OpenAI API Function Calling 教程

更新于 2026-04-14 阅读时间：30 分钟分类：使用教程

什么是 OpenAI API Function Calling

OpenAI API Function Calling（函数调用）是 OpenAI 在 2023 年推出的一项强大功能，它允许开发者将自定义函数描述传递给 GPT 模型，让模型能够智能地决定何时调用这些函数，并生成符合函数参数要求的 JSON 数据。这项功能极大地扩展了 AI 应用的能力边界，使得 GPT 模型可以与外部系统、数据库、API 服务无缝集成。

通过 OpenAI API Function Calling 教程，你可以构建出能够查询天气、预订酒店、操作数据库、控制智能家居等复杂功能的 AI 应用。本文将从基础概念到实战代码，全面讲解如何使用这一功能。

Function Calling 的工作原理

OpenAI 函数调用的核心流程分为三个步骤：

函数定义：开发者向 API 提供函数的名称、描述和参数结构（JSON Schema 格式）
模型判断：GPT 模型根据用户输入和函数描述，决定是否需要调用函数，并生成符合参数要求的 JSON
执行返回：开发者在本地执行函数，将结果返回给模型，模型基于结果生成最终回复

这种设计让模型保持无状态，所有函数执行都在开发者的控制之下，既保证了安全性，又提供了极大的灵活性。

快速开始：第一个 Function Calling 示例

Python 实现

以下是一个完整的 Python 示例，演示如何使用 OpenAI API Function Calling 实现天气查询功能：

import openai
import json

# 初始化 OpenAI 客户端
client = openai.OpenAI(api_key="your-api-key")

# 定义函数描述
functions = [
    {
        "name": "get_weather",
        "description": "获取指定城市的天气信息",
        "parameters": {
            "type": "object",
            "properties": {
                "location": {
                    "type": "string",
                    "description": "城市名称，例如：北京、上海"
                },
                "unit": {
                    "type": "string",
                    "enum": ["celsius", "fahrenheit"],
                    "description": "温度单位"
                }
            },
            "required": ["location"]
        }
    }
]

# 模拟天气查询函数
def get_weather(location, unit="celsius"):
    # 实际应用中这里应该调用真实的天气 API
    weather_data = {
        "北京": {"temp": 15, "condition": "晴朗"},
        "上海": {"temp": 20, "condition": "多云"}
    }
    return json.dumps(weather_data.get(location, {"error": "城市未找到"}))

# 第一次调用：让模型决定是否需要调用函数
response = client.chat.completions.create(
    model="gpt-4-turbo",
    messages=[{"role": "user", "content": "北京今天天气怎么样？"}],
    functions=functions,
    function_call="auto"
)

message = response.choices[0].message

# 检查模型是否要求调用函数
if message.function_call:
    function_name = message.function_call.name
    function_args = json.loads(message.function_call.arguments)
    
    # 执行函数
    if function_name == "get_weather":
        function_response = get_weather(**function_args)
        
        # 第二次调用：将函数结果返回给模型
        second_response = client.chat.completions.create(
            model="gpt-4-turbo",
            messages=[
                {"role": "user", "content": "北京今天天气怎么样？"},
                message,
                {
                    "role": "function",
                    "name": function_name,
                    "content": function_response
                }
            ]
        )
        
        print(second_response.choices[0].message.content)

Node.js 实现

对于 Node.js 开发者，以下是等效的实现：

const OpenAI = require('openai');

const client = new OpenAI({
  apiKey: 'your-api-key'
});

const functions = [
  {
    name: 'get_weather',
    description: '获取指定城市的天气信息',
    parameters: {
      type: 'object',
      properties: {
        location: {
          type: 'string',
          description: '城市名称，例如：北京、上海'
        },
        unit: {
          type: 'string',
          enum: ['celsius', 'fahrenheit']
        }
      },
      required: ['location']
    }
  }
];

function getWeather(location, unit = 'celsius') {
  const weatherData = {
    '北京': { temp: 15, condition: '晴朗' },
    '上海': { temp: 20, condition: '多云' }
  };
  return JSON.stringify(weatherData[location] || { error: '城市未找到' });
}

async function main() {
  const response = await client.chat.completions.create({
    model: 'gpt-4-turbo',
    messages: [{ role: 'user', content: '北京今天天气怎么样？' }],
    functions: functions,
    function_call: 'auto'
  });

  const message = response.choices[0].message;

  if (message.function_call) {
    const functionName = message.function_call.name;
    const functionArgs = JSON.parse(message.function_call.arguments);
    
    const functionResponse = getWeather(functionArgs.location, functionArgs.unit);
    
    const secondResponse = await client.chat.completions.create({
      model: 'gpt-4-turbo',
      messages: [
        { role: 'user', content: '北京今天天气怎么样？' },
        message,
        {
          role: 'function',
          name: functionName,
          content: functionResponse
        }
      ]
    });
    
    console.log(secondResponse.choices[0].message.content);
  }
}

main();

进阶技巧：多函数调用与并行处理

在实际应用中，你可能需要定义多个函数供模型选择。OpenAI API Function Calling 教程的进阶部分包括如何处理多函数场景：

定义多个函数

functions = [
    {
        "name": "get_weather",
        "description": "获取天气信息",
        "parameters": {...}
    },
    {
        "name": "book_hotel",
        "description": "预订酒店",
        "parameters": {
            "type": "object",
            "properties": {
                "city": {"type": "string"},
                "check_in": {"type": "string", "format": "date"},
                "check_out": {"type": "string", "format": "date"}
            },
            "required": ["city", "check_in", "check_out"]
        }
    },
    {
        "name": "search_flights",
        "description": "搜索航班",
        "parameters": {...}
    }
]

并行函数调用（GPT-4 Turbo 支持）

从 GPT-4 Turbo 开始，模型支持在一次响应中调用多个函数：

response = client.chat.completions.create(
    model="gpt-4-turbo",
    messages=[{
        "role": "user", 
        "content": "帮我查一下北京的天气，并预订明天到后天的酒店"
    }],
    functions=functions,
    function_call="auto"
)

# 处理多个函数调用
for tool_call in response.choices[0].message.tool_calls:
    function_name = tool_call.function.name
    function_args = json.loads(tool_call.function.arguments)
    # 执行对应函数...

