Gemini 工具调用示例

以下示例展示如何使用Gemini的Function Calling功能，让AI能够调用外部工具来获取信息或执行操作。

快速开始

只需要替换 <API-KEY> 为你的实际API密钥即可运行。

curl -X POST "https://api.tokenops.ai/v1beta/models/gemini-2.5-flash:generateContent" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <API-KEY>" \
  -d '{
    "contents": [
      {
        "role": "user",
        "parts": [
          {
            "text": "计算一下 (25 + 15) * 3 - 20 等于多少？"
          }
        ]
      }
    ],
    "tools": [{
      "functionDeclarations": [
        {
          "name": "calculate_math",
          "description": "执行数学计算，支持基本的四则运算和括号",
          "parameters": {
            "type": "object",
            "properties": {
              "expression": {
                "type": "string",
                "description": "要计算的数学表达式，如 '2+3*4' 或 '(10+5)/3'"
              }
            },
            "required": [
              "expression"
            ]
          }
        }
      ]
    }]
  }'

import requests

# 配置API密钥和基础URL
API_KEY = "<API-KEY>"
BASE_URL = "https://api.tokenops.ai/v1beta"

# 定义计算器工具函数
def calculate_math(expression):
    """执行安全的数学计算"""
    try:
        # 安全检查，只允许基本的数学操作
        allowed_chars = set('0123456789+-*/.() ')
        if not all(c in allowed_chars for c in expression):
            return {"error": "表达式包含不允许的字符", "status": "error"}

        # 禁止一些危险的函数调用
        dangerous_words = ['import', 'exec', 'eval', '__']
        if any(word in expression.lower() for word in dangerous_words):
            return {"error": "表达式包含不安全的内容", "status": "error"}

        result = eval(expression)
        return {
            "expression": expression,
            "result": result,
            "formatted": f"{expression} = {result}",
            "status": "success"
        }
    except Exception as e:
        return {"error": f"计算出错: {str(e)}", "status": "error"}

# 工具函数映射
AVAILABLE_FUNCTIONS = {
    "calculate_math": calculate_math
}

def gemini_function_calling(user_message):
    """使用Gemini进行函数调用对话"""
    url = f"{BASE_URL}/models/gemini-2.5-flash:generateContent"
    headers = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {API_KEY}"
    }

    # 定义可用的工具
    tools = [
        {
            "functionDeclarations": [
                {
                    "name": "calculate_math",
                    "description": "执行数学计算，支持基本的四则运算和括号",
                    "parameters": {
                        "type": "object",
                        "properties": {
                            "expression": {
                                "type": "string",
                                "description": "要计算的数学表达式，如 '2+3*4' 或 '(10+5)/3'"
                            }
                        },
                        "required": ["expression"]
                    }
                }
            ]
        }
    ]

    messages = [
        {
            "role": "user",
            "parts": [
                {
                    "text": user_message
                }
            ]
        }
    ]

    data = {
        "contents": messages,
        "tools": tools
    }

    try:
        response = requests.post(url, headers=headers, json=data)

        if response.status_code != 200:
            return f"API错误: {response.status_code} - {response.text}"

        result = response.json()

        # 处理Gemini的响应
        if 'candidates' in result and len(result['candidates']) > 0:
            candidate = result['candidates'][0]
            content = candidate.get('content', {})
            parts = content.get('parts', [])

            # 检查是否有函数调用（注意：API返回的是 functionCall 而不是 function_call）
            function_calls = [part for part in parts if 'functionCall' in part]

            if function_calls:
                print("检测到函数调用请求:")

                # 处理函数调用并收集结果
                function_responses = []

                for part in parts:
                    if 'functionCall' in part:
                        function_call = part['functionCall']
                        function_name = function_call['name']
                        function_args = function_call.get('args', {})

                        print(f"- 调用函数: {function_name}")
                        print(f"- 参数: {function_args}")

                        # 执行函数调用
                        if function_name in AVAILABLE_FUNCTIONS:
                            try:
                                function_result = AVAILABLE_FUNCTIONS[function_name](**function_args)
                                print(f"- 结果: {function_result}")

                                function_responses.append({
                                    "functionResponse": {
                                        "name": function_name,
                                        "response": function_result
                                    }
                                })

                            except Exception as e:
                                error_result = {"error": f"函数执行失败: {str(e)}", "status": "error"}
                                function_responses.append({
                                    "functionResponse": {
                                        "name": function_name,
                                        "response": error_result
                                    }
                                })
                        else:
                            error_result = {"error": f"未知的函数: {function_name}", "status": "error"}
                            function_responses.append({
                                "functionResponse": {
                                    "name": function_name,
                                    "response": error_result
                                }
                            })

                # 将函数结果发送回Gemini生成最终回复
                # 模型的函数调用响应需要指定 role: "model"
                messages.append({
                    "role": "model",
                    "parts": parts
                })

