要启用通义千问的function calling能力，需五步：一、定义工具函数及json schema；二、构造含tools参数的提示词；三、解析tool_calls并执行本地函数；四、将结果以tool角色注入上下文并二次调用；五、兼容无调用时直接返回content的场景。
☞☞☞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：
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。
3、在 required 字段中显式列出必填参数，避免模型遗漏关键输入。
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、解析并执行模型返回的调用指令
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、将工具结果注入上下文并二次调用模型
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。此步是多轮协作的关键环节，格式错误将导致模型无法理解返回值含义。
1、构造新的 message，role 设为 "tool"，content 设为工具函数的实际返回字符串（非 JSON 对象）。
2、该 message 的 tool_call_id 必须与原始 tool_calls 中对应项完全一致。
3、将新 message 追加至原 messages 列表末尾，再次调用模型接口获取最终回复。
五、处理无工具调用的直答场景
并非所有用户请求都需要调用外部函数。模型可能直接返回自然语言答案，此时 response 中不含 tool_calls 字段，content 字段即为有效响应。程序必须兼容两种输出路径，否则将因缺失字段而报错。
1、优先检测 response.choices[0].message.tool_calls 是否为 None 或空列表。
2、若未触发调用，则直接提取 response.choices[0].message.content 作为结果。
3、严禁假设每次响应都含 tool_calls；必须对 content 字段做空值与异常捕获处理。
