OpenAI Function Calling 工具调用完整配置教程

これらのエラーは適切な設定とエラーーハンドリングにより回避可能です。以下で具体的な解決策を説明します。

Function Callingとは

Function Callingは、GPTシリーズ моделиが自然言語理解了基础上、構造化された関数呼び出しを実行できる機能です。これにより、データベース検索、外部API連携、ファイル操作などをAIアプリケーションに統合できます。

環境構築と前提条件

まずは必要なライブラリをインストールします：

pip install openai requests

次に、HolySheep AIのAPIキーを取得してください。HolySheep AI の登録ページから無料クレジット付きでアカウントを作成できます。HolySheep AIの嬉しい点は、レートが¥1=$1（公式¥7.3=$1比85%節約）であり、WeChat PayやAlipayにも対応していることです。

実践的な実装コード

基本的なFunction Calling設定

import openai
from openai import OpenAI

HolySheep AI API設定
client = OpenAI(
    api_key="YOUR_HOLYSHEEP_API_KEY",  # HolySheep AIから取得したAPIキーに置き換える
    base_url="https://api.holysheep.ai/v1"
)

関数の定義
functions = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "指定した都市の現在の天気を取得する",
            "parameters": {
                "type": "object",
                "properties": {
                    "location": {
                        "type": "string",
                        "description": "都市名（例：東京、ニューヨーク）"
                    },
                    "unit": {
                        "type": "string",
                        "enum": ["celsius", "fahrenheit"],
                        "description": "温度単位"
                    }
                },
                "required": ["location"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "calculate",
            "description": "数学的な計算を実行する",
            "parameters": {
                "type": "object",
                "properties": {
                    "expression": {
                        "type": "string",
                        "description": "数式（例：2 + 2、10 * 5）"
                    }
                },
                "required": ["expression"]
            }
        }
    }
]

def get_weather(location, unit="celsius"):
    """天気を取得する関数（モック実装）"""
    return {
        "location": location,
        "temperature": 22,
        "condition": "晴れ",
        "unit": unit
    }

def calculate(expression):
    """計算を実行する関数"""
    try:
        result = eval(expression)
        return {"expression": expression, "result": result}
    except Exception as e:
        return {"error": str(e)}

Function Callingリクエストの送信
messages = [
    {"role": "user", "content": "東京とニューヨークの天気を教えて？ additionally, what's 25 * 4?"}
]

response = client.chat.completions.create(
    model="gpt-4o",
    messages=messages,
    tools=functions,
    tool_choice="auto"
)

print("Function Calls:", response.choices[0].message.tool_calls)
print("Content:", response.choices[0].message.content)

関数実行と結果反馈の完全なフロー

import json

def execute_function_call(tool_call):
    """tool_callを実行して結果を返す"""
    function_name = tool_call.function.name
    arguments = json.loads(tool_call.function.arguments)
    
    if function_name == "get_weather":
        return get_weather(**arguments)
    elif function_name == "calculate":
        return calculate(**arguments)
    else:
        return {"error": f"Unknown function: {function_name}"}

完全な会話フローの実装
def run_conversation(user_message):
    messages = [{"role": "user", "content": user_message}]
    
    # 最大反復回数を設定（無限ループ防止）
    max_iterations = 10
    iteration = 0
    
    while iteration < max_iterations:
        iteration += 1
        
        response = client.chat.completions.create(
            model="gpt-4o",
            messages=messages,
            tools=functions,
            tool_choice="auto"
        )
        
        assistant_message = response.choices[0].message
        
        # 助理の応答を追加
        messages.append({
            "role": "assistant",
            "content": assistant_message.content,
            "tool_calls": assistant_message.tool_calls
        })
        
        # tool_callsがない場合、会話を終了
        if not assistant_message.tool_calls:
            return assistant_message.content
        
        # 各関数を実行して結果を反馈
        for tool_call in assistant_message.tool_calls:
            print(f"\n🔧 Executing: {tool_call.function.name}")
            print(f"   Arguments: {tool_call.function.arguments}")
            
            result = execute_function_call(tool_call)
            print(f"   Result: {result}")
            
            # 関数結果をmessagesに追加
            messages.append({
                "role": "tool",
                "tool_call_id": tool_call.id,
                "content": json.dumps(result, ensure_ascii=False)
            })
    
    return "Maximum iterations reached"

テスト実行
result = run_conversation("東京の天気を教えて。特に摂氏で。")
print("\n" + "="*50)
print("Final Response:", result)

応用例：複数の関数を組み合わせたシステム

実際のビジネスアプリケーションでは、複数の関数を連携させることが重要です。以下はCRMシステムとの連携例です：

# より複雑な関数定義の例
advanced_functions = [
    {
        "type": "function",
        "function": {
            "name": "search_products",
            "description": "商品データベースから商品を検索する",
            "parameters": {
                "type": "object",
                "properties": {
                    "category": {"type": "string"},
                    "min_price": {"type": "number"},
                    "max_price": {"type": "number"},
                    "keyword": {"type": "string"}
                }
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "create_order",
            "description": "注文を作成する",
            "parameters": {
                "type": "object",
                "properties": {
                    "product_id": {"type": "string"},
                    "quantity": {"type": "integer"},
                    "customer_email": {"type": "string", "format": "email"}
                },
                "required": ["product_id", "quantity", "customer_email"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "get_order_status",
            "description": "注文の状態を確認する",
            "parameters": {
                "type": "object",
                "properties": {
                    "order_id": {"type": "string"}
                },
                "required": ["order_id"]
            }
        }
    }
]

