🧍 用户：

发起请求，输入 prompt（比如：“请告诉我北京的天气”）。

🟪 应用：

将用户输入的 prompt 和函数定义（包括函数名、参数结构等）一起发给 OpenAI。

接收 OpenAI 返回的「函数调用参数」。

根据这些参数，调用本地或后端实现的实际函数（比如：天气 API）。

获取函数返回的结果。

🟩 OpenAI：

接收到 prompt + function 定义后，判断是否应该调用某个函数。

如果模型决定调用函数，就返回相应函数名和参数。

应用调用完函数并把结果发回来后，OpenAI 生成自然语言的回答。

时序图：

示例：

# === 标准库 ===
import json
import math

# === 第三方库 ===
from openai import OpenAI
from dotenv import load_dotenv, find_dotenv

# === 环境变量初始化 ===
_ = load_dotenv(find_dotenv())

# === OpenAI 客户端 ===
client = OpenAI()

# === 工具函数：格式化打印 JSON ===
def print_json(data):
    """
    打印参数。如果参数是结构化（如 dict 或 list），则格式化打印；
    否则直接输出。
    """
    if hasattr(data, 'model_dump_json'):
        data = json.loads(data.model_dump_json())

    if isinstance(data, list):
        for item in data:
            print_json(item)
    elif isinstance(data, dict):
        print(json.dumps(data, indent=4, ensure_ascii=False))
    else:
        print(data)

# === 核心功能函数：与大模型对话 ===
def get_completion(messages, model="gpt-4o-mini"):
    response = client.chat.completions.create(
        model=model,
        messages=messages,
        temperature=0.7,
        tools=[{
            "type": "function",
            "function": {
                "name": "sum",
                "description": "加法器，计算一组数的和",
                "parameters": {
                    "type": "object",
                    "properties": {
                        "numbers": {
                            "type": "array",
                            "items": {"type": "number"}
                        }
                    }
                }
            }
        }],
    )
    return response.choices[0].message

# === 主逻辑 ===
prompt = "Tell me the sum of 1, 2, 3, 4, 5, 6, 7, 8, 9, 10."

messages = [
    {"role": "system", "content": "你是一个数学家"},
    {"role": "user", "content": prompt}
]

response = get_completion(messages)
messages.append(response)

if response.tool_calls:
    tool_call = response.tool_calls[0]
    if tool_call.function.name == "sum":
        args = json.loads(tool_call.function.arguments)
        result = sum(args["numbers"])

        messages.append({
            "tool_call_id": tool_call.id,
            "role": "tool",
            "name": "sum",
            "content": str(result)
        })

        response = get_completion(messages)
        messages.append(response)
        print("=====最终 GPT 回复=====")
        print(response.content)

print("=====对话历史=====")
print_json(messages)