DeepSeek V4 Function Calling 教程:定义工具、获得可靠 JSON 输出、构建 Agent 工作流。Python 代码示例、成本控制技巧、常见坑——全部基于 $0.14/1M 输入的性价比。

DeepSeek V4 Function Calling 实战:结构化输出

Q: DeepSeek V4 支持 Function Calling 吗？

支持。DeepSeek V4 支持 OpenAI 风格的工具/函数调用,Agent 可以可靠获得结构化 JSON 输出用于工具使用。

Q: 如何让 DeepSeek V4 输出结构化 JSON？

用 tools 参数(JSON Schema 定义,OpenAI 兼容)或 response_format json_object,通过 TokenPAPA 端点 https://tokenpapa.ai/v1——与 OpenAI 相同代码,改一行 base_url。

Q: Function Calling 贵吗？

不贵——DeepSeek V4 Flash 输入 $0.14/1M、输出 $0.42/1M。即使多轮 Agent 循环也保持低价,上下文缓存进一步降低重复工具定义成本。

Q: 能用 DeepSeek V4 构建 Agent 吗？

能。DeepSeek V4 Flash 在 Terminal Bench 2.1(Agent 编码)得 82.7,是性价比极高的 Agent 底座。

Function Calling 让 LLM 从"聊天"变成"干活"——解析输入、调用工具、返回结构化 JSON。而用 DeepSeek V4,这件事还便宜到可以规模化。

下面是用 DeepSeek V4 构建可靠工具调用流程的完整实战,带真实代码。

为什么需要 Function Calling

裸聊天输出是一段字符串,生产系统需要的是结构。Function Calling 给你:

结构化 JSON —— 不再用正则解析散文
工具编排 —— 模型自己决定调什么
Agent 循环 —— 带状态的多步工作流

DeepSeek V4 支持 OpenAI 工具调用格式,下面所有代码用标准 openai SDK 就能跑——只需把 base_url 指向 https://tokenpapa.ai/v1。

第 1 步 —— 定义工具

from openai import OpenAI

client = OpenAI(base_url="https://tokenpapa.ai/v1", api_key="your-key")

tools = [{
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "查询指定城市的当前天气",
        "parameters": {
            "type": "object",
            "properties": {
                "city": {"type": "string", "description": "城市名"},
                "unit": {"type": "string", "enum": ["celsius", "fahrenheit"]}
            },
            "required": ["city"]
        }
    }
}]

第 2 步 —— 调用并处理工具

resp = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[{"role": "user", "content": "上海今天天气怎么样?"}],
    tools=tools,
    tool_choice="auto",
)

msg = resp.choices[0].message

if msg.tool_calls:                     # 模型要调用工具
    call = msg.tool_calls[0].function
    print("调用:", call.name, call.arguments)   # arguments 是合法 JSON
    result = get_weather(**json.loads(call.arguments))

    # 把结果喂回去,继续对话
    resp2 = client.chat.completions.create(
        model="deepseek-v4-flash",
        messages=[
            {"role": "user", "content": "上海今天天气怎么样?"},
            msg,
            {"role": "tool", "tool_call_id": call.id, "content": json.dumps(result)},
        ],
        tools=tools,
    )
    print(resp2.choices[0].message.content)
else:
    print(msg.content)

第 3 步 —— 不用工具也能拿 JSON(JSON 模式)

简单结构化输出可以直接强制 JSON:

resp = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[
        {"role": "system", "content": "只输出合法 JSON,字段:title、summary、tags。"},
        {"role": "user", "content": "总结这篇文章。"},
    ],
    response_format={"type": "json_object"},   # OpenAI 兼容
)
data = json.loads(resp.choices[0].message.content)

Agent 循环的成本控制

成本杠杆	省多少
DeepSeek V4 Flash 基础价	输入 $0.14/1M——已比旗舰便宜 100 倍
上下文缓存	重复工具定义被缓存——重复输入最高省 ~90%
精简工具描述	压缩 schema 文档;每轮循环都少花钱
设置 `max_tokens`	一次失控的工具响应贵 20 倍
合并工具调用	能一轮调多个就别拆多轮

一次典型的 5 轮 Agent 会话,DeepSeek V4 Flash 上远低于 $0.01——足够支撑交互式产品。

常见坑

忘记工具结果回传 —— 模型需要 role: "tool" 消息,否则丢失上下文。
工具 schema 太大 —— schema 里的每个 token 每次调用都要付钱,描述保持精简。
解析失败没有兜底 —— json.loads 要 try/except,失败用更清晰的 prompt 重试。
忽略缓存命中 —— 重复相同的工具定义会被自动缓存,别每次请求都改。

常见问题

问:DeepSeek V4 支持 Function Calling 吗? 答:支持——OpenAI 风格工具调用,Agent 可获取可靠结构化 JSON。

问:如何让 DeepSeek V4 输出结构化 JSON? 答:用 tools 参数或 response_format: {"type": "json_object"},OpenAI 兼容,TokenPAPA 端点直接用。

问:Function Calling 贵吗? 答:不贵——输入 $0.14/1M、输出 $0.42/1M,多轮 Agent 循环也不到 $0.01。

问:能用 DeepSeek V4 构建 Agent 吗? 答:能——Terminal Bench 2.1 得 82.7,是性价比极强的 Agent 底座。

快速开始

注册 tokenpapa.ai —— 送 $1 免费额度
创建 API Key —— OpenAI 兼容
发起第一次工具调用 —— 上面代码直接可用

from openai import OpenAI
client = OpenAI(base_url="https://tokenpapa.ai/v1", api_key="your-key")

resp = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[{"role": "user", "content": "从这句话提取城市:I live in Beijing."}],
    tools=tools,
)
print(resp.choices[0].message.tool_calls[0].function.arguments)

DeepSeek V4 Function Calling 实战:结构化输出

目录