工具调用（Function Calling）

通过 BigModel.io 让 GLM、Kimi、DeepSeek 等模型调用你的函数，支持 OpenAI tools 与 Anthropic tool use，附完整的请求循环示例。

本页目录
  1. 发起一次工具调用
  2. Messages API 的工具调用
  3. 流式工具调用
  4. 验证配置
  5. 常见问题排查
  6. 相关文档

工具调用让模型请求你的代码执行某个函数，再根据结果作答。BigModel.io 在 Chat Completions 上转发标准的 OpenAI tools 格式，在 Messages 上转发 Anthropic tools 格式。模型调用工具的效果取决于模型本身。

发送内容 适用范围
tools、tool_choice（以及旧版 functions、function_call） 所有分组的 /v1/chat/completions
Anthropic tools，配合 tool_use / tool_result 块 支持 Messages 的分组的 /v1/messages

在 GLM、DeepSeek 分组上，请求体原样转发给模型供应方，模型支持的工具参数都能生效。在 Chat Completions 会被转换成其他协议的分组上，tools、tool_choice、functions、function_call 会保留，但 parallel_tool_calls 等其他字段会被丢弃。

使用前请在模型目录的模型页面确认有「工具调用」标签。

#发起一次工具调用

完整流程分三步：发送工具定义，执行模型请求的函数，再把结果发回。

Python
import json, os
from openai import OpenAI

client = OpenAI(base_url="https://bigmodel.io/v1", api_key=os.environ["BIGMODEL_API_KEY"])

tools = [{
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "查询某个城市的当前天气",
        "parameters": {
            "type": "object",
            "properties": {"city": {"type": "string"}},
            "required": ["city"],
        },
    },
}]

def get_weather(city):
    return {"city": city, "temp_c": 21, "sky": "clear"}  # 换成你的真实查询

messages = [{"role": "user", "content": "杭州现在天气怎么样？"}]
first = client.chat.completions.create(model="glm-5.3", messages=messages, tools=tools)
msg = first.choices[0].message

if msg.tool_calls:
    messages.append(msg)  # 保留带 tool_calls 的 assistant 消息
    for call in msg.tool_calls:
        args = json.loads(call.function.arguments)
        messages.append({
            "role": "tool",
            "tool_call_id": call.id,
            "content": json.dumps(get_weather(**args)),
        })
    final = client.chat.completions.create(model="glm-5.3", messages=messages, tools=tools)
    print(final.choices[0].message.content)
else:
    print(msg.content)
Node.js
import OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://bigmodel.io/v1", apiKey: process.env.BIGMODEL_API_KEY });

const tools = [{
  type: "function",
  function: {
    name: "get_weather",
    description: "查询某个城市的当前天气",
    parameters: { type: "object", properties: { city: { type: "string" } }, required: ["city"] },
  },
}];
const getWeather = ({ city }) => ({ city, temp_c: 21, sky: "clear" });

const messages = [{ role: "user", content: "杭州现在天气怎么样？" }];
const first = await client.chat.completions.create({ model: "glm-5.3", messages, tools });
const msg = first.choices[0].message;

if (msg.tool_calls?.length) {
  messages.push(msg);
  for (const call of msg.tool_calls) {
    const result = getWeather(JSON.parse(call.function.arguments));
    messages.push({ role: "tool", tool_call_id: call.id, content: JSON.stringify(result) });
  }
  const final = await client.chat.completions.create({ model: "glm-5.3", messages, tools });
  console.log(final.choices[0].message.content);
} else {
  console.log(msg.content);
}
cURL
curl https://bigmodel.io/v1/chat/completions \
  -H "Authorization: Bearer $BIGMODEL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-5.3",
    "messages": [{"role": "user", "content": "杭州现在天气怎么样？"}],
    "tools": [{"type":"function","function":{"name":"get_weather","description":"查询某个城市的当前天气","parameters":{"type":"object","properties":{"city":{"type":"string"}},"required":["city"]}}}]
  }'

tool_choice 控制调用方式："auto"（默认）、"none"、"required"，或 {"type":"function","function":{"name":"get_weather"}} 强制调用某个函数。"required" 和强制指定函数的支持程度因模型而异。

#Messages API 的工具调用

在支持 /v1/messages 的分组上使用 Anthropic 格式：模型返回 tool_use 块，你用带相同 id 的 tool_result 块回复。

Python
import os
from anthropic import Anthropic

client = Anthropic(base_url="https://bigmodel.io", api_key=os.environ["BIGMODEL_API_KEY"])
tools = [{
    "name": "get_weather",
    "description": "查询某个城市的当前天气",
    "input_schema": {"type": "object", "properties": {"city": {"type": "string"}}, "required": ["city"]},
}]
messages = [{"role": "user", "content": "杭州现在天气怎么样？"}]

first = client.messages.create(model="glm-5.3", max_tokens=512, tools=tools, messages=messages)
if first.stop_reason == "tool_use":
    call = next(b for b in first.content if b.type == "tool_use")
    messages += [
        {"role": "assistant", "content": first.content},
        {"role": "user", "content": [{"type": "tool_result", "tool_use_id": call.id, "content": '{"temp_c": 21}'}]},
    ]
    final = client.messages.create(model="glm-5.3", max_tokens=512, tools=tools, messages=messages)
    print(final.content[0].text)

#流式工具调用

流式输出时，工具参数会分段出现在 choices[0].delta.tool_calls[i].function.arguments 中。按 index 拼接各段，等 finish_reason 为 tool_calls 后再解析 JSON。见流式输出。

#验证配置

运行 cURL 示例。响应应包含 "finish_reason": "tool_calls"，以及调用 get_weather、参数为 {"city":"杭州"} 的 tool_calls 数组。如果返回的是普通文本，说明模型选择不调用工具，可以试试 "tool_choice": "required" 或换一个模型。

#常见问题排查

模型直接用文字回答，从不调用工具。 模型可能不支持工具，或工具描述太模糊。确认模型页面有「工具调用」标签，写清楚何时使用该工具，并尝试 tool_choice。

json.loads 解析参数失败。 模型偶尔会返回不合法的 JSON 参数。捕获错误并把错误信息作为工具结果发回让模型重试，或用 schema 库校验。

供应方返回 400，指向工具结果。 每条 tool 消息都需要上一条 assistant 消息中某个调用的 tool_call_id，并且那条 assistant 消息必须包含在 messages 中。

/v1/messages 返回 409 malformed_session_state。 历史中有 tool_result 的 id 对不上 tool_use，或思考块被修改。请原样回传 assistant 内容。

预期调用多个工具，实际只调用一个。 并行调用取决于模型。在转换协议的分组上 parallel_tool_calls 会被丢弃，无法控制。

503 api_error「No available accounts」。 Key 的分组不提供该模型。见模型 ID。

#相关文档

更新于 · 以 Markdown 查看