函数调用工作流有两次模型交互：第一轮让模型选择工具并生成参数；你的程序校验参数、执行真实查询；第二轮把工具结果按同一个 call_id 回传，再让模型组织答案。模型不会替你执行数据库查询。
开始前准备
- 准备一个只读测试函数，例如按 SKU 查库存。
- 为参数写 JSON Schema，并限定长度、格式和可选值。
- 使用演示数据时要明确标注，不能伪装成真实库存。
按顺序完成操作
- 在 tools 中声明 query_stock 函数及 sku 参数。
- 第一轮响应出现 function_call 后，解析 arguments，并再次在服务端验证 sku。
- 调用自己的库存服务，把结果和原 call_id 作为 function_call_output 回传。
- 第二轮只允许模型基于工具结果回答，并记录工具参数和结果用于审计。
# 第一轮得到的 arguments 仍是不可信输入
args = json.loads(function_call.arguments)
sku = args.get("sku", "")
if not re.fullmatch(r"[A-Z0-9-]{3,30}", sku):
raise ValueError("非法 SKU")
result = {"sku": sku, "stock": 12, "source": "demo"}
# 第二轮回传时必须沿用 function_call.call_id怎样判断已经成功
- 正常 SKU 应触发 query_stock；缺少 SKU 时模型应追问；恶意或超长参数必须被服务端拒绝。
- 最终答案中的库存数字必须与工具返回完全一致，并保留 source=demo 的演示标识。
常见失败与处理边界
- 模型直接猜库存：收紧指令，要求库存问题必须调用工具。
- 工具被调用但第二轮失败：检查 previous_response_id、call_id 和 function_call_output 类型是否对应。
- 参数通过模型生成就直接执行：这是越权风险，必须在业务服务端验证并做权限检查。
适用限制
代码里的库存 12 是演示数据，本文没有连接真实数据库，也没有在生产权限体系中实测。
官方资料
Ai菜鸟网。发布者：AI小管家，转载请注明出处：https://www.alyyhw.com/32307.html
