深入解析Gemini 2.5 AI工程工作坊：结构化输出与函数调用实战指南

前言

在现代AI应用开发中，将大语言模型的能力与结构化数据处理和外部系统集成是提升应用实用性的关键。Gemini 2.5 AI工程工作坊提供了强大的工具集来解决这些需求。本文将深入解析该工作坊中关于结构化输出、函数调用和原生工具使用的核心技术。

结构化输出：从自由文本到精准数据

结构化输出是Gemini API的一项核心功能，它允许开发者将模型的自由文本响应约束为预定义的JSON格式。这项技术在以下场景中尤为重要：

1. 数据提取：从非结构化文本中提取关键信息
2. API集成：为下游处理提供一致的数据格式
3. 数据库操作：确保数据符合数据库模式要求
4. 质量控制：验证响应包含所有必需字段

实战示例：食谱提取

class Recipe(BaseModel):
    recipe_name: str
    ingredients: List[str]
    prep_time_minutes: int
    difficulty: str  # "easy", "medium", "hard"
    servings: int

class RecipeList(BaseModel):
    recipes: List[Recipe]

response = client.models.generate_content(
    model=MODEL_ID,
    contents="给我2个流行的饼干食谱，包含配料和准备细节",
    config=types.GenerateContentConfig(
        response_mime_type="application/json",
        response_schema=RecipeList,
    ),
)

这个示例展示了如何使用Pydantic模型定义输出结构，并确保Gemini返回符合该结构的数据。这种方法特别适合需要精确数据格式的应用场景。

PDF文档结构化提取实战

在实际业务中，从PDF等非结构化文档中提取信息是常见需求。Gemini结合结构化输出能力可以高效解决这个问题：

class InvoiceItem(BaseModel):
    description: str
    quantity: int
    unit_price: float
    total: float

class InvoiceData(BaseModel):
    invoice_number: str
    date: str
    vendor_name: str
    vendor_address: str
    total_amount: float
    items: List[InvoiceItem]

# 上传并处理PDF发票
file_id = client.files.upload(file=pdf_file_path)
response = client.models.generate_content(
    model=MODEL_ID,
    contents=["从PDF中提取所有发票信息", file_id],
    config=types.GenerateContentConfig(
        response_mime_type="application/json",
        response_schema=InvoiceData,
    ),
)

这种方法可以大幅减少手动数据录入的工作量，提高业务流程效率。

函数调用：连接AI与外部系统

函数调用是Gemini的另一项强大功能，它允许模型智能地决定何时调用开发者定义的函数。这种能力为AI系统带来了真正的动态性和扩展性。

核心优势

1. 外部API集成：连接天气、股票、数据库等服务
2. 动态计算：执行实时计算
3. 系统交互：执行命令或检索系统信息
4. 多步骤工作流：链接函数调用完成复杂任务

天气查询示例

def get_weather(location: str) -> dict:
    """获取指定位置的当前天气"""
    weather_data = {
        "temperature": 22,
        "condition": "sunny", 
        "humidity": 60,
        "location": location,
        "feels_like": 24
    }
    return weather_data

# 定义函数声明
weather_function = {
    "name": "get_weather",
    "description": "获取指定位置的当前天气",
    "parameters": {
        "type": "object",
        "properties": {
            "location": {"type": "string"}
        },
        "required": ["location"]
    }
}

自动函数调用

Gemini Python SDK提供了自动函数调用功能，大幅简化了集成工作：

config = types.GenerateContentConfig(
    tools=[get_weather, calculate_area]  # 直接传递函数
)

response = client.models.generate_content(
    model=MODEL_ID,
    contents="东京的天气如何？5x3米的房间面积是多少？",
    config=config
)

计算器代理实战

通过函数调用，我们可以构建一个能理解自然语言数学表达式的计算器代理：

def add(a: float, b: float) -> dict:
    result = a + b
    print(f"计算: {a} + {b} = {result}")
    return {"operation": "加法", "result": result}

# 类似定义subtract, multiply, divide函数

calculator_tools = [add, subtract, multiply, divide]

# 处理复杂表达式
response = client.models.generate_content(
    model=MODEL_ID,
    contents="计算(25 + 15) × 3 - 10。分步骤进行。",
    config=types.GenerateContentConfig(tools=calculator_tools)
)

这个示例展示了Gemini如何理解自然语言数学表达式，并自动分解为多个函数调用步骤。

原生工具：扩展AI能力边界

Gemini提供了多种原生工具来增强其能力，其中最实用的是Google搜索集成。

Google搜索集成应用场景

1. 时事新闻查询：获取最新事件信息
2. 实时数据查找：查询股票价格等动态数据
3. 事实核查：验证信息的准确性
4. 研究辅助：快速查找相关资料

总结

Gemini 2.5 AI工程工作坊提供的结构化输出、函数调用和原生工具功能，为开发者构建实用AI应用提供了强大支持。通过本文的实战示例，我们可以看到：

1. 结构化输出使得从非结构化数据中提取信息变得简单可靠
2. 函数调用实现了AI系统与外部服务的无缝集成
3. 原生工具扩展了AI的能力范围

这些技术的组合使用可以创建出真正强大、实用的AI应用，解决现实世界中的复杂问题。