autogen模型函数调用实战：从零开始构建你的第一个智能代理

共计 2402 个字符，预计需要花费 7 分钟才能阅读完成。

为什么选择 autogen 模型？

autogen 是微软开源的 AI 代理开发框架，它的核心优势在于 模块化设计 和函数调用能力。相比直接使用大语言模型 API，autogen 提供了更结构化的开发方式：

• 将复杂任务拆解为可复用的函数单元
• 支持类型安全的参数传递
• 内置对话状态管理
• 天然适配多代理协作场景

函数调用核心机制解析

1. 函数注册流程

所有可被 autogen 调用的函数都需要显式注册。注册过程会记录函数的：

• 名称（调用时的唯一标识）
• 参数列表（名称、类型、是否必需）
• 返回值类型
• 功能描述（用于 AI 理解何时调用）

2. 参数传递规范

autogen 采用 JSON Schema 规范定义参数，支持常见数据类型：

• 基础类型：string, number, boolean
• 复合类型：array, object
• 特殊类型：datetime（ISO 格式字符串）

3. 返回值处理

函数返回值会被自动序列化为 JSON。需要注意：

• 返回值必须可 JSON 序列化
• 复杂对象需自定义转换逻辑
• 错误应通过抛出异常显式处理

完整代码示例

以下示例展示了一个带验证的时区转换函数：

from typing import Annotated
from datetime import datetime
import pytz
from autogen import register_function

def convert_timezone(source_time: Annotated[str, "ISO 格式时间字符串"],
    source_tz: Annotated[str, "源时区名称"],
    target_tz: Annotated[str, "目标时区名称"]
) -> str:
    """
    将时间从源时区转换到目标时区

    参数:
        source_time: 如 "2023-01-01T12:00:00"
        source_tz: 如 "Asia/Shanghai"
        target_tz: 如 "America/New_York"

    返回:
        ISO 格式的目标时区时间字符串
    """
    # 参数验证
    if source_tz not in pytz.all_timezones:
        raise ValueError(f"无效源时区: {source_tz}")
    if target_tz not in pytz.all_timezones:
        raise ValueError(f"无效目标时区: {target_tz}")

    try:
        dt = datetime.fromisoformat(source_time)
    except ValueError as e:
        raise ValueError(f"无效时间格式: {source_time}") from e

    # 执行转换
    source_dt = pytz.timezone(source_tz).localize(dt)
    target_dt = source_dt.astimezone(pytz.timezone(target_tz))

    return target_dt.isoformat()

# 注册函数
register_function(
    convert_timezone,
    name="timezone_converter",
    description="在不同时区间转换时间"
)

生产环境注意事项

1. 并发调用限制

autogen 默认使用同步调用模式，在高并发场景下建议：

• 使用 @register_function(concurrency_limit=5) 限制单函数并发
• 对 IO 密集型函数使用 async/await 语法
• 考虑使用 Redis 等分布式锁机制

2. 超时设置建议

所有注册函数都应设置合理超时：

from functools import wraps
import signal

class TimeoutError(Exception):
    pass

def timeout(seconds=30):
    def decorator(func):
        @wraps(func)
        def wrapper(*args, **kwargs):
            # Unix 系统使用 signal
            def raise_timeout(signum, frame):
                raise TimeoutError(f"函数执行超过 {seconds} 秒")

            signal.signal(signal.SIGALRM, raise_timeout)
            signal.alarm(seconds)

            try:
                result = func(*args, **kwargs)
            finally:
                signal.alarm(0)

            return result
        return wrapper
    return decorator

# 使用示例
@timeout(10)
@register_function
def long_running_task():
    ...

3. 敏感数据处理方案

处理敏感信息时建议：

• 使用环境变量存储 API 密钥
• 对日志中的参数值进行脱敏
• 实现自定义的 Sanitizer 类过滤输出

实践任务：扩展天气查询函数

请实现一个 get_weather 函数，要求：

1. 接收参数：
2. location (string): 城市名称

3. date (string, optional): 查询日期，默认为当天

4. 返回结构：

   {
       "location": "城市名",
       "date": "查询日期",
       "temperature": "温度范围",
       "condition": "天气状况"
   }

验证步骤：

1. 调用 get_weather("北京") 应返回当天的天气数据
2. 调用 get_weather("上海", "2023-07-01") 应返回历史数据
3. 传入无效城市名应抛出明确异常

提示：可以使用公开天气 API（如 OpenWeatherMap）或模拟数据实现。

写在最后

通过本文的学习，你应该已经掌握了 autogen 函数调用的核心技能。实际开发中，建议先从简单功能开始，逐步构建复杂的函数组合。当遇到问题时，不妨参考 autogen 官方文档中的 function_call 模块示例。

下一步可以尝试：

• 将多个函数组合成工作流
• 开发自定义工具类函数
• 探索多代理间的函数调用链