OpenAI 函数调用：2026 年开发者完整指南

函数调用（现在通常称为工具调用）让模型决定调用你定义的函数，并返回结构化参数。你将工具描述为 JSON Schema；模型在适当时回复一个工具调用（名称 + JSON 参数）而非自由文本；你的代码执行函数并将结果反馈回去。这是智能体、RAG 检索以及任何需要 LLM 可靠执行操作的应用程序的基础。

核心循环

python
pip install openai
from openai import OpenAI
client = OpenAI()
tools = [{
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "获取某个城市的当前天气",
        "parameters": {
            "type": "object",
            "properties": {"city": {"type": "string"}},
            "required": ["city"],
        },
    },
}]
messages = [{"role": "user", "content": "东京的天气怎么样？"}]
resp = client.chat.completions.create(model="gpt-4o", messages=messages, tools=tools)
call = resp.choices[0].message.tool_calls[0]
import json
args = json.loads(call.function.arguments)   # {"city": "Tokyo"}
result = get_weather(**args)                  # 你的真实函数
将结果反馈回去，以便模型用自然语言回答
messages.append(resp.choices[0].message)
messages.append({"role": "tool", "tool_call_id": call.id, "content": json.dumps(result)})
final = client.chat.completions.create(model="gpt-4o", messages=messages, tools=tools)
print(final.choices[0].message.content)

重要的生产模式

始终验证参数。 模型返回 JSON，但应将其视为不可信输入——解析为模式（Pydantic）并处理错误值。参见 Pydantic AI vs Instructor。

使用 tool_choice 来强制、禁止或自动选择工具。当你需要保证结构化输出时，强制使用特定工具。

处理并行工具调用。 现代模型可以同时请求多个工具；遍历 tool_calls 并为每个调用 ID 追加一条 tool 消息。

保持工具小巧且正交。 许多重叠的工具会混淆模型；少量清晰的工具效果更好。

严格模式/结构化输出 可以保证参数完全匹配你的模式——当下游代码要求严格时使用。

函数调用 vs 结构化输出

如果你只想要一个类型化的对象（而不需要*执行*任何操作），请使用结构化输出/响应模式，而不是工具往返。如果模型必须选择操作并由你执行，那就是工具调用。Anthropic 的 Claude 通过其工具使用 API 提供了相同的功能——概念是直接迁移的。

如何驱动智能体

每个智能体框架本质上都是这个循环加上控制流。要了解其扩展，请比较 OpenAI Assistants vs LangGraph 和 CrewAI vs AutoGen。

常见问题

模型真的会执行我的函数吗？ 不会——它只返回名称和参数。你的代码执行函数并返回结果。 它可以同时调用多个工具吗？ 可以，并行调用；分别处理每个 tool_call_id。 如何保证有效的 JSON？ 使用严格/结构化输出模式，并在执行前用 Pydantic 验证。 这仅适用于 OpenAI 吗？ 不是——Claude 和其他模型也提供等效的工具使用 API，遵循相同的循环。

总结

函数调用将 LLM 从文本生成器转变为可以执行操作的控制器。将工具定义为 JSON Schema，运行调用循环，验证每个参数，并将结果反馈回去。掌握这一点，智能体、RAG 和工具增强型应用都成为同一模式的不同变体。

---

*最后更新：2026 年 6 月。请查阅 OpenAI 文档以确认当前 API 形态。*