最佳实践与常见陷阱

1. 函数描述要清晰准确

模型完全依赖你提供的 description 字段来理解函数用途。描述越详细，模型的判断越准确。

2. 参数验证不可省略

虽然模型会尽力生成符合 JSON Schema 的参数，但仍需在代码中进行验证：

def get_weather(location, unit="celsius"):
    if not location:
        return json.dumps({"error": "location 参数不能为空"})
    if unit not in ["celsius", "fahrenheit"]:
        return json.dumps({"error": "unit 参数无效"})
    # 正常处理...

3. 处理函数调用失败

当函数执行出错时，应该将错误信息返回给模型，让它生成友好的用户提示：

try:
    result = call_external_api(params)
    function_response = json.dumps(result)
except Exception as e:
    function_response = json.dumps({"error": str(e)})

4. 控制函数调用行为

function_call 参数提供三种模式：

"auto"：让模型自动决定（推荐）
{"name": "function_name"}：强制调用指定函数
"none"：禁用函数调用

实战案例：构建智能客服系统

以下是一个完整的智能客服示例，整合了订单查询、退款申请和常见问题解答：

functions = [
    {
        "name": "query_order",
        "description": "查询订单状态",
        "parameters": {
            "type": "object",
            "properties": {
                "order_id": {"type": "string", "description": "订单号"}
            },
            "required": ["order_id"]
        }
    },
    {
        "name": "request_refund",
        "description": "申请退款",
        "parameters": {
            "type": "object",
            "properties": {
                "order_id": {"type": "string"},
                "reason": {"type": "string", "description": "退款原因"}
            },
            "required": ["order_id", "reason"]
        }
    }
]

def handle_customer_service(user_message):
    messages = [{"role": "user", "content": user_message}]
    
    while True:
        response = client.chat.completions.create(
            model="gpt-4-turbo",
            messages=messages,
            functions=functions
        )
        
        message = response.choices[0].message
        
        if not message.function_call:
            return message.content
        
        # 执行函数
        function_name = message.function_call.name
        function_args = json.loads(message.function_call.arguments)
        
        if function_name == "query_order":
            result = query_order_from_db(function_args["order_id"])
        elif function_name == "request_refund":
            result = process_refund(function_args["order_id"], function_args["reason"])
        
        messages.append(message)
        messages.append({
            "role": "function",
            "name": function_name,
            "content": json.dumps(result)
        })

性能优化与成本控制

使用 OpenAI API Function Calling 时需要注意成本控制：

减少不必要的函数定义：只传递当前对话可能用到的函数
使用流式响应：对于不需要函数调用的场景，启用 stream=True 提升体验
缓存函数结果：对于相同参数的函数调用，可以缓存结果避免重复执行
选择合适的模型：GPT-3.5-turbo 也支持函数调用，成本更低

对于需要频繁调用 API 的应用，可以考虑使用 API 中转服务来优化请求路由和成本管理，这些服务通常提供负载均衡、请求缓存和更灵活的计费方式。

常见问题解答

Function Calling 支持哪些 OpenAI 模型？

目前支持函数调用的模型包括：gpt-4、gpt-4-turbo、gpt-4o、gpt-3.5-turbo（0613 版本及以后）。推荐使用 gpt-4-turbo 或 gpt-4o，它们支持并行函数调用和更复杂的参数推理。

函数调用会增加多少 Token 消耗？

函数定义会计入输入 Token，每个函数的描述和参数结构大约消耗 50-200 个 Token。函数调用的响应（包含 function_call 字段）也会计入输出 Token。建议在开发时使用 response.usage 监控实际消耗。

如何让模型更准确地选择函数？

关键在于函数的 description 字段。应该清晰描述函数的用途、适用场景和限制条件。例如："查询指定日期范围内的订单，日期格式为 YYYY-MM-DD，最多支持查询 90 天内的数据"。

Function Calling 和 Plugins 有什么区别？

Function Calling 是开发者在代码中定义和执行函数，完全由开发者控制；Plugins（已废弃）是 OpenAI 托管的第三方服务。Function Calling 提供了更好的安全性、灵活性和性能。

可以在函数中调用外部 API 吗？

完全可以。Function Calling 的设计初衷就是让 GPT 模型能够与外部系统交互。你可以在函数中调用任何 API、查询数据库、操作文件系统等。只需确保将结果以 JSON 字符串形式返回给模型即可。

总结

通过本篇 OpenAI API Function Calling 教程，你已经掌握了从基础概念到实战应用的完整知识体系。函数调用功能让 GPT 模型从单纯的对话工具进化为能够执行实际任务的智能代理，极大地拓展了 AI 应用的可能性。

在实际开发中，建议从简单的单函数场景开始，逐步过渡到多函数并行调用的复杂应用。记住始终验证函数参数、处理异常情况，并通过合理的架构设计控制成本。随着对这项技术的深入理解，你将能够构建出更加智能、实用的 AI 应用。

通过 XiaoMu AI 使用所有主流 AI API

一个 API Key 访问 GPT-4o、Claude、Gemini 等全部模型。国内直连，无需翻墙，按量计费更省钱。

立即领取

新用户赠送免费额度，无需绑定信用卡

常见问题