Qwen2.5-7B-Instruct工具调用教程：Function Calling实战-开发者社区

Qwen2.5-7B-Instruct工具调用教程：Function Calling实战

1. 技术背景与功能定位

通义千问 2.5-7B-Instruct 是阿里于 2024 年 9 月发布的 70 亿参数指令微调语言模型，属于 Qwen2.5 系列中的中等体量主力模型。该模型在性能、效率和可部署性之间实现了良好平衡，适用于企业级 Agent 构建、本地化智能助手开发以及边缘设备上的轻量化 AI 应用。

相较于更大规模的模型（如 Qwen-Max 或 Llama3-70B），Qwen2.5-7B-Instruct 的优势在于： -低资源消耗：FP16 模型仅约 28GB，支持 GGUF 量化后最低可至 4GB，可在 RTX 3060 等消费级显卡上流畅运行。 -高推理速度：结合 vLLM 推理框架，吞吐可达 >100 tokens/s。 -长上下文支持：最大上下文长度达 128k token，适合处理百万汉字级别的文档分析任务。 -强代码与数学能力：HumanEval 通过率超 85%，MATH 数据集得分突破 80，优于多数 13B 模型。 -原生支持 Function Calling 和 JSON 输出格式化，为构建具备外部工具调用能力的 AI Agent 提供了坚实基础。

本教程将重点演示如何基于vLLM + Open WebUI部署 Qwen2.5-7B-Instruct，并实现完整的Function Calling 实战应用，涵盖从环境搭建到函数注册、请求触发与结果解析的全流程。

2. 部署方案：vLLM + Open WebUI

2.1 整体架构设计

采用以下技术栈组合进行本地化部署：

组件	功能
`vLLM`	高性能推理后端，提供低延迟、高吞吐的模型服务
`Open WebUI`	前端可视化界面，支持对话交互、Function Calling 可视化调试
`Docker`	容器化部署，确保环境一致性

该架构支持一键启动、多用户访问、持久化存储及插件扩展，非常适合个人开发者或团队快速验证 AI Agent 能力。

2.2 部署步骤详解

步骤 1：拉取并运行 vLLM 容器

docker run -d \ --gpus all \ --shm-size 1g \ -p 8000:8000 \ -e MODEL="Qwen/Qwen2.5-7B-Instruct" \ -e TRUST_REMOTE_CODE=true \ -e MAX_MODEL_LEN=131072 \ vllm/vllm-openai:latest \ --dtype auto \ --gpu-memory-utilization 0.9 \ --max-num-seqs 256 \ --enable-auto-tool-call \ --tool-call-parser hermes

说明： ---enable-auto-tool-call启用自动工具调用功能 ---tool-call-parser hermes使用 Hermes 兼容解析器，适配 Qwen 的 function calling 格式 -MAX_MODEL_LEN=131072支持 128k 上下文 -TRUST_REMOTE_CODE=true允许加载自定义模型代码

步骤 2：启动 Open WebUI

docker run -d \ -p 3000:8080 \ -e OPEN_WEBUI_HOST=http://your-server-ip:3000 \ -e CORS_ALLOWED_ORIGINS=http://your-server-ip:3000 \ -e OPENAI_API_BASE_URL=http://your-vllm-server:8000/v1 \ -e OPENAI_API_KEY=sk-no-key-required \ ghcr.io/open-webui/open-webui:main

替换your-server-ip和your-vllm-server为实际 IP 地址。

步骤 3：访问 WebUI 界面

打开浏览器访问http://<your-server>:3000，使用默认账号登录：

账号：kakajiang@kakajiang.com
密码：kakajiang

进入后选择模型Qwen2.5-7B-Instruct，即可开始对话测试。

2.3 功能验证：发送原始 Tool Call 请求

可通过 Open WebUI 的高级模式或直接调用 vLLM 的 OpenAI 兼容 API 发送包含函数定义的请求。

示例请求体（POST/v1/chat/completions）：

{ "model": "Qwen2.5-7B-Instruct", "messages": [ { "role": "user", "content": "查询北京今天的天气" } ], "tools": [ { "type": "function", "function": { "name": "get_weather", "description": "获取指定城市的实时天气信息", "parameters": { "type": "object", "properties": { "city": { "type": "string", "description": "城市名称，例如北京、上海" } }, "required": ["city"] } } } ], "tool_choice": "auto" }

预期返回结果中，模型会识别意图并生成结构化 tool call：

"tool_calls": [ { "id": "call_abc123", "type": "function", "function": { "name": "get_weather", "arguments": "{\"city\": \"北京\"}" } } ]

