Function Calling 是大模型的一个强大特性，它允许模型调用预定义的函数来执行特定任务。这使得模型能够与外部系统和 API 进行交互，从而扩展其功能范围。
此功能只支持 deepseek-chat 模型

​
基础使用示例

1739446054

​
1. 定义工具函数

首先，需要定义工具函数的结构。推荐使用 JsonSchema 方式定义参数： 
Function WEATHER_FUNCTION = Function.builder()
        .name("get_current_weather")
        .description("Get the current weather in a given location")
        .parameters(JsonObjectSchema.builder()
                .properties(new LinkedHashMap<String, JsonSchemaElement>() {{
                    put("location", JsonStringSchema.builder()
                            .description("The city name")
                            .build());
                }})
                .required(asList("location", "unit"))
                .build())
        .build();

// 将 Function 转换为 Tool
Tool WEATHER_TOOL = Tool.from(WEATHER_FUNCTION);

​
2. 创建请求

String prompt = "北京天气怎么样？"
ChatCompletionRequest request = ChatCompletionRequest.builder()
    .model(ChatCompletionModel.DEEPSEEK_CHAT) // 请注意只支持Chat模型
    .addUserMessage("prompt")
    .tools(WEATHER_TOOL)  // 添加工具函数
    .build();

// 发送请求并获取响应
ChatCompletionResponse response = deepSeekClient.chatCompletion(request).execute();

// 获取工具调用信息
AssistantMessage assistantMessage = response.choices().get(0).message();
ToolCall toolCall = assistantMessage.toolCalls().get(0);

// 解析函数调用参数
FunctionCall functionCall = toolCall.function();
String arguments = functionCall.arguments(); // {"location": "北京"}

​
3. 处理模型响应并返回给大模型

 // 执行函数获取结果 根据 arguments 参数的地点 查询api返回结构
Map map = Json.fromJson(arguments, Map.class);// {"location": "北京"}
String weatherResult = map.get("location") + "气温 20°";

// 创建工具消息
ToolMessage toolMessage = ToolMessage.from(toolCall.id(), weatherResult);

// 继续对话
ChatCompletionRequest followUpRequest = ChatCompletionRequest.builder()
        .model(ChatCompletionModel.DEEPSEEK_CHAT)
        .messages(
                UserMessage.from(prompt),
                assistantMessage,
                toolMessage // 添加工具消息
        )
        .build();


return deepSeekClient.chatFluxCompletion(followUpRequest);

PIG AI应用开发平台 | 适合中大型企业构建自主可控的AI中台

为Java开发者提供全栈式AI工程化解决方案，强类型/高可维护性架构，内置30+主流大模型支持。
  • 🔍 知识引擎体系：RAG 知识引擎全自动化多模态解决方案
  • 📝 AI-OCR 中枢：复杂非标场景高精度识别
  • ⚙️ 业务智能融合：函数编排 + Chat2SQL，无缝对接现有业务系统
  • 🛡️ N维风控体系：敏感词/IP/Token/User 规则控制引擎

文档有误？请协助编辑

发现文档问题？点击此处直接在 GitHub 上编辑并提交 PR，帮助我们改进文档！

文档有误？请协助编辑

发现文档问题？点击此处直接在 GitHub 上编辑并提交 PR，帮助我们改进文档！