。