{
  "name": "get_weather",
  "description": "查询某个城市当前的天气。当用户问天气、气温、冷热时使用。",
  "parameters": {
    "type": "object",
    "properties": {
      "city": { "type": "string", "description": "城市名，如 北京、上海" }
    },
    "required": ["city"]
  }
}

import json
from openai import OpenAI          # 回忆 Day11：调 LLM 的 SDK
client = OpenAI()

# 1) 这是我们真正的函数（厨师）——这里用假数据演示
def get_weather(city):
    return {"city": city, "temp": 3, "desc": "晴"}

# 2) 菜单：告诉模型有这道工具（就是 L03 那份 schema）
tools = [{"type": "function", "function": {
    "name": "get_weather",
    "description": "查询城市当前天气。用户问冷热/气温/天气时用。",
    "parameters": {"type": "object",
        "properties": {"city": {"type": "string", "description": "城市名"}},
        "required": ["city"]}}}]

msgs = [{"role": "user", "content": "北京现在几度？"}]

# 3) 第一次调模型：带上菜单，看它点不点菜
r = client.chat.completions.create(model="gpt-4o-mini", messages=msgs, tools=tools)
choice = r.choices[0].message

if choice.tool_calls:                                   # 模型决定点菜了
    call = choice.tool_calls[0]
    args = json.loads(call.function.arguments)          # 模型填的参数，如 {"city":"北京"}
    result = get_weather(**args)                        # 4) 你的代码真去执行

    msgs.append(choice)                                 # 把"模型点的菜"记进对话
    msgs.append({"role": "tool", "tool_call_id": call.id,   # 把执行结果回填
                 "content": json.dumps(result, ensure_ascii=False)})

    # 5) 第二次调模型：让它根据工具结果说人话
    final = client.chat.completions.create(model="gpt-4o-mini", messages=msgs)
    print(final.choices[0].message.content)             # → "北京现在 3℃，天气晴，挺冷的"
else:
    print(choice.content)                               # 模型觉得不用工具，直接答

✋ 动手 10 分钟：给模型配一把"计算器"

不想花 API 钱?先纯手工模拟一遍五步闭环,把机制吃透(零依赖、零成本):

import json
# 一个真工具：安全的加法计算器
def add(a, b):
    return a + b

# 假装"模型点了菜"——真实中这段是模型返回的
fake_model_output = '{"name": "add", "arguments": {"a": 3897, "b": 4213}}'

call = json.loads(fake_model_output)     # 解析模型的"点菜单"
if call["name"] == "add":                # 路由到对应函数
    result = add(**call["arguments"])    # 你的代码执行
    print(f"工具返回：{result}")          # → 8110（精确，模型自己算可能错）
    # 想象：把这个 result 再喂回模型，让它说"3897+4213=8110"

进阶(有 API key 时选做):把 L05 完整代码跑通,把 get_weather 换成真的天气 API,体验模型自动填城市参数。