Tool Calls

让模型调用外部工具来增强能力。模型只负责决定"调哪个、传什么参数"，真正的执行在你的代码里。

流程

一轮完整的工具调用要走两次请求：

请求里带上 tools（函数名 + 描述 + 参数 JSON Schema）；
模型不直接回答，而是返回 tool_calls，告诉你调哪个函数、传什么参数；
你的代码执行那个函数，把结果作为一条 role: "tool" 的消息追加进 messages；
再发一次请求，模型基于结果给出最终的自然语言回答。

第一步：带上 tools 请求

curl https://open.feiyutoken.com/v1/chat/completions \
  -H "Authorization: Bearer <你的飞鱼Token API Key>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "<模型名>",
    "messages": [
      { "role": "user", "content": "杭州现在天气怎么样？" }
    ],
    "tools": [
      {
        "type": "function",
        "function": {
          "name": "get_weather",
          "description": "查询某个城市的天气，需要先给出城市名",
          "parameters": {
            "type": "object",
            "properties": {
              "location": { "type": "string", "description": "城市名，例如 杭州" }
            },
            "required": ["location"]
          }
        }
      }
    ]
  }'

模型返回什么

finish_reason 是 tool_calls，content 通常为空，工具调用在 tool_calls 里：

{
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": null,
        "tool_calls": [
          {
            "id": "call_abc123",
            "type": "function",
            "function": {
              "name": "get_weather",
              "arguments": "{\"location\": \"杭州\"}"
            }
          }
        ]
      },
      "finish_reason": "tool_calls"
    }
  ]
}

第二步：把执行结果发回去

把上一步返回的 assistant 消息原样追加进 messages，再追加一条 role: "tool" 的消息：

curl https://open.feiyutoken.com/v1/chat/completions \
  -H "Authorization: Bearer <你的飞鱼Token API Key>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "<模型名>",
    "messages": [
      { "role": "user", "content": "杭州现在天气怎么样？" },
      {
        "role": "assistant",
        "content": null,
        "tool_calls": [
          {
            "id": "call_abc123",
            "type": "function",
            "function": { "name": "get_weather", "arguments": "{\"location\": \"杭州\"}" }
          }
        ]
      },
      { "role": "tool", "tool_call_id": "call_abc123", "content": "24℃" }
    ]
  }'

这次模型会给出自然语言回答，finish_reason 回到 stop。

几个容易踩的点

函数是你自己执行的，模型不会替你跑任何一个函数。
arguments 是字符串，不是对象 —— 先做一次 JSON 解析再取参数。
回填结果时 tool_call_id 必须和模型给的 id 对上，否则模型不知道这条结果对应哪次调用。
一次返回可能有多个 tool_calls，都要执行并逐条回填。
是否需要继续调用工具，由模型决定：也可能再多轮几次才给最终回答。
哪些模型支持工具调用，以控制台模型列表里的说明为准。