DeepSeek Function Calling 调用实践

作者：AI时代的一滴水

2025-04-15
北京
本文字数：2990 字
阅读完需：约 10 分钟

1. 前言

Function Calling 简介：
什么是 Function Calling？
为什么需要 Function Calling？
DeepSeek 对 Function Calling 的支持。
目标读者：
对 AI 和自然语言处理感兴趣的程序员。
希望了解如何将 Function Calling 集成到应用中的开发者。

2. Function Calling 基础

什么是 Function Calling：
定义：Function Calling 是让 AI 模型调用预定义函数的能力。
示例：用户输入“现在时间”，AI 调用时间查询函数并返回结果。
Function Calling 的优势：
扩展 AI 模型的能力，使其能够执行具体任务。
提高交互的灵活性和实用性。
DeepSeek 的 Function Calling 支持：
支持的模型和功能。
与其他 API 的对比。

3. 准备工作

环境配置

环境配置请参照接入DeepSeek API，看这一篇就够了，超详细

安装依赖

确保你已经安装了 openai sdk

pip install openai

复制代码

4. Function Calling 的实现

4.1 定义函数

函数的作用：
示例：查询当前时间、查询天气、计算数学表达式、调用外部 API 等。
函数的格式：
函数名称、描述、参数列表。
示例代码：

  def get_current_time():    current_datetime = datetime.now()    formatted_time = current_datetime.strftime('%Y-%m-%d %H:%M:%S')    return f"现在是 {formatted_time}"

复制代码

4.2 配置 Function Calling

定义函数描述：
使用 JSON 格式描述函数，供 AI 模型识别。
示例代码：

  functions = [    {        "type": "function",        "function": {            "name": "get_current_time",            "description": "当你想知道现在的时间时非常有用。",        }    },    ]

复制代码

4.3 调用 DeepSeek API

发送请求：
将用户输入和函数描述发送到 DeepSeek API。
处理响应：
解析 API 返回的 JSON 数据，判断是否需要调用函数。
示例代码：

  def chat_completion_request(messages, tools):    print(f"正在像LLM发起API请求...")    completion = client.chat.completions.create(        model="deepseek-chat",  # 此处以deepseek-chat为例        messages=messages,        tools=tools    )    print("返回对象：")    print(completion.choices[0].message.model_dump_json())    print("\n")    return completion

复制代码

4.4 执行函数并返回结果

解析函数调用请求：
从 API 响应中提取函数名称和参数。
调用本地函数：
根据函数名称和参数执行预定义函数。
返回结果：
将函数执行结果返回给 AI 模型，生成最终响应。
示例代码：

  if completion.choices[0].message.tool_calls:    function_name = completion.choices[0].message.tool_calls[0].function.name    arguments_string = completion.choices[0].message.tool_calls[0].function.arguments
    arguments = json.loads(arguments_string)    # 创建一个函数映射表    function_mapper = {        "get_current_time": get_current_time    }
    # 获取函数实体    function = function_mapper[function_name]    if arguments == {}:        function_output = function()    else:        function_output = function(arguments)    print(f"AI:{function_output}\n")

复制代码

5. 完整代码示例

完整代码

  #-*-coding:utf-8-*-    from openai import OpenAI    import json    from datetime import datetime
    # 1. 外部工具函数调用定义    def get_current_time():        current_datetime = datetime.now()        formatted_time = current_datetime.strftime('%Y-%m-%d %H:%M:%S')        return f"现在是 {formatted_time}"
    ## 步骤2:创建 tools 数组，传递给LLM的知识库之一    functions = [        {            "type": "function",            "function": {                "name": "get_current_time",                "description": "当你想知道现在的时间时非常有用。",            }        },    ]
    # 步骤3:发起 function calling 请求    client = OpenAI(        api_key="your-api-key",        base_url="https://api.deepseek.com/"    )
    def chat_completion_request(messages, tools):        print(f"正在像LLM发起API请求...")        completion = client.chat.completions.create(            model="deepseek-chat",  # 此处以deepseek-chat为例            messages=messages,            tools=tools        )        print("返回对象：")        print(completion.choices[0].message.model_dump_json())        print("\n")        return completion
    def main_loop():        print("欢迎使用智能助手！输入内容开始对话（输入 exit 退出）")        while True:            try:                # 获取用户输入                user_input = input("\n用户输入: ")                if user_input.lower() in ("exit", "quit"):                    break
                # 创建messages数组                messages = [                    {"role": "system", "content": "",},                    {"role": "user", "content": user_input}                ]
                completion = chat_completion_request(messages, functions)                if not completion:                    continue
                if completion.choices[0].message.tool_calls:                    function_name = completion.choices[0].message.tool_calls[0].function.name                    arguments_string = completion.choices[0].message.tool_calls[0].function.arguments
                    arguments = json.loads(arguments_string)                    # 创建一个函数映射表                    function_mapper = {                        "get_current_time": get_current_time                    }
                    # 获取函数实体                    function = function_mapper[function_name]                    if arguments == {}:                        function_output = function()                    else:                        function_output = function(arguments)                    print(f"AI:{function_output}\n")                else:                    print(f"AI:{completion.choices[0].message.content}\n")            except KeyboardInterrupt:                print("\n再见！")                break            except Exception as e:                print(f"发生错误: {str(e)}")
    if __name__ == "__main__":        main_loop()

复制代码

案例演示
使用 DeepSeek 网页版

使用 Function Calling 版

6. 可扩展方向

多函数支持：
定义多个函数，支持更复杂的任务。
错误处理：
处理 API 调用失败、函数执行错误等情况。
上下文记忆：
在多轮对话中保留上下文，提升交互体验。

7. 总结

项目成果：
使用最简单的外部时间调用函数，实现了一个支持 Function Calling 的智能助手。
能够根据用户输入调用预定义函数并返回结果。
未来改进方向：
支持更多函数和复杂任务。
优化性能和用户体验。

8. 参考资料

发布于: 刚刚阅读数: 2

原文链接:【http://xie.infoq.cn/article/c17e6dbaa9af5a17cb7500298】。

AI时代的一滴水

关注

路虽远，行则必至；事虽难，做则必成 2020-07-21 加入

还未添加个人简介

发布

暂无评论

创作场景

DeepSeek Function Calling 调用实践

1. 前言

2. Function Calling 基础

3. 准备工作

环境配置

安装依赖

4. Function Calling 的实现

4.1 定义函数

4.2 配置 Function Calling

4.3 调用 DeepSeek API

4.4 执行函数并返回结果

5. 完整代码示例

6. 可扩展方向

7. 总结

8. 参考资料

AI时代的一滴水

评论