概述
Ling.AI 透传 OpenAI 兼容的工具调用能力。对于 /v1/chat/completions，请使用 tools、tool_choice、parallel_tool_calls 等字段；模型需要调用工具时，会在回复中返回 tool_calls。
计费提示
工具描述也会计入输入 Token。工具越多、描述越长，请求成本和延迟越高，建议只传当前问题所需的工具子集。
MCP
如果您已经有可直接复用的 MCP Server，且希望通过 Responses API 直接接入外部工具生态，请参考 MCP 指南。MCP 和函数调用都能扩展模型能力，但前者更偏向复用现成服务，后者更适合自定义本地工具。
Chat Completions
推荐使用 tools 数组定义函数。每个工具元素都采用 OpenAI 兼容格式：{"type":"function","function":{...}}。
Python
from openai import OpenAI
import json
client = OpenAI(
base_url="https://api.vip.lingapi.ai/v1",
api_key="sk-xxxxxxxx"
)
tools = [
{
"type": "function",
"function": {
"name": "get_current_weather",
"description": "查询指定城市的当前天气。",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "城市名称，例如北京、上海。"
}
},
"required": ["location"]
}
}
}
]
response = client.chat.completions.create(
model="qwen3.5-plus",
messages=[
{"role": "user", "content": "北京天气怎么样？"}
],
tools=tools
)
message = response.choices[0].message
print(message.tool_calls)
tool_calls 响应
当模型决定调用工具时，返回消息中的 tool_calls 会包含函数名和参数字符串。
JSON
{
"role": "assistant",
"content": "",
"tool_calls": [
{
"id": "call_123",
"type": "function",
"function": {
"name": "get_current_weather",
"arguments": "{\"location\":\"北京\"}"
}
}
]
}
完整流程
完整链路是“两次模型调用 + 一次或多次本地工具执行”：先让模型决定是否调用工具，再把工具输出以 role=tool 的消息补回上下文，让模型产出最终自然语言回复。
Python
from openai import OpenAI
import json
client = OpenAI(
base_url="https://api.vip.lingapi.ai/v1",
api_key="sk-xxxxxxxx"
)
def get_current_weather(location: str) -> str:
return f"{location}今天多云。"
tools = [
{
"type": "function",
"function": {
"name": "get_current_weather",
"description": "查询指定城市的当前天气。",
"parameters": {
"type": "object",
"properties": {
"location": {"type": "string"}
},
"required": ["location"]
}
}
}
]
messages = [{"role": "user", "content": "北京天气怎么样？"}]
first = client.chat.completions.create(
model="qwen3.5-plus",
messages=messages,
tools=tools
)
message = first.choices[0].message
messages.append(message)
if not message.tool_calls:
print(message.content)
else:
tool_call = message.tool_calls[0]
args = json.loads(tool_call.function.arguments)
tool_result = get_current_weather(args["location"])
messages.append({
"role": "tool",
"tool_call_id": tool_call.id,
"content": tool_result
})
second = client.chat.completions.create(
model="qwen3.5-plus",
messages=messages,
tools=tools
)
print(second.choices[0].message.content)
并行工具调用
如果多个工具调用之间互不依赖，可以开启 parallel_tool_calls，让模型在一次回复里返回多个 tool_calls。
Python
response = client.chat.completions.create(
model="qwen3.5-plus",
messages=[
{"role": "user", "content": "北京和上海的天气如何？"}
],
tools=tools,
parallel_tool_calls=True
)
Responses API
如果您使用 /v1/responses，工具定义和工具结果格式会有所不同：工具列表采用扁平格式，工具调用结果需要回传为 function_call_output。
Python
from openai import OpenAI
import json
client = OpenAI(
base_url="https://api.vip.lingapi.ai/v1",
api_key="sk-xxxxxxxx"
)
tools = [
{
"type": "function",
"name": "get_current_weather",
"description": "查询指定城市的当前天气。",
"parameters": {
"type": "object",
"properties": {
"location": {"type": "string"}
},
"required": ["location"]
}
}
]
conversation = [{"role": "user", "content": "北京天气怎么样？"}]
response = client.responses.create(
model="qwen3.5-plus",
input=conversation,
tools=tools
)
function_calls = [item for item in response.output if item.type == "function_call"]
for call in function_calls:
args = json.loads(call.arguments)
tool_output = f"{args['location']}今天多云。"
conversation.append({
"type": "function_call",
"name": call.name,
"arguments": call.arguments,
"call_id": call.call_id
})
conversation.append({
"type": "function_call_output",
"call_id": call.call_id,
"output": tool_output
})
final_response = client.responses.create(
model="qwen3.5-plus",
input=conversation,
tools=tools
)
print(final_response.output_text)
流式工具调用
流式场景下，工具调用信息会分片出现在 delta.tool_calls 中，参数字符串需要按 index 进行拼接。详细 SSE 处理方式可配合 流式响应文档 使用。
最佳实践
- 工具描述尽量精简，只保留当前问题需要的工具，避免无关工具拉高输入 Token。
- 高风险写操作不要直接暴露给模型，建议由模型生成请求，再由人确认执行。
- 如果工具之间存在依赖关系，请关闭并行工具调用，按串行方式逐步执行。
- 若要查看主接口的字段定义，请同时参考 Chat 接口文档。