基于 Chat Completions API 实现外部函数调用
2023年6月20日，OpenAI 官方在 Chat Completions API 原有的三种不同角色设定（System, Assistant, User）基础上，新增了 Function Calling 功能。
详见OpenAI Blog
functions 是 Chat Completion API 中的可选参数，用于提供函数定义。其目的是使 GPT 模型能够生成符合所提供定义的函数参数。请注意，API不会实际执行任何函数调用。开发人员需要使用GPT 模型输出来执行函数调用。
如果提供了functions参数，默认情况下，GPT 模型将决定在何时适当地使用其中一个函数。
可以通过将function_call参数设置为{"name": "<insert-function-name>"}来强制 API 使用指定函数。
同时，也支持通过将function_call参数设置为"none"来强制API不使用任何函数。
如果使用了某个函数，则响应中的输出将包含"finish_reason": "function_call"，以及一个具有该函数名称和生成的函数参数的function_call对象。
概述
本 Notebook 介绍了如何将 Chat Completions API 与外部函数结合使用，以扩展 GPT 模型的功能。包含以下2个部分：
- 如何使用
functions参数 - 如何使用
function_call参数 - 使用 GPT 模型生成函数和参数
- 实际执行 GPT 模型生成的函数（以 SQL 查询为例）
注意：本示例直接构造 HTTP 请求访问 OpenAI API，因此无需使用 openai Python SDK。
安装依赖包
!pip install scipy tenacity tiktoken termcolor openai requests
import json
import requests
import os
from tenacity import retry, wait_random_exponential, stop_after_attempt
from termcolor import coloredGPT_MODEL = "gpt-3.5-turbo"
定义工具函数
首先，让我们定义一些用于调用聊天完成 API 的实用工具，并维护和跟踪对话状态。
# 使用了retry库，指定在请求失败时的重试策略。
# 这里设定的是指数等待（wait_random_exponential），时间间隔的最大值为40秒，并且最多重试3次（stop_after_attempt(3)）。
# 定义一个函数chat_completion_request，主要用于发送 聊天补全 请求到OpenAI服务器
@retry(wait=wait_random_exponential(multiplier=1, max=40), stop=stop_after_attempt(3))
def chat_completion_request(messages, functions=None, function_call=None, model=GPT_MODEL):# 设定请求的header信息，包括 API_KEYheaders = {"Content-Type": "application/json","Authorization": "Bearer " + os.getenv("OPENAI_API_KEY"),}# 设定请求的JSON数据，包括GPT 模型名和要进行补全的消息json_data = {"model": model, "messages": messages}# 如果传入了functions，将其加入到json_data中if functions is not None:json_data.update({"functions": functions})# 如果传入了function_call，将其加入到json_data中if function_call is not None:json_data.update({"function_call": function_call})# 尝试发送POST请求到OpenAI服务器的chat/completions接口try:response = requests.post("https://api.openai.com/v1/chat/completions",headers=headers,json=json_data,)# 返回服务器的响应return response# 如果发送请求或处理响应时出现异常，打印异常信息并返回except Exception as e:print("Unable to generate ChatCompletion response")print(f"Exception: {e}")return e# 定义一个函数pretty_print_conversation，用于打印消息对话内容
def pretty_print_conversation(messages):# 为不同角色设置不同的颜色role_to_color = {"system": "red","user": "green","assistant": "blue","function": "magenta",}# 遍历消息列表for message in messages:# 如果消息的角色是"system"，则用红色打印“content”if message["role"] == "system":print(colored(f"system: {message['content']}\n", role_to_color[message["role"]]))# 如果消息的角色是"user"，则用绿色打印“content”elif message["role"] == "user":print(colored(f"user: {message['content']}\n", role_to_color[message["role"]]))# 如果消息的角色是"assistant"，并且消息中包含"function_call"，则用蓝色打印"function_call"elif message["role"] == "assistant" and message.get("function_call"):print(colored(f"assistant[function_call]: {message['function_call']}\n", role_to_color[message["role"]]))# 如果消息的角色是"assistant"，但是消息中不包含"function_call"，则用蓝色打印“content”elif message["role"] == "assistant" and not message.get("function_call"):print(colored(f"assistant[content]: {message['content']}\n", role_to_color[message["role"]]))# 如果消息的角色是"function"，则用品红色打印“function”elif message["role"] == "function":print(colored(f"function ({message['name']}
