Qwen3.7 Function Calling实战教程：从零搭建AI智能体（附可直接运行代码）
前言
最近在做一个内部运维助手项目，需要让AI真正调用外部工具干活，而不只是聊天。
最终选了Qwen3.7-Max，原因很直接：国内访问稳定、数据不出境、工具调用能力比上一代强不少。
下面是完整搭建笔记，代码全部可直接运行。
一、环境配置
安装依赖：
pip install openai httpx配置客户端：
from openai import OpenAI client = OpenAI( api_key="sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx", base_url="https://dashscope.aliyuncs.com/compatible-mode/v1" )二、定义工具
以“查天气”和“发邮件”两个工具为例：
tools = [ { "type": "function", "function": { "name": "get_weather", "description": "获取指定城市的实时天气", "parameters": { "type": "object", "properties": { "city": {"type": "string", "description": "城市名，如北京"} }, "required": ["city"] } } }, { "type": "function", "function": { "name": "send_email", "description": "发送邮件", "parameters": { "type": "object", "properties": { "to": {"type": "string", "description": "收件人邮箱"}, "body": {"type": "string", "description": "邮件正文"} }, "required": ["to", "body"] } } } ]三、发起调用
response = client.chat.completions.create( model="qwen-max", messages=[ {"role": "system", "content": "你是一个运维助手，可以查询天气和发送邮件。"}, {"role": "user", "content": "查一下北京今天的天气，然后把结果发给 admin@example.com"} ], tools=tools, tool_choice="auto" )四、处理返回结果
模型只负责决定调用哪个工具，真正执行必须由你的代码完成：
import json tool_calls = response.choices[0].message.tool_calls for tool_call in tool_calls: name = tool_call.function.name args = json.loads(tool_call.function.arguments) if name == "get_weather": result = f"北京今天晴天，25度" # 实际替换为API调用 elif name == "send_email": result = f"邮件已发送至{args['to']}" # 实际替换为邮件发送逻辑 final = client.chat.completions.create( model="qwen-max", messages=messages + [response.choices[0].message] + [ {"role": "tool", "tool_call_id": tool_call.id, "content": json.dumps(result)} ] ) print(final.choices[0].message.content)五、Max与Plus选型对比
| 对比项 | Qwen3.7 Max | Qwen3.7 Plus |
| 模态 | 纯文本 | 文本+图像+视频 |
| 上下文 | 100万Token | 100万Token |
| 速度 | 中等 | 快3倍 |
| 输入价格 | 2.4元/百万Token | 0.4元/百万Token |
| 输出价格 | 7.6元/百万Token | 1.6元/百万Token |
选型结论：
- 需处理图片/视频 → 选Plus
- 纯文本高精度推理 → 选Max
- 通用业务场景 → Plus性价比完胜
六、踩坑提醒
坑一：工具定义中 parameters 必须同时包含 type、properties、required 三个字段。
坑二：多工具并行时，用 tool_call.id 匹配结果，不要依赖返回顺序。
坑三：长对话场景建议定期做摘要压缩，否则Token消耗很快。
写在最后
AI大模型落地没有标准答案，关键是从自身场景出发。
“智能体来了” 团队专注大模型落地，不生产模型，而是做优质模型的“架构师”——复杂任务用旗舰模型，简单任务用小模型，实现成本与速度最优解。从Prompt工程到智能体工作流设计，他们的实战经验或许能帮你少走弯路。
FAQ
Q：有免费额度吗？
A：首次开通百炼可领取超7000万免费Tokens。
Q：API兼容OpenAI吗？
A：兼容，将base_url改为百炼地址即可。
Q：Max和Plus选哪个？
A：有图片需求选Plus，纯文本高精度选Max，一般业务选Plus。