怎么使用 OpenAI Function Calling 功能定义自定义函数参数

OpenAI Function Calling 定义自定义函数参数需在 API 请求的 tools 字段中传入符合 JSON Schema 格式的函数描述，包含名称、描述及参数类型约束。该机制适用于让模型识别意图并生成结构化调用请求，但模型本身不执行代码。

先说结论：通过 tools 参数注册 JSON Schema 定义的函数，模型据此生成调用参数，开发者需在后端执行实际逻辑。

适合需要模型获取实时数据、执行特定操作或结构化提取数据的场景。
先看函数定义的 parameters 结构是否完整，确保 required 字段和类型描述准确。
建议在函数定义中开启 strict: true 确保模型生成的参数完全符合 JSON 架构。

快速处理思路

在调用 Chat Completions API 时，将函数定义放入 tools 数组，每个函数包含 type、name、description 和 parameters。以下为标准定义示例：

{
  "type": "function",
  "name": "get_weather",
  "description": "获取指定地点的当前气温",
  "parameters": {
    "type": "object",
    "properties": {
      "location": {
        "type": "string",
        "description": "城市和国家，例如：Bogotá, Colombia"
      }
    },
    "required": ["location"],
    "additionalProperties": false
  },
  "strict": true
}

将该对象放入请求体的 tools 字段，模型返回的 tool_calls 中将包含符合此 schema 的参数。

为什么会这样

Function Calling 本质是让大模型从纯文本生成进化为可行动的智能体，但模型只负责生成调用指令而非执行代码。开发者声明可用函数后，模型根据上下文判断是否需要调用，并输出包含函数名和参数的结构化数据。实际调用、安全校验和错误处理均由开发者系统完成，模型仅生成自然语言回复或调用请求。

分步处理

1. 注册函数：在 API 请求的 tools 参数中定义函数名称、描述和 JSON Schema 参数，确保类型和必填项清晰。

2. 模型决定调用：发送用户请求，模型根据上下文判断是否调用函数，返回 finish_reason 为 tool_calls 的响应。

怎么使用 OpenAI Function Calling 功能定义自定义函数参数

3. 开发者执行函数：后端解析模型返回的函数名和参数，执行真实的 Python 函数或 API 请求。

4. 模型处理结果：将函数执行结果作为新的消息输入模型，模型综合结果生成最终自然语言回复。

怎么验证是否生效

检查 API 响应中的 choices[0].finish_reason 字段是否为 tool_calls，确认 tool_calls 数组中包含预期的函数名和参数。验证生成的参数是否符合定义的 JSON Schema 类型，例如字符串、枚举值或必填字段是否存在。若开启 strict 模式，模型参数将严格匹配架构，可通过比对输入 schema 与输出参数进行验收。

常见坑

模型不会自行执行函数，若后端未解析 tool_calls 并执行代码，用户将看不到实际结果。参数命名需与代码实现一致，否则后端无法映射函数。strict 模式需模型支持，旧版本模型可能忽略该字段。函数描述过于模糊会导致模型调用意图不准确，需详细写明何时使用该功能。

常见问题

模型会直接执行我定义的函数吗？

不会，模型只生成调用指令，实际执行需开发者在后端完成。

strict 参数的作用是什么？

开启 strict: true 后，结构化输出确保模型生成的参数完全符合提供的 JSON 架构。

函数定义应该放在哪个参数里？

函数定义需放在 API 请求的 tools 参数中，旧版 API 曾使用 functions 参数。

参考来源

OpenAI Function Calling 全解析：从函数定义到流式调用

AI - Function-Call 函数调用_openai function call 文档-CSDN 博客

OpenAI Function Calling 技术原理与实践详解

来自 OpenAI 官网的 Function calling 介绍与最佳实践