必须启用Function Calling并正确声明数据分析工具，否则MiniMax Agent只会文字描述而无法执行查库、算公式、画图等操作；需创建时勾选启用、严格定义工具JSON Schema、构造含functions/messages/model字段的API请求，并解析function_call响应后回填数据再二次调用。
☞☞☞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☜☜☜
你想让MiniMax Agent自动查数据库、跑Excel公式、画折线图，而不是只给你一段文字描述？必须启用Function Calling并正确声明数据分析工具，否则模型永远只会“说”不会“做”。
第一步：在控制台创建支持工具调用的Agent
普通对话型Agent默认关闭工具调用能力，必须手动开启，否则后续所有工具定义都会被忽略。
登录Minimax开发者控制台 → 进入【Agent】模块 → 点击【创建Agent】→ 选择“数据分析专用”模板（不是“通用对话型”）→ 在高级设置中勾选【启用Function Calling】→ 填写系统提示词：“你是一个严谨的数据分析师，所有数值结论必须基于调用工具返回的真实结果，禁止虚构。” → 点击【保存并发布】。
【启用Function Calling必须在创建时勾选，发布后无法修改】。若已创建普通Agent，只能删除重建，不能后期追加该能力。
第二步：定义你的数据分析工具
工具定义必须严格遵循JSON Schema，字段名、类型、必填项缺一不可，否则API直接返回400错误。
方法一：使用内置Excel分析工具（最快）
在Agent配置页的“工具管理”中，点击【添加工具】→ 选择“Excel Processor”→ 设置参数：input_file（string, required）、operation（enum: ["sum", "avg", "trend_analysis"], required）、columns（array of string, optional）→ 保存。
方法二：自定义SQL查询工具（需后端配合）
准备工具描述JSON：
{
"name": "query_sales_db",
"description": "从MySQL销售数据库查询指定时间段的订单汇总数据",
"parameters": {
"type": "object",
"properties": {
"start_date": {"type": "string", "format": "date"},
"end_date": {"type": "string", "format": "date"},
"region": {"type": "string", "enum": ["华东", "华南", "华北"]}
},
"required": ["start_date", "end_date"]
}
}
将这段JSON粘贴到“自定义工具”输入框，点击【验证并添加】。注意：region枚举值必须与你数据库实际字段完全一致，大小写敏感。
第三步：构造含工具调用的API请求
1、请求URL固定为：https://api.minimax.chat/v1/chat/completions（不是/text/chatcompletion）。
您的智能体声称“已完成”——但它真的验证过了吗？Superpowers 可将任意 OpenClaw 智能体转变为一名严谨的工程师。其核心机制包括： - **验证铁律**（主张须有证据支撑） - **三智能体代码评审流程**（构建 → 验证规格符合性 → 验证质量） - **系统化调试机制**（四阶段根因分析 + 三击规则） - **头脑风暴关卡**（先完成设计，再编写代码） - **反过度工程规则** 适用场景： (1) 任意复杂度的编码任务 (2) 调试失败问题 (
2、Header中必须包含：
Authorization: Bearer sk-xxx（你的API密钥）
Content-Type: application/json
3、Body中必须同时存在三个关键字段：
– functions：数组，填入你在第二步定义的全部工具JSON
– messages：至少包含一个user消息，例如[{"role":"user","content":"对比华东和华南7月销售额，并画出趋势图"}]
– model：必须显式指定为"abab6.5s"或"minimax-m2.5"，H3系列模型不支持此接口路径。
这一步最容易错的是把functions写成字符串而非JSON数组，或者漏掉model字段导致404。Postman里建议用raw → JSON模式编辑Body，避免格式污染。
第四步：解析响应并执行工具调用
发送请求后，检查返回体结构：
① 若response.choices[0].message.function_call存在 → 提取name和arguments → 根据name匹配你定义的工具 → 用arguments发起真实HTTP请求（如调用你的/query_sales_db接口）→ 获取原始数据。
② 若response.choices[0].message.content存在且无function_call → 模型判断无需调用工具，直接返回文字结论，此时可跳过工具执行环节。
③ 若两者都为空 → 检查functions字段是否拼写错误，或用户问题未触发工具调用条件（例如问题太模糊：“看看数据”）。
拿到工具返回的原始数据后，必须将其作为assistant角色消息追加进原messages数组末尾，再发一次请求，让模型基于真实数据生成最终报告。这一步不能省略，否则图表和数字全是幻觉。