这表明模型已成功理解用户意图，并准备调用外部函数。

3. Function Calling 实战：构建天气查询 Agent

3.1 函数定义与注册

我们需要实现一个 Python 函数来响应get_weather工具调用。假设我们使用公开 API 如 OpenWeatherMap。

安装依赖

pip install requests python-dotenv

编写工具函数

import os import requests from typing import Dict, Any def get_weather(city: str) -> Dict[str, Any]: """ 查询指定城市的天气信息 """ api_key = os.getenv("OPENWEATHER_API_KEY") if not api_key: return {"error": "API key未配置"} url = "http://api.openweathermap.org/data/2.5/weather" params = { "q": city, "appid": api_key, "units": "metric", "lang": "zh_cn" } try: response = requests.get(url, params=params, timeout=10) data = response.json() if response.status_code != 200: return {"error": data.get("message", "请求失败")} return { "city": data["name"], "country": data["sys"]["country"], "temperature": f"{data['main']['temp']}°C", "feels_like": f"{data['main']['feels_like']}°C", "humidity": f"{data['main']['humidity']}%", "weather": data["weather"][0]["description"], "wind_speed": f"{data['wind']['speed']} m/s" } except Exception as e: return {"error": str(e)}

3.2 集成到推理流程

虽然 vLLM 不直接执行函数逻辑，但可以作为“决策引擎”输出 tool call 结构，由前端或中间层服务执行。

典型工作流如下：

graph TD A[用户提问] --> B{Open WebUI} B --> C[vLLM 推理] C --> D[生成 tool_call] D --> E[WebUI 拦截并调用 get_weather()] E --> F[获取真实天气数据] F --> G[构造 system message 回传结果] G --> H[vLLM 生成自然语言回复] H --> I[返回给用户]

示例回传消息格式

当函数执行完成后，需将结果以tool角色的消息形式重新提交给模型：

{ "role": "tool", "content": "{\"city\": \"北京\", \"temperature\": \"12°C\", \"weather\": \"多云\"}", "tool_call_id": "call_abc123" }

随后追加一条user消息（可选）或直接让模型继续生成最终回答。

3.3 完整对话流程演示

用户输入：“北京今天冷吗？”
模型识别需调用get_weather(city="北京")
前端调用 Python 函数获取天气数据
将结果注入对话历史
模型生成回答：“北京今天气温 12°C，体感偏凉，建议穿外套。”

整个过程实现了语义理解 → 工具调度 → 数据获取 → 自然语言表达的闭环。

4. 高级技巧与优化建议

4.1 强制 JSON 输出控制

Qwen2.5-7B-Instruct 支持强制 JSON 输出，可用于标准化工具参数提取。

在 prompt 中加入提示词：

请以 JSON 格式输出，只包含必要的字段，不要添加解释。

或使用系统指令：

You are a function parameter extractor. Output only a valid JSON object matching the schema.

也可在 API 层设置response_format={"type": "json_object"}（需后端支持）。

4.2 多工具调用与并发处理

若一次需要调用多个函数（如查天气+查航班），模型可同时返回多个tool_call。此时应并行执行各函数，提升响应效率。

注意：需保证tool_call_id与回调消息一一对应。

4.3 错误处理与降级策略

常见问题包括： - 函数执行失败（网络异常、参数错误） - 模型误触发工具调用 - 参数缺失或类型错误

建议处理方式： - 对tool_call.arguments做 JSON 解析容错 - 设置默认值或提示用户补充信息 - 记录日志用于后续 fine-tuning 优化对齐

4.4 性能优化建议

优化项	推荐配置
量化	使用 AWQ 或 GGUF Q4_K_M 降低显存占用
批处理	在批量推理场景开启`--max-num-batched-tokens`
缓存	启用 PagedAttention 减少内存碎片
工具缓存	对高频查询（如天气）增加本地缓存机制

5. 总结

5.1 核心价值回顾

本文完整展示了 Qwen2.5-7B-Instruct 在Function Calling场景下的工程实践路径：

模型能力层面：7B 量级中表现卓越，兼具代码、数学、多语言与工具调用能力；
部署便捷性：通过 vLLM + Open WebUI 实现一键部署，支持 128k 上下文与高性能推理；
Agent 构建可行性：原生支持 tool call 协议，可无缝集成外部 API，构建实用型 AI 助手；
商业化友好：开源协议允许商用，量化版本可在消费级 GPU 运行，成本可控。

5.2 最佳实践建议

优先使用 vLLM 的hermesparser：专为 Qwen 等模型优化，解析准确率更高；
前端拦截 tool_call 并执行：Open WebUI 支持自定义插件，可嵌入函数执行逻辑；
建立工具注册中心：统一管理所有可用函数及其 schema，便于动态加载；
监控调用链路：记录每次 tool call 的输入、输出与耗时，用于迭代优化。

Qwen2.5-7B-Instruct 凭借其出色的综合性能和良好的生态兼容性，已成为当前 7B 级别中最值得推荐的全能型商用模型之一，特别适合需要本地化部署、支持复杂工具调用的企业级 AI 应用开发。

获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。

Qwen2.5-7B-Instruct工具调用教程：Function Calling实战