大模型调用外部工具获取实时天气的实现方法

作为前端开发者。我们经常接触AI应用，但大模型数据，无法获取实时信息的问题一直很棘手。而大模型调用工具的方案，能让AI像人类一样主动调用外部接口，打破数据时效性的壁垒。这篇文章用最简洁的代码，带你从零实现大模型 + 天气API的实时查询功能

一、大模型如何"使用工具"？其实，

大模型调用工具的本质很简单。就3步：

1. 告诉大模型有什么工具；老实说，
2. 大模型接收使用者提问。判断需要调用工具，自动生成参数；
3. 执行工具调用。将结果回传给大模型，最终整理成自然语言回答。

至于主要依赖，

• requests发送HTTP请求调用天气API；
• openai大模型SDK；
• 心知天气API：免费开放使用，适合快速测试。

二、实战步骤：从环境到运行全流程

1. 环境准备：安装依赖

先安装所需Python库。建议用虚拟环境避免权限问题：

# 安装主要依赖
pip install requests openai

2. 第一步先：编写天气查询工具函数

先实现一个独立的天气查询函数，这里使用了免费的心知天气API，负责和心知天气API交互，使该函数接收城市名，返回结构化天气描述。

import requests
def get_wear -> str:
url = "https://api.seniverse.com/v3/wear/now.json"
params = {
再看"key"，"your_api_key",# 替换为你自己的心知天气API key
"location": location,"language": "zh-Hans"
}
try这方面。resp = requests.get
data = resp.json
if "results" in data:
r = data
city = r
now = r
text = now
temp = now
return f"{city}当前天气：{text},气温{temp}度"
说到else，return "查询失败"
except Exception as e:
return f"异常: {e}"
get_wear # 输出：抚州当前天气：阴，气温8度

• 调用 get_wear 传入城市名；
• 函数通过requests库向天气API发送带密钥、城市名的请求；
• AIP返回JSON格式的天气数据，函数解析出城市名、天气状况、温度；
• 以友好的格式返回结果并遇到错误时给出明确提示。

3. 接下来：让大模型认识工具

大模型看不懂Python函数。需要JSON格式定义一份“工具使用说明书”，明确告诉大模型这个工具有什么作 用、需要传什么参数。这是 工具成功主要前提，

from openai import OpenAI
import json
client = OpenAI(
api_key=your_api_key,base_url=https://api.deepseek.com/v1
)
tools=
}
}
}]
response=client.chat.completions.create
print
print
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':
tool_response=get_wear
else这方面。tool_response='未知错误'
messages.append({
从role来看，'tool',name:function_name,content:tool_response,tool_call_id:tool_call.id
})


final_response=client.chat.completions.create

print


这段代码主要展示了如何让OpenAI API与自定义Python函数进行交互来获取北京地区今天低温信息：
1)
初始化了一个OpenAI客户端连接并指定了使用深思助手作为对话引擎；2) 接下来定义了一个包含get_wear这个自定义函数说明书；3) 接下来创建一个包含简单问题消息列表并发送至对话引擎；4) 对话引擎根据问题自动选择合适功能，而且提取必要信息形成完整请求；5) 在后台执行该功能获取实际结果之后
将其作为上下文信息补充回去继续完善最终答案。

三 、关键知识点拆解

为什么要选择OpenAI SDK？

因为它是目前通行标准 - 不同厂商之间虽然具体服务器地址不同但是基本保持相似操作方式。就像我们熟悉Axios库可以兼容各种后台服务一样。

工具说明书三要素：

1 .名称-必须和实际代码中保持一致;2 .描述-越详细越好，3 .参数说明-包括类别还有必填字段;

对话记忆机制这方面，

通过维护不同角色交互记录来保存历史上下文状态：
• role=user : 使用者输入;• role=assistant : AI回复;• roleool : 第三方服务输出;

四 、拓展方向：

1️⃣智慧客服程序集成公司订单物流跟踪能力提供更便捷售后支持体验;📊📈

2️⃣实时数据仪表盘支持自然语言查询即可显示各种金融商品走势图;💼💹

3️⃣个人智能秘书通过连接日程备忘事项外卖等服务完成全场景任务协助;✅🍜