自然言語からの自動业务流程実行
user_query = "价格在5000日元以下的电子产品有哪些？可以选择的话，帮我下单2个，第一个订单发到[email protected]"

このクエリはsearch_productsとcreate_orderを連続呼び出しします

よくあるエラーと対処法

エラー1：401 Unauthorized - 認証エラー

# ❌ 誤った設定
client = OpenAI(api_key="invalid-key", base_url="https://api.openai.com/v1")

✅ 正しい設定
client = OpenAI(
    api_key="YOUR_HOLYSHEEP_API_KEY",  # HolySheep AIから取得した実際のAPIキー
    base_url="https://api.holysheep.ai/v1"  # HolySheep AIのエンドポイントを指定
)

原因：APIキーが無効または期限切れの場合、base_urlが間違っている場合に発生します。HolySheep AI のダッシュボードで有効なAPIキーを確認してください。

エラー2：ConnectionError / Timeout

# タイムアウト設定の追加
from openai import OpenAI
from requests.exceptions import ConnectTimeout, ReadTimeout

client = OpenAI(
    api_key="YOUR_HOLYSHEEP_API_KEY",
    base_url="https://api.holysheep.ai/v1",
    timeout=60.0  # 60秒のタイムアウトを設定
)

エラーハンドリングの実装
try:
    response = client.chat.completions.create(
        model="gpt-4o",
        messages=[{"role": "user", "content": "Hello"}],
        tools=functions
    )
except ConnectTimeout:
    print("接続がタイムアウトしました。ネットワーク接続を確認してください。")
    # リトライロジックを実装
except ReadTimeout:
    print("応答の読み取りがタイムアウトしました。リクエストを再試行してください。")
except Exception as e:
    print(f"予期しないエラー: {type(e).__name__} - {e}")

原因：ネットワーク不安定またはHolySheep AIのサーバーが高負荷の場合に発生します。HolySheep AIは<50msのレイテンシを提供していますが、ネットワーク環境の確認も重要です。

エラー3：tool_callがNoneを返す

# ❌ tool_choice未指定导致的問題
response = client.chat.completions.create(
    model="gpt-4o",
    messages=messages,
    tools=functions
    # tool_choiceが未指定の場合、モデルが関数を呼び出すとは限らない
)

✅ 明示的にauto指定
response = client.chat.completions.create(
    model="gpt-4o",
    messages=messages,
    tools=functions,
    tool_choice="auto"  # モデルに判断させる
)

✅ 特定の関数を強制する場合
response = client.chat.completions.create(
    model="gpt-4o",
    messages=messages,
    tools=functions,
    tool_choice={"type": "function", "function": {"name": "get_weather"}}
)

原因：モデルが関数を呼び出すべき情况进行判断できない、またはpromptに問題がある場合に発生します。functionsのdescriptionを明確に記述することが重要です。

エラー4：JSON解析エラー

import json

def safe_parse_arguments(tool_call):
    """安全なJSON解析"""
    try:
        arguments = json.loads(tool_call.function.arguments)
        return arguments
    except json.JSONDecodeError as e:
        # 不正なJSONの場合は空のオブジェクトを返す
        print(f"JSON解析エラー: {e}")
        return {}
    
    # 引数検証の追加
    def validate_arguments(function_name, arguments):
        required_params = {
            "get_weather": ["location"],
            "create_order": ["product_id", "quantity", "customer_email"]
        }
        
        if function_name in required_params:
            missing = [p for p in required_params[function_name] if p not in arguments]
            if missing:
                raise ValueError(f"不足しているパラメータ: {', '.join(missing)}")
        
        return True

使用例
for tool_call in response.choices[0].message.tool_calls:
    arguments = safe_parse_arguments(tool_call)
    validate_arguments(tool_call.function.name, arguments)

原因：モデルが不正なJSONを生成した場合に発生します。 всегда実装にtry-exceptブロックと引数検証を含めてください。

パフォーマンス最適化

HolySheep AIを活用する場合、以下のポイントでコストとレイテンシを最適化できます：

• モデルの選択：シンプルなFunction Callingにはgpt-4o-miniを使用し、コストを大幅に削減できます
• Streaming対応：大きな応答を待つ場合はstreamingを使用してユーザー体験を向上
• キャッシュ活用：同じ関数定義を再利用することでオーバーヘッドを削減

# Streaming対応のFunction Calling
stream = client.chat.completions.create(
    model="gpt-4o",
    messages=messages,
    tools=functions,
    stream=True
)

for chunk in stream:
    if chunk.choices[0].delta.tool_calls:
        for tool_call in chunk.choices[0].delta.tool_calls:
            print(f"Function: {tool_call.function.name}")
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="")

まとめ

本記事では、OpenAI Function Callingの実践的な実装方法を解説しました。HolySheep AIを使用することで、以下のメリットが得られます：

• ¥1=$1の競争力のあるレート（公式比85%節約）
• WeChat Pay / Alipay対応で簡単決済
• <50msの低レイテンシ
• 登録時の無料クレジット
• 2026年価格：GPT-4.1 $8/MTok、Claude Sonnet 4.5 $15/MTok、Gemini 2.5 Flash $2.50/MTok、DeepSeek V3.2 $0.42/MTok

Function Callingを実装する際は、適切なエラーハンドリングと、引数検証を忘れずに行いましょう。