ChatGLM3等大模型的工具调用function calling原理解析

上一篇文章11.4k star! 部署清华开源的ChatGLM3，用私有化大模型无缝替换openai，我们部署了ChatGLM3模型，其中的function call特性支持调用自定义代码实现定制化功能，由于大模型本身没有互联网的实时数据，今天我们用function call实现一个查询实时天气的功能，并简单分析一下其实现原理，openai的工具调用原理也一样。

cd openai_api_demonohup python api_server.py &

cd tools_using_demopython openai_api_demo.py

openai.UnprocessableEntityError: Error code: 422 - ... 'msg': 'Input should be a valid dictionary'

出现这个错误可能是openai包的版本不正确，用以下命令指定安装1.8.0的openai，再重新运行：

pip install openai==1.8.0python openai_api_demo.py

实现一个查询系统，前端一个输入框，让用户用自然语言描写自己想查什么，服务端有根据城市查询天气、根据IP查询地理位置两个方法，服务端要根据用户的描述来确定应该调用哪个方法，传递什么参数，比如用户输入"我想查一下北京的天气"，服务端就要调用getWeather("北京")。

以上就是function calling的实现原理，理论上如果没有这个特性，通过写prompt也可以实现。

4. 代码解析

Function Call Response: {'arguments': '{"city_name": "北京"}', 'name': 'get_weather'}

根据方法名和参数就可以调用自己写的方法，获取到返回值

Tool Call Response: {'current_condition': {'temp_C': '14', 'FeelsLikeC': '13', 'humidity': '38', 'weatherDesc': [{'value': 'Clear'}], 'observation_time': '02:00 PM'}}

因为方法的返回值不是自然语言，所以再将方法返回值发给大模型，让大模型总结一下，最后输出方便理解的自然语言。