OpenAI Responses API 工具调用怎么接入 AI 写作流程

准备

先把写作流程拆成三个角色：模型负责判断是否需要工具并组织正文，应用负责执行真实函数，工具负责返回可核对的数据。Responses API 的创建方法支持 tools、tool_choice、parallel_tool_calls、previous_response_id 等参数；自定义函数工具应只开放必要能力。

• 准备 OpenAI Python SDK 和 API 密钥，密钥只放在服务端环境变量中。
• 确定一个小工具，例如按关键词读取内部资料摘要。
• 规定工具返回字段，例如 found、summary、source_id，避免返回一段无法解析的杂文。
• 确定失败处理：资料不存在时返回明确状态，不能让模型把空结果当成事实。

如果你的写作任务还需要固定输入字段，可以先参考OpenAI Responses API 写作结果怎么做结构化检查，把工具结果检查和最终文章检查分开。

分步操作

1. 定义工具协议。工具名称、用途、参数和参数类型要写清楚。下面的定义只允许模型传入关键词和资料范围：

   tools = [
       {
           "type": "function",
           "name": "search_material",
           "description": "从内部资料库检索与写作主题相关的已确认信息",
           "parameters": {
               "type": "object",
               "properties": {
                   "query": {"type": "string"},
                   "scope": {"type": "string", "enum": ["product", "policy", "case"]}
               },
               "required": ["query", "scope"],
               "additionalProperties": False
           },
           "strict": True
       }
   ]

2. 发送首次写作请求。将稳定规则放在 instructions，把本次主题放在 input。首次接入时建议先使用非流式响应，便于完整记录工具调用和调试。

   from openai import OpenAI
   import json
   
   client = OpenAI()
   
   response = client.responses.create(
       model="你的模型标识",
       instructions="你是内容编辑。资料不足时先调用工具；不得补写工具未返回的事实。",
       input="请围绕‘产品上手’写一篇给新手看的文章，先核对资料再成文。",
       tools=tools,
       tool_choice="auto",
       parallel_tool_calls=False,
       store=False,
   )

   tool_choice 用于控制模型如何选择工具；auto适合让模型按任务判断是否调用。若某一步必须查资料，可改为指定工具，但具体可用取值要以当前 SDK 类型定义和接口文档为准。

3. 识别工具调用并执行本地函数。不要直接执行模型传来的任意函数名。先用白名单匹配工具，再解析参数、校验长度和枚举值。

   def search_material(query, scope):
       # 替换为你的数据库或检索服务
       rows = material_db.search(query=query, scope=scope, limit=5)
       return {
           "found": bool(rows),
           "items": rows,
           "source_id": "internal-search"
       }
   
   for item in response.output:
       if getattr(item, "type", None) != "function_call":
           continue
   
       if item.name != "search_material":
           raise ValueError("未授权的工具")
   
       args = json.loads(item.arguments)
       if not args.get("query") or args.get("scope") not in {"product", "policy", "case"}:
           raise ValueError("工具参数不符合协议")
   
       result = search_material(args["query"], args["scope"])

   不同 SDK 版本对响应对象的访问方式可能不同。调试时先记录响应项的类型、工具名、调用标识和参数，再按当前版本的对象属性组装回传数据。

4. 把工具结果交回模型。工具执行完后，使用模型返回的调用标识，把 JSON 结果作为工具输出发送回下一次 Responses 请求。调用标识必须和原请求对应，不能只把结果拼进普通文本。

   tool_outputs = [
       {
           "type": "function_call_output",
           "call_id": item.call_id,
           "output": json.dumps(result, ensure_ascii=False)
       }
   ]
   
   final_response = client.responses.create(
       model="你的模型标识",
       instructions="只使用工具返回的已确认资料；缺失信息请标注待核实。",
       input=tool_outputs,
       tools=tools,
       tool_choice="auto",
       previous_response_id=response.id,
       store=False,
   )
   
   print(final_response.output_text)

   上面是可复制的流程骨架。实际项目中应保存首次响应、工具参数、工具原始结果和最终响应，方便定位是检索、参数校验还是生成环节出了问题。

5. 接入字段校验和发布状态。最终文本生成后，不要直接发布。先解析标题、正文、资料引用和审核状态；字段缺失、工具未命中或内容超出资料范围时，回到草稿状态。

可复制模板

可以将下面的规则放入 instructions，再把主题和目标读者放入 input：

你负责生成可审核的中文文章。
1. 先判断是否需要调用 search_material。
2. 需要资料时，只能使用工具返回的内容。
3. 工具未命中时，不得自行补充具体事实、数字、日期或承诺。
4. 正文输出包含：标题、摘要、正文、待核实项。
5. 文章完成前检查标题、正文、引用标识和审核状态。
6. 工具失败时返回明确错误，不要伪装成正常资料。

工具返回模板：

{
  "found": true,
  "items": [
    {
      "fact": "已确认的资料内容",
      "source_id": "资料记录编号"
    }
  ],
  "source_id": "internal-search"
}

翻车怎么改

模型直接写正文，没有调用工具

原因：工具只是放进 tools，但任务没有明确资料核对条件，模型判断可以直接回答。

修正动作：在 instructions 中写明哪些主题必须先检索，并在应用侧检查是否出现工具调用；没有调用时可以拒绝进入发布环节，要求重新请求或由程序先执行检索。

工具执行成功，但模型仍编造资料

原因：工具输出格式不稳定，或者提示词没有要求区分已确认信息和未知信息。

修正动作：固定返回 found、items 和 source_id，空结果明确返回 found: false，并在最终验收中检查正文中的关键事实是否能对应资料标识。

工具调用报参数错误

原因：参数名、枚举值或 JSON 类型与工具协议不一致。

修正动作：使用严格参数定义，应用侧再次校验参数；记录原始参数但不要把未校验参数直接传给数据库或内部接口。

完成前检查

• 确认首次请求确实传入了 tools，并按需求设置了 tool_choice。
• 确认只执行白名单工具，并校验了工具参数。
• 确认工具结果通过对应调用标识回传，而不是拼接成普通提示词。
• 确认资料未命中、工具超时和工具异常都有独立状态。
• 确认最终文章的标题、正文、引用标识和审核字段均已通过发布前验收。
• 确认日志中没有保存 API 密钥、敏感原文或不必要的用户信息。