【AI Agent 与工具调用】5.2 工具定义与调用：Function Calling 的扩展使用

写在前面

想象这样一个场景：你的智能助手需要完成一个复杂的任务——"帮我查询北京今天的天气，如果下雨就提醒我带伞，顺便查一下去机场的路线和时间"。在传统架构下，这个请求可能需要多次往返对话，模型一次只能做一个操作。

但如果你的助手可以"一次性"规划出完整行动：先查天气、再根据结果判断是否需要提醒、最后查询路线。这就是 Function Calling（函数调用）的扩展能力——让 AI 从单步执行者进化为任务规划者。

在上一篇文章中，我们已经了解了 Function Calling 的基本原理和简单用法。今天，让我们深入探讨它的扩展使用，掌握如何构建更强大的多工具协作系统。

一、回顾 Function Calling 基础

在深入扩展之前，先简单回顾 Function Calling 的核心概念。
Function Calling 是大语言模型（Large Language Model）与外部工具交互的桥梁，它让模型能够理解用户意图，并将意图转化为具体的函数调用请求。

一个典型的 Function Calling 流程包含三个步骤：模型识别意图并生成调用请求、开发者执行对应函数、结果返回给模型继续处理。这三步循环往复，直到任务完成。

下面是一个基础示例，展示如何定义和注册函数：

```python
import json
from typing import TypedDict, Optional

# 定义工具函数
def get_weather(location: str, unit: str = "celsius") -> dict:
  &n