原生 Function Calling 闭环原理 (Function Calling)

import os
from google import genai
from google.genai import types

# 1. 声明本地 Python 工具函数
def get_weather(city: str) -> str:
    """获取指定城市的实时天气预报"""
    # 真实的本地函数，执行网络请求或数据库查询
    if "北京" in city:
        return "北京明日天气：晴转多云，22°C ~ 31°C，微风。"
    return f"{city}明日天气状况良好。"

def calculate_tax(income: float, region: str) -> str:
    """计算中国不同地区的个人所得税"""
    taxable = max(0.0, income - 60000)
    tax = taxable * 0.1 - 2520
    return f"针对{region}地区，年薪 {income} 元的个税计算结果为：实际应纳税额 {tax:.2f} 元。"

# 建立工具名称到函数的物理映射，供拦截后寻址
tool_map = {
    "get_weather": get_weather,
    "calculate_tax": calculate_tax
}

# 2. 初始化原生 SDK (未封装框架)
client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])

def run_pure_tool_loop(user_prompt: str):
    print(f"User: {user_prompt}")
    
    # 将真实的 Python 函数作为 tools 传入，SDK 会自动解析函数签名生成 JSON Schema 声明
    # 对应的就是 [阶段 1: API Tool 声明]
    response = client.models.generate_content(
        model='gemini-2.5-flash',
        contents=user_prompt,
        config=types.GenerateContentConfig(
            tools=[get_weather, calculate_tax]
        )
    )
    
    # 模拟手写运行时事件循环 (Event Loop)
    chats = [{"role": "user", "parts": [user_prompt]}]
    
    # [阶段 2: 拦截与识别 <tool_call>]
    if response.function_calls:
        print("\n🤖 模型生成了 Tool Call 申请！")
        # 复制第一轮 assistant 响应到对话历史中
        chats.append(response.candidates[0].content)
        
        # 遍历所有的 tool_call 请求并依次在本地拦截执行
        for call in response.function_calls:
            print(f"📥 正在解析函数: {call.name}, 参数: {call.args}")
            
            # [阶段 3: 本地运行时拦截寻址执行]
            if call.name in tool_map:
                # 动态执行本地函数并安全获取返回值
                local_func = tool_map[call.name]
                execution_result = local_func(**call.args)
                print(f"🔌 本地执行结果: {execution_result}")
                
                # [阶段 4: 结果喂回上下文]
                # 构造符合规范的 'tool' 角色回复消息
                tool_response = types.Part.from_function_response(
                    name=call.name,
                    response={"result": execution_result}
                )
                
                chats.append(types.Content(
                    role="tool",
                    parts=[tool_response]
                ))
            
        # [阶段 5: 模型融合成最终回复]
        # 将携带了 Tool 执行结果的完整会话上下文，重新喂回给大模型
        final_response = client.models.generate_content(
            model='gemini-2.5-flash',
            contents=chats,
            config=types.GenerateContentConfig(
                tools=[get_weather, calculate_tax]
            )
        )
        print(f"\n💬 Final Assistant: {final_response.text}")
    else:
        print(f"💬 Direct Assistant: {response.text}")

if __name__ == "__main__":
    run_pure_tool_loop("查询北京明天的天气")