插件开发实战:让AI学会调用工具

🎓 大模型实战·第8期

你有没有发现，ChatGPT有时候会"胡说八道"？比如你问它"今天天气怎么样"，它可能编一个答案。但如果你给它装个"天气插件"，它就能查到真实数据了。

这就是插件（Plugin）的魔力——让AI学会调用外部工具，从"只会聊天"变成"能干实事"。

这篇文章，我会手把手教你从零开发一个AI插件，让大模型学会调用你写的工具。不需要深厚的编程功底，跟着做就行。

— — —

一、什么是AI插件？用"外卖"给你讲明白

想象一下：你点外卖，但外卖小哥不能直接进你家厨房做饭。他只能把食材送到，你自己做。

AI插件就是这个道理：

● AI模型 = 你（负责思考和决策）

● 插件 = 外卖小哥（负责提供数据或执行操作）

● API接口 = 外卖平台的规则（规定怎么下单、怎么配送）

当你问AI"今天天气怎么样"，AI会：

1. 判断这个问题需要查天气数据（思考）

2. 调用天气插件，传入城市参数（下单）

3. 插件返回真实天气数据（配送）

4. AI把数据整理成自然语言回答你（吃饭）

核心概念：插件 = AI + 外部工具的连接桥梁。没有插件，AI只能靠"记忆"回答问题；有了插件，AI能实时获取数据、执行操作。

💡 核心要点

AI插件的本质是"让AI学会调用工具"。你定义工具的输入输出，AI决定什么时候用、怎么用。

— — —

二、开发一个天气查询插件

我们从最简单的开始：做一个天气查询插件。用户问"北京今天天气怎么样"，AI调用你的插件返回真实数据。

第一步：准备天气API

先用免费的天气API：OpenWeatherMap（https://openweathermap.org/api）

注册账号，获取免费的API Key。每天可以免费调用1000次，够学习和测试用了。

第二步：写天气查询函数

创建一个Python函数，输入城市名，返回天气数据：

import requestsdef get_weather(city):"""查询指定城市的天气"""api_key = "你的API_KEY"url = f"https://api.openweathermap.org/data/2.5/weather"params = {"q": city,"appid": api_key,"units": "metric",  # 摄氏度"lang": "zh_cn"  # 中文}response = requests.get(url, params=params)data = response.json()if data["cod"] != 200:return f"查询失败：{data['message']}"weather = data["weather"][0]["description"]temp = data["main"]["temp"]humidity = data["main"]["humidity"]return f"{city}今天{weather}，气温{temp}°C，湿度{humidity}%"

第三步：告诉AI这个工具怎么用

AI需要知道你有一个"天气查询工具"，以及怎么用它。用Function Calling格式描述：

tools = [{"type": "function","function": {"name": "get_weather","description": "查询指定城市的实时天气","parameters": {"type": "object","properties": {"city": {"type": "string","description": "城市名称，如北京、上海、广州"}},"required": ["city"]}}} ]

第四步：让AI调用你的工具

现在，当用户问天气时，AI会：

1. 识别出需要调用get_weather工具

2. 提取城市参数（如"北京"）

3. 执行你的函数

4. 把结果整理成自然语言回答

import openaiclient = openai.OpenAI()response = client.chat.completions.create(model="gpt-4",messages=[{"role": "user", "content": "北京今天天气怎么样？"}],tools=tools,tool_choice="auto" )# AI会返回工具调用请求 tool_call = response.choices[0].message.tool_calls[0]# 执行你的函数 if tool_call.function.name == "get_weather":import jsonargs = json.loads(tool_call.function.arguments)result = get_weather(args["city"])# 把结果返回给AIresponse2 = client.chat.completions.create(model="gpt-4",messages=[{"role": "user", "content": "北京今天天气怎么样？"},response.choices[0].message,{"role": "tool","tool_call_id": tool_call.id,"content": result}])print(response2.choices[0].message.content)

💡 核心要点

开发AI插件的核心是：1. 写好工具函数 2. 用Function Calling格式描述工具 3. 让AI自动调用。你不需要改变AI本身，只需要"教"它使用新工具。

— — —

三、进阶：开发一个新闻搜索插件

天气查询太简单了，我们做一个更实用的：新闻搜索插件。让AI能搜索最新新闻并总结。

工具定义

def search_news(keyword, num_results=5):"""搜索指定关键词的新闻"""# 这里用NewsAPI（https://newsapi.org/）api_key = "你的NEWSAPI_KEY"url = f"https://newsapi.org/v2/everything"params = {"q": keyword,"apiKey": api_key,"pageSize": num_results,"language": "zh","sortBy": "publishedAt"}response = requests.get(url, params=params)data = response.json()if data["status"] != "ok":return f"搜索失败：{data.get('message', '未知错误')}"articles = data["articles"]results = []for article in articles:results.append({"title": article["title"],"description": article["description"],"url": article["url"],"publishedAt": article["publishedAt"]})return results

Function Calling定义

tools = [{"type": "function","function": {"name": "search_news","description": "搜索指定关键词的最新新闻","parameters": {"type": "object","properties": {"keyword": {"type": "string","description": "搜索关键词，如AI、大模型、科技"},"num_results": {"type": "integer","description": "返回的新闻数量，默认5条","default": 5}},"required": ["keyword"]}}} ]

让AI自动判断是否需要搜索

现在你可以问AI：

● "最近有什么AI大新闻？" → AI自动搜索"AI"关键词

● "帮我看看特斯拉最近的动态" → AI搜索"特斯拉"

