Gemini 编程、工具调用与代码执行 (Coding & Tools)

Gemini 不仅仅是一个对话模型，它具备强大的工具交互能力。它可以编写并运行 Python 代码、搜索实时网页、甚至调用你定义的任何 API。这使得它能从一个“观察者”变成一个能解决实际问题的“行动者”。

---

#核心能力架构

Gemini 的编程与工具能力由三个支柱组成：代码执行 (Code Execution)、函数调用 (Function Calling) 和 内置工具 (Built-in Tools)。

text复制
┌─────────────────────────────────────────────────────────────┐
│                    Gemini 工具交互工作流                      │
├─────────────────────────────────────────────────────────────┤
│                                                             │
│   [ 用户请求 ] ──→ [ 模型推理 (Reasoning) ] ──┬──→ [ 最终回答 ]  │
│                                            │                │
│                         决策：是否需要工具?   │                │
│                                ↓           │                │
│       ┌────────────────────────┴───────────┴──────────┐     │
│       │                                               │     │
│   [ 代码执行 ]         [ 函数调用 ]        [ 内置工具 ]     │     │
│   (Python Sandbox)    (你的自定义 API)    (搜索/文件/地图)   │     │
│       │                       │               │       │     │
│       └───────────────────────┬───────────────┘       │     │
│                               ↓                       │     │
│                        [ 获取工具结果 ] ───────────────┘     │
│                                                             │
└─────────────────────────────────────────────────────────────┘

---

#1. 代码执行 (Code Execution)

Gemini 可以在受保护的沙箱环境中自动生成并运行 Python 代码。它不再通过“猜测”来解决数学问题，而是通过“计算”。

#适用场景：

• 复杂数学计算：超越简单的算术，处理微积分、统计分析。
• 数据处理：清洗 CSV/JSON 数据，进行排序、过滤和聚合。
• 科学模拟：运行物理公式或逻辑模型。

示例：

“请计算 1 到 1000 之间所有质数的平均值。” Gemini 会生成 Python 代码，运行它，并告诉你最终结果。

---

#2. 函数调用 (Function Calling)

这是将 Gemini 连接到你自己的业务逻辑的最佳方式。你告诉模型有哪些 API 可用，模型根据用户意图决定调用哪个。

#开发流程：

1. 定义定义 (Declare)：在代码中声明工具的名称、描述和参数。
2. 生成调用 (Generate)：模型返回 call_function 指令。
3. 执行结果 (Execute)：你的代码运行本地逻辑。
4. 总结回复 (Respond)：将结果传回模型，生成自然语言回复。

---

#3. 内置工具 (Built-in Tools)

Google 托管的高性能工具，无需配置即可使用。

---

#实战案例：构建一个 AI 运维助手

场景：用户想知道“服务器 CPU 占用是否过高，如果过高请重启”。

#Step 1: 定义 Function

json复制
{
  "name": "get_server_metrics",
  "description": "获取指定服务器的实时指标（CPU, Memory）",
  "parameters": {
    "type": "object",
    "properties": { "server_id": { "type": "string" } }
  }
}

#Step 2: 编写 Prompt (CRDO)

markdown复制
# Role
你是一个资深的云原生运维专家。

# Task
分析用户提供的服务器 ID 的状态。如果 CPU 占用超过 80%，请解释原因并询问用户是否需要执行优化操作。

# Constraints
- 必须先调用 `get_server_metrics` 获取真实数据。
- 不要猜测数据。
- 给出专业的优化建议。

---

#API 调用示例 (Node.js)

使用 @google/generative-ai 实现 Function Calling：

javascript复制
const { GoogleGenerativeAI } = require("@google/generative-ai");

const genAI = new GoogleGenerativeAI(process.env.API_KEY);

// 1. 定义工具函数
const controlLight = {
  name: "controlLight",
  parameters: {
    type: "object",
    properties: {
      brightness: { type: "number", description: "亮度 0-100" },
      color: { type: "string", description: "颜色十六进制" }
    }
  }
};

// 2. 初始化模型并传入工具
const model = genAI.getGenerativeModel({
  model: "gemini-1.5-pro",
  tools: [{ functionDeclarations: [controlLight] }],
});

// 3. 开始对话
const chat = model.startChat();
const result = await chat.sendMessage("帮我把灯调亮一点，设置成暖黄色。");
const response = result.response;

// 4. 处理 Tool Call (模型会返回指令，你需要执行后传回)
const call = response.functionCalls()[0];
if (call) {
  // 在此处调用你真实的智能家居 API...
  console.log(`执行工具: ${call.name}, 参数:`, call.args);
}

---

#常见问题与解决方案 (Troubleshooting)

---

#进阶技巧：模型选型建议

• 全能型 (1.5 Pro)：适合多步、复杂的 Function Calling，逻辑严密，适合企业级 Agent。
• 性能型 (1.5 Flash)：响应极快，适合简单的代码执行和单步工具调用，成本极低。
• 轻量型 (Flash-Lite)：适合海量的结构化提取任务。

---

#小结

1. Code Execution 让 AI 具备了“计算能力”，不再胡说八道。
2. Function Calling 是 AI 进入你业务系统的“钥匙”。
3. 内置工具 扩展了 AI 的感官（如 Google Search）。
4. 安全第一：在执行 AI 生成的代码或调用敏感 API 时，务必设置权限边界。

---

#相关资源

• 官方开发者文档：Function Calling↗
• Gemini API 快速入门
• Prompt 大师：代码生成专项