├── README.md
└── function_call.py


/README.md:
--------------------------------------------------------------------------------
 1 | Function的调用时Agent实现很重要的一步，只有了解了这个原理才可以更好的创建Agent。
 2 | 
 3 | 此代码从零构建了Agent中最重要的function call。
 4 | 
 5 | # 场景
 6 | 
 7 | Agent的目标：可以回答用户关于天气的问题。
 8 | 
 9 | 流程：
10 | 
11 | 1. 思考： 用户输入问题，先进行分析
12 | 
13 | 2. 行动： 如果问到了天气问题，则分析出需要调用的function以及function要传入的参数
14 | 
15 | 3. 响应：function返回后，将答案整理好回复给用户。
16 | 
17 | # 流程如下
18 | 
19 | ![image](https://github.com/user-attachments/assets/5a8c510c-fd35-46c2-956c-95ad1fc4f98e)
20 | 
21 | # 运行逻辑
22 | 
23 | 1. 提问让模型进行思考
24 | ```
25 |     question="北京天气怎么样"
26 |     messages = [{"role": "system", "content": system_prompt},
27 |         {"role": "user", "content": question}]
28 |     message = send_messages(messages)
29 |     print(f"Model-1th>\n {message.content}")
30 | ```
31 | 
32 | 2. 如果找到了json则说明有工具可以调用
33 | ```
34 |    抽取文本返回中的json
35 |   """
36 |   {
37 |           "function_name":"get_weather",
38 |           "function_params":{
39 |                   "location":"北京"
40 |           }
41 |   }
42 |   """
43 | ```
44 |   
45 | 3. 调用工具
46 | ```
47 |   tianqi = get_weather("北京")
48 | ```
49 | 
50 | 4.将调用工具的结果返回给模型进行回答
51 | ```
52 |   messages.append({"role": "assistant",  "content": f"调用Action的结果:{tianqi}"})
53 |   message = send_messages(messages)
54 |   print(f"Model-second>\n {message.content}")
55 | ```
56 | 
57 | # 运行结果
58 | ```
59 |   Model-1th>
60 |    thought：我应该调用工具查询北京的天气情况
61 |   Action：
62 |   {
63 |           "function_name":"get_weather",
64 |           "function_params":{
65 |                   "location":"北京"
66 |           }
67 |   }
68 | 
69 |   Model-second> 北京今天的天气晴朗。
70 | ```
71 | 


--------------------------------------------------------------------------------
/function_call.py:
--------------------------------------------------------------------------------
 1 | from openai import OpenAI
 2 | 
 3 | def send_messages(messages):
 4 |     response = client.chat.completions.create(
 5 |         model="deepseek-chat",
 6 |         messages=messages
 7 |     )
 8 |     return response.choices[0].message
 9 | 
10 | client = OpenAI(
11 |     api_key="xxx",
12 |     base_url="https://api.deepseek.com",
13 | )
14 | 
15 | def get_weather(location):
16 | 		return "天气晴朗"
17 | 
18 | 
19 | system_prompt="""
20 | 你在运行一个“思考”，“工具调用”，“响应”循环。每次只运行一个阶段
21 | 
22 | 1.“思考”阶段：你要仔细思考用户的问题
23 | 2.“工具调用阶段”：选择可以调用的工具，并且输出对应工具需要的参数
24 | 3.“响应”阶段：根据工具调用返回的结果，回复用户问题。
25 | 
26 | 已有的工具如下：
27 | get_weather：
28 | e.g. get_weather:天津
29 | 返回天津的天气情况
30 | 
31 | Example：
32 | question：天津的天气怎么样？
33 | thought：我应该调用工具查询天津的天气情况
34 | Action：
35 | {
36 | 	"function_name":"get_response_time"
37 | 	"function_params":{
38 | 		"location":"天津"
39 | 	}
40 | }
41 | 调用Action的结果：“天气晴朗”
42 | Answer:天津的天气晴朗
43 | """
44 | 
45 | #1.提问让模型进行思考
46 | question="北京天气怎么样"
47 | messages = [{"role": "system", "content": system_prompt},
48 |     {"role": "user", "content": question}]
49 | message = send_messages(messages)
50 | print(f"Model-1th>\n {message.content}")
51 | 
52 | # 2.如果找到了json则说明有工具可以调用
53 | # 抽取文本返回中的json
54 | """
55 | {
56 |         "function_name":"get_weather",
57 |         "function_params":{
58 |                 "location":"北京"
59 |         }
60 | }
61 | """
62 | # 3.调用工具
63 | tianqi = get_weather("北京")
64 | 
65 | # 4.将调用工具的结果返回给模型进行回答
66 | messages.append({"role": "assistant",  "content": f"调用Action的结果:{tianqi}"})
67 | message = send_messages(messages)
68 | print(f"Model-second>\2 {message.content}")
69 | 
70 | 
71 | 


--------------------------------------------------------------------------------