● "今天天气怎么样？" → AI不调用新闻插件，而是调用天气插件

AI会自动判断：什么时候用哪个工具、传什么参数。你只需要定义好工具，剩下的交给AI。

💡 核心要点

插件开发的关键是"让AI自主决策"。你定义工具的能力和参数，AI决定什么时候用、怎么用。这是AI从"被动回答"到"主动行动"的关键跨越。

— — —

四、插件开发的5个最佳实践

1. 工具描述要清晰

AI是根据description来判断要不要用这个工具的。描述越清晰，AI判断越准。

❌ 差的描述："查询信息"

✅ 好的描述："查询指定城市的实时天气数据，包括温度、湿度、天气状况"

2. 参数设计要合理

参数太多AI容易搞混，太少又不够灵活。建议：

● 必需参数不超过3个

● 给可选参数设置默认值

● 参数类型要明确（string/integer/boolean）

3. 错误处理要友好

工具调用可能失败（网络问题、API限流等）。你的函数应该返回友好的错误信息，而不是让程序崩溃。

def get_weather(city):try:# 调用APIresponse = requests.get(url, params=params, timeout=5)data = response.json()if data["cod"] != 200:return f"查询失败：{data['message']}"# 返回结果return f"{city}今天{weather}，{temp}°C"except requests.exceptions.Timeout:return "查询超时，请稍后再试"except Exception as e:return f"查询出错：{str(e)}"

4. 返回值要结构化

AI需要"理解"你的返回值。建议返回JSON格式或清晰的文本，而不是复杂的嵌套对象。

5. 测试要充分

开发完插件后，一定要测试：

● 正常情况：传入正确参数

● 边界情况：空字符串、超大数字、特殊字符

● 异常情况：API超时、返回错误码

💡 核心要点

插件开发不是写完代码就完事了。清晰的描述、合理的参数、友好的错误处理、结构化的返回值、充分的测试——这5个最佳实践决定了插件的质量。

— — —

五、实战案例：开发一个股票查询插件

最后做一个完整的案例：股票查询插件。用户问"腾讯今天股价怎么样"，AI自动查询实时数据。

完整代码

import requests import json from openai import OpenAI# 1. 定义工具函数 def get_stock_price(symbol):"""查询股票实时价格"""# 使用Alpha Vantage API（免费）api_key = "你的ALPHA_VANTAGE_KEY"url = "https://www.alphavantage.co/query"params = {"function": "GLOBAL_QUOTE","symbol": symbol,"apikey": api_key}try:response = requests.get(url, params=params, timeout=10)data = response.json()if "Global Quote" not in data:return f"未找到股票 {symbol} 的数据"quote = data["Global Quote"]price = quote["05. price"]change = quote["09. change"]change_percent = quote["10. change percent"]return {"symbol": symbol,"price": price,"change": change,"change_percent": change_percent}except Exception as e:return f"查询失败：{str(e)}"# 2. 定义工具描述 tools = [{"type": "function","function": {"name": "get_stock_price","description": "查询指定股票的实时价格和涨跌幅","parameters": {"type": "object","properties": {"symbol": {"type": "string","description": "股票代码，如AAPL（苹果）、TCEHY（腾讯）、0700.HK（港股腾讯）"}},"required": ["symbol"]}}} ]# 3. 让AI调用工具 client = OpenAI()def ask_ai(question):response = client.chat.completions.create(model="gpt-4",messages=[{"role": "user", "content": question}],tools=tools,tool_choice="auto")message = response.choices[0].message# 如果AI决定调用工具if message.tool_calls:tool_call = message.tool_calls[0]# 执行工具函数if tool_call.function.name == "get_stock_price":args = json.loads(tool_call.function.arguments)result = get_stock_price(args["symbol"])# 把结果返回给AIresponse2 = client.chat.completions.create(model="gpt-4",messages=[{"role": "user", "content": question},message,{"role": "tool","tool_call_id": tool_call.id,"content": json.dumps(result)}])return response2.choices[0].message.contentreturn message.content# 4. 测试 print(ask_ai("腾讯今天股价怎么样？")) print(ask_ai("苹果公司的股票现在多少钱？"))

运行效果

用户问："腾讯今天股价怎么样？"

AI回答："腾讯（0700.HK）今天股价358.20港元，上涨2.35港元，涨幅0.66%。"

用户问："苹果公司的股票现在多少钱？"

AI回答："苹果（AAPL）当前股价178.72美元，下跌1.23美元，跌幅0.68%。"

AI自动完成了：识别股票代码 → 调用API → 解析数据 → 生成自然语言回答。你只需要定义好工具，剩下的交给AI。

💡 核心要点

实战案例展示了完整的插件开发流程：定义工具函数 → 描述工具能力 → 让AI自主调用 → 测试验证。掌握这个流程，你就能开发任何AI插件。

— — —

总结

回顾一下今天学到的核心内容：

✅ 插件本质：让AI学会调用外部工具

✅ 开发流程：定义工具 → 描述能力 → AI调用 → 测试验证

✅ 最佳实践：清晰描述、合理参数、友好错误处理、结构化返回、充分测试

✅ 实战案例：天气查询、新闻搜索、股票查询

最后送你一句话：AI的能力边界，取决于你给它装了多少工具。学会开发插件，你就能让AI从"聊天机器人"变成"智能助手"。

下期预告：第9期「RAG知识库搭建：让AI只回答你想知道的」——手把手教你让AI学会阅读你的文档并回答问题。

— 大模型实战学院·让每个人都能用上AI —