                # 函数执行结果需要指定 role: "user"
                messages.append({
                    "role": "user",
                    "parts": function_responses
                })

                data["contents"] = messages
                final_response = requests.post(url, headers=headers, json=data)

                if final_response.status_code == 200:
                    final_result = final_response.json()
                    if 'candidates' in final_result and len(final_result['candidates']) > 0:
                        final_content = final_result['candidates'][0]['content']
                        final_parts = final_content.get('parts', [])
                        # 提取文本内容
                        text_parts = [part.get('text', '') for part in final_parts if 'text' in part]
                        return '\n'.join(text_parts)
                    else:
                        return "无法获取最终回复"
                else:
                    return f"获取最终回复失败: {final_response.status_code} - {final_response.text}"
            else:
                # 没有函数调用，直接返回文本回复
                text_parts = [part.get('text', '') for part in parts if 'text' in part]
                return '\n'.join(text_parts)
        else:
            return "没有获得有效回复"

    except Exception as e:
        return f"请求处理出错: {str(e)}"

# 使用示例
if __name__ == "__main__":
    print("=== Gemini计算器工具调用示例 ===\n")

    query = "计算一下 (25 + 15) * 3 - 20 等于多少？"
    print(f"用户问题: {query}")
    print("AI回复:")
    response = gemini_function_calling(query)
    print(response)

Gemini工具调用的特点

1. 工具定义格式

Gemini使用 functionDeclarations 数组来定义工具：

{
  "tools": [{
    "functionDeclarations": [
      {
        "name": "function_name",
        "description": "函数描述",
        "parameters": {
          "type": "object",
          "properties": {
            "param": {
              "type": "string",
              "description": "参数描述"
            }
          },
          "required": ["param"]
        }
      }
    ]
  }]
}

2. 响应结构

Gemini的工具调用响应格式：

{
  "candidates": [
    {
      "content": {
        "parts": [
          {
            "functionCall": {
              "name": "function_name",
              "args": {
                "param": "value"
              }
            }
          }
        ]
      }
    }
  ]
}

3. 工作流程

用户发送带有工具定义的消息
Gemini分析是否需要使用工具
Gemini返回包含 functionCall 的响应
客户端执行对应的函数
客户端将结果作为 functionResponse 发送回Gemini
Gemini基于工具结果生成最终回复

结果示例

200

{
  "candidates": [
    {
      "content": {
        "parts": [
          {
            "functionCall": {
              "name": "calculate_math",
              "args": {
                "expression": "(25 + 15) * 3 - 20"
              }
            }
          }
        ],
        "role": "model"
      },
      "finishReason": "STOP",
      "index": 0
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 150,
    "candidatesTokenCount": 50,
    "totalTokenCount": 200
  }
}

Google Search 工具

Gemini 支持内置的 Google Search 工具，可以让模型搜索实时信息来回答问题。与自定义函数调用不同，Google Search 是由 Gemini 自动执行的，无需客户端处理搜索逻辑。

curl -X POST "https://api.tokenops.ai/v1beta/models/gemini-2.5-flash:generateContent" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <API-KEY>" \
  -d '{
    "contents": [
      {
        "parts": [
          {"text": "2024年欧洲杯冠军是谁？"}
        ]
      }
    ],
    "tools": [
      {
        "googleSearch": {}
      }
    ]
  }'

import requests

API_KEY = "<API-KEY>"
BASE_URL = "https://api.tokenops.ai/v1beta"

def gemini_google_search(query):
    """使用 Gemini 的 Google Search 工具进行搜索"""
    url = f"{BASE_URL}/models/gemini-2.5-flash:generateContent"
    headers = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {API_KEY}"
    }

    data = {
        "contents": [
            {
                "parts": [
                    {"text": query}
                ]
            }
        ],
        "tools": [
            {
                "googleSearch": {}
            }
        ]
    }

    response = requests.post(url, headers=headers, json=data)

    if response.status_code == 200:
        result = response.json()
        if 'candidates' in result and len(result['candidates']) > 0:
            parts = result['candidates'][0]['content'].get('parts', [])
            text_parts = [part.get('text', '') for part in parts if 'text' in part]
            return '\n'.join(text_parts)
    return f"错误: {response.status_code} - {response.text}"

# 使用示例
if __name__ == "__main__":
    query = "2024年欧洲杯冠军是谁？"
    print(f"问题: {query}")
    print("回答:")
    print(gemini_google_search(query))

Google Search 工具特点

自动执行: 模型会自动调用 Google Search 获取信息，无需客户端处理
实时信息: 可以获取最新的新闻、事件、数据等实时信息
简单配置: 只需在 tools 中添加 {"googleSearch": {}} 即可启用

注意事项

消息角色: 多轮对话时，所有消息都需要指定 role 字段（user 或 model）
字段命名: API 使用 camelCase 命名（functionCall、functionResponse），而不是 snake_case
函数响应: 函数执行结果需要以 role: "user" 的消息发送回模型
错误处理: 建议在函数执行中添加完善的错误处理机制

​Gemini 工具调用示例

​快速开始

​Gemini工具调用的特点

​1. 工具定义格式

​2. 响应结构

​3. 工作流程

​结果示例

​Google Search 工具

​Google Search 工具特点

​注意事项