利用 Python 语言调用腾讯混元大模型接口实战指南

什么是混元大模型

“腾讯元器”是基于腾讯混元大模型的一站式智能体制作平台，支持通过下述能力对大模型进行增强：

• 提示词，包含详细设定（system prompt），开场白，建议引导问题。

• 插件（外部 API），目前支持勾选多个插件。官方插件包含微信搜一搜、PDF 摘要 &解析、混元图片生成，也支持用户自定义插件。

• 知识库，当前版本支持 doc 和 txt 两种格式。

• 工作流，一种“流程图”式的低代码编辑工具，可以用来做一个“高级版”插件。在工作流里，可以任意编排插件、知识库、大模型节点的工作顺序和调用传参，从而精确控制智能体中部分任务的运行逻辑。

通过元器平台制作的智能体，目前支持 32k token 上下文长度（某次回答过程中的提示词+机器回答的 token 长度，一个 token 约为 1.8 个中文字符）。工作流的超时运行时间为 5 分钟。智能体的回复上限时间是 90s。

什么是 API 接口

API是一个软件解决方案，作为中介，使两个应用程序能够相互交互。以下一些特征让 API 变得更加有用和有价值：

• 遵守 REST 和 HTTP 等易于访问、广泛理解和开发人员友好的标准。

• API 不仅仅是几行代码；这些是为移动开发人员等特定受众创建的。

• 这些有清晰的文档和版本，以满足用户的期望。

• 更好的治理和安全性，以及监控以管理性能和可扩展性。

Python 编写 API 接口的主要步骤如下：

登录并注册账号

可以通过 幂简集成-API HUB 快速找到大量 AI 技术相关 API，心仪的 API 可以在登录后添加到个人书签，便于下次使用快速查找。

点击跳转 腾讯混元 官网，点击“腾讯元器”，输入手机号码并通过验证吗登录。

创建智能体

登录成功后，点击“创建智能体”

输入要创建智能体的名称、简介、头像（可以 AI 生成）、详细设定等相关信息~

还可以添加丰富的插件、知识库、工作流等~

每一项表单的编辑后，右边会自动更新智能体的配置（预计有 3-5s 左右延迟），我们就可以即时查看智能体在配置更新后的效果~

发布智能体

调试没有问题后就可以发布智能体，并等待审核成功~

如果使用 API 调用的方式，不需要选择发布平台

获取相关验证信息

审核通过后，到我的创建中找到创建的智能体

在弹窗中复制自己的智能体 ID 和 Token（注意不要泄露，泄露后要及时重置）

发送信息

API 服务地址

请求参数

响应参数

返回格式 application/json，body 参数如下：

“sensitive”表示审核不通过“tool_fail”表示调用工具失败 || choices[n].message | json | 返回的内容 || choices[n].message.role | string | 角色名称 || choices[n].message.content | string | 内容详情 || choices[n].message.steps | list | 助手的执行步骤 || choices[n].message.steps[m].role | string | 执行步骤中的角色名称，assistant 表示模型，tool 表示工具调用 || choices[n].message.steps[m].content | string | 执行步骤的结果，当角色为 assistant 时表示模型的输出内容，当角色为 tool 时表示工具的输出内容 || choices[n].message.steps[m].tool_call_id | string | 角色为 tool 时有效，内容为模型生成的工具调用中的唯一 ID || choices[n].message.steps[m].tool_calls | list | 模型生成的工具调用 || choices[n].message.steps[m].tool_calls[i].id | string | 工具调用的唯一 ID || choices[n].message.steps[m].tool_calls[i].type | string | 调用的工具类型，当前只支持 function || choices[n].message.steps[m].tool_calls[i].function | object | 具体调用的 function || choices[n].message.steps[m].tool_calls[i].function.name | string | function 名称 || choices[n].message.steps[m].tool_calls[i].function.desc | string | function 描述 || choices[n].message.steps[m].tool_calls[i].function.type | string | function 类型，当前支持 tool/knowledge/workflow || choices[n].message.steps[m].tool_calls[i].function.arguments | string | 调用 function 的参数，JSON 格式 || choices[n].message.steps[m].usage | object | 当前执行步骤的 token 使用量 || choices[n].message.steps[m].usage.prompt_tokens | number | 问题 token 使用量 || choices[n].message.steps[m].usage.completion_tokens | number | 回答 token 使用量 || choices[n].message.steps[m].usage.total_tokens | number | token 总使用量 || choices[n].message.steps[m].time_cost | number | 当前执行步骤的耗时 || choices[n].delta | json | 返回的内容（流式返回） || choices[n].delta.role | string | 角色名称，assistant 表示模型，tool 表示工具调用（流式返回） || choices[n].delta.content | string | 内容详情，当角色为 assistant 时表示模型的输出内容，当角色为 tool 时表示工具的输出内容（流式返回） || choices[n].delta.tool_call_id | string | 角色为 tool 时有效，内容为模型生成的工具调用中对应的 tool_call ID （流式返回） || choices[n].delta.tool_calls | list | 模型生成的工具调用（流式返回） || choices[n].delta.tool_calls[m].id | string | 工具调用的唯一 id（流式返回） || choices[n].delta.tool_calls[m].type | string | 调用的工具类型，当前只支持 function（流式返回） || choices[n].delta.tool_calls[m].function | object | 具体调用的 function（流式返回） || choices[n].delta.tool_calls[m].function.name | string | function 名称（流式返回） || choices[n].delta.tool_calls[m].function.desc | string | function 描述（流式返回） || choices[n].delta.tool_calls[m].function.type | string | function 类型，当前支持 tool/knowledge/workflow（流式返回） || choices[n].delta.tool_calls[m].function.arguments | string | 调用 function 的参数，JSON 格式（流式返回） || choices[n].delta.time_cost | number | 当前执行步骤的耗时（流式返回） || assistant_id | string | 实际使用的助手 id || usage | object | token 使用量 || usage.prompt_tokens | number | 问题 token 使用量 || usage.completion_tokens | number | 回答 token 使用量 || usage.total_tokens | number | token 总使用量 |

调用示例

import requestsimport json
# 定义 API 的 URLurl = 'https://open.hunyuan.tencent.com/openapi/v1/agent/chat/completions'
# 定义请求头headers = {    'X-Source': 'openapi',    'Content-Type': 'application/json',    'Authorization': 'Bearer <元器用户的token>'}
# 定义请求体data = {    "assistant_id": "I4aVQTHpsJro",    "user_id": "username",    "stream": False,    "messages": [        {            "role": "user",            "content": [                {                    "type": "text",                    "text": "生成去张家口旅行的计划"                }            ]        }    ]}
# 将请求体转换为 JSON 格式的字符串json_data = json.dumps(data)
# 发送 POST 请求response = requests.post(url, headers=headers, json=data)  # 使用 json 参数自动设置正确的 Content-Type
# 打印响应内容print(response.text)

调用成功：

错误码

计费说明

当前每个元器用户有 100w 的 token 体验使用额度，额度用完后，将无法调用。我们会尽快上线 API 付费能力，付费后，可以支持更多次调用。

最后

如果你想找到更多的大模型，欢迎到 幂简集成 找找看，找到自己中意的大模型。