72 lines
2.4 KiB
Python
72 lines
2.4 KiB
Python
from openai import OpenAI
|
|
import os
|
|
|
|
# 初始化 OpenAI 客户端
|
|
client = OpenAI(
|
|
api_key=os.getenv("DEEPSEEK_API_KEY"),
|
|
base_url="https://api.deepseek.com",
|
|
)
|
|
|
|
# 定义一个函数，用于发送消息并获取模型的响应
|
|
def send_messages(messages, tools=None):
|
|
response = client.chat.completions.create(
|
|
model="deepseek-chat",
|
|
messages=messages,
|
|
tools=tools,
|
|
tool_choice="auto", # 让模型自主决定是否调用工具
|
|
)
|
|
return response.choices[0].message
|
|
|
|
# 1. 定义工具（函数）的 Schema
|
|
tools = [
|
|
{
|
|
"type": "function",
|
|
"function": {
|
|
"name": "get_weather",
|
|
"description": "获取指定地点的天气信息",
|
|
"parameters": {
|
|
"type": "object",
|
|
"properties": {
|
|
"location": {
|
|
"type": "string",
|
|
"description": "城市和省份，例如：杭州市, 浙江省",
|
|
}
|
|
},
|
|
"required": ["location"]
|
|
},
|
|
}
|
|
},
|
|
]
|
|
|
|
# 1. 用户提问，模型决策调用工具
|
|
messages = [{"role": "user", "content": "杭州今天天气怎么样？"}]
|
|
print(f"User> {messages[0]['content']}\n")
|
|
message = send_messages(messages, tools=tools)
|
|
|
|
# 2. 执行工具，并将结果返回模型
|
|
if message.tool_calls:
|
|
print("--- 模型发起了工具调用 ---")
|
|
tool_call = message.tool_calls[0]
|
|
function_info = tool_call.function
|
|
print(f"工具名称: {function_info.name}")
|
|
print(f"工具参数: {function_info.arguments}")
|
|
|
|
# 将模型的回复（包含工具调用请求）添加到消息历史中
|
|
messages.append(message)
|
|
|
|
# 模拟执行工具
|
|
tool_output = "24℃，晴朗"
|
|
print(f"--- 执行工具并返回结果 ---")
|
|
print(f"工具执行结果: {tool_output}\n")
|
|
|
|
# 将工具的执行结果作为一个新的消息添加到历史中
|
|
messages.append({"role": "tool", "tool_call_id": tool_call.id, "content": tool_output})
|
|
|
|
# 3. 第二次调用：将工具结果返回给模型，获取最终回答
|
|
print("--- 将工具结果返回给模型，获取最终答案 ---")
|
|
final_message = send_messages(messages, tools=tools)
|
|
print(f"Model> {final_message.content}")
|
|
else:
|
|
# 如果模型没有调用工具，直接打印其回答
|
|
print(f"Model> {message.content}")
|