我们不再满足于让 LLM仅仅“回答问题”。如何让模型与真实世界交互？Tools 机制正是解决这一痛点的关键技术。按理说，今天我将带你通过一个完整的实战案例。手把手教你使用 OpenAI SDK 的 tools 功能，实现 LLM 对外部 API 的智能调用。

🔍 为什么需要 Tools？

使用者痛点：传统LLM只能凭记忆回答。或执行计算，导致答案过时或不准确。

• 至于使用者问，“北京天气怎么样？”
• 模型只能凭记忆猜测，无法提供准确的实时天气。其实，

通过 Tools可以告诉模型：“你有权限调用天气查询接口”。它就能自动触发 API 获取最新数据，并给出精准回答！

✅ 准备工作：安装依赖

pip install openai requests

🧩 第一步先：定义工具

使用者痛点：缺乏统一规范导致工具定义混乱，难以让模型识别和调用。

需要向模型描述可用的工具，格式遵循 OpenAI 的 JSON Schema 规范：

from openai import OpenAI
client = OpenAI(
api_key='sk-your-api-key'。base_url='https://api.deepseek.com/v1'
)
# 定义工具
tools =
}
}
}
]

📌 这里我们定义了一个名为 get_wear 的函数，告诉模型它可以用来查天气，而且必须传入 location 参数。

🔄 接下来：实现外部工具函数

使用者痛点：担心第三方API不稳定或返回格式不统一，需要自己处理异常和解析。

import requests
import json
def get_wear -> str:
url = "https://api.seniverse.com/v3/wear/now.json"
params = {
# 使用自己的密钥
从"key"来看，"","location": location,"language": "zh-Hans"
}
再看try，resp = requests.get
data = resp.json
if 'results' in data:
city = data
now = data
text = now
temp = now
return f"{city} 当前天气：{text}。气温 {temp} 度"
说到else，return f"查询失败: {data.get}"
except Exception as e:
return f"异常: {e}"
# 测试一下
print)

🤖 然后：调用 LLM 并触发 Tool

User pain point: 想知道如何让模型自动决定是否调用工具，还有如何处理多轮交互。

import json
messages =
# 第一次请求，让模型决定是否需要工具
response = client.chat_completions.create(
model='deepseek-reasoner',messages=messages,tools=tools,tool_choice='auto',temperature=0.7
)
response_message = response.choices.message
print
# 如果模型建议调用工具
if response_message.tool_calls:
for tool_call in response_message.tool_calls:
function_name = tool_call.function.name
function_args = json.loads
if function_name == 'get_wear':
function_response = get_wear
从else来看，function_response = '未知工具'
# 将工具调用结果加入对话历史
messages.append({
说到'role'。'tool','name': function_name,'content': function_response,'tool_call_id': tool_call.id
})
从else来看，print
# 第二次请求，让模型整合最终答案
final_response = client.chat_completions.create(
model='deepseek-reasoner',messages=messages,temperature=0.7
)
print

This snippet may involve two calls to LLM—first to determine wher a tool is needed,and second to consolidate final answer after tool has returned its result.

🎯 输出示例

北京当前天气这方面，晴，气温25度

🎉 看！模型自动识别出需要查天气，调用了 get_wear 工具。并将实时数据整合进最终回复中。

🌟 关键点解析

💡 使用场景拓展

• 数据库查询
• 邮件/短信通知
• 数学计算器
• 知识库检索程序
• 自定义业务流程自动化 "更多实例、常用方法及常见坑点请查看官方博客和社区讨论" tbody> ad> tbody> ad> tbody>

  🚀

  • #️⃣ 先阅读官方文档：https://platform.openai.com/docs/api-reference/tools/quickstart.
  • #️⃣ 加入社区讨论：https://community.openai.com/.
  • #️⃣ 持续跟踪更新：https://openai.com/research/tokens/.
  • #️⃣ 尝试不同类型的 Tool。例如数据库查询、计算器、知识库检索等，以满足业务需求。
  • #️⃣ 避免过度依赖单一服务，以降低单点故障风险；老实说，可结合缓存、重试机制提高鲁棒性。
             

  ---