Gemini 2.5 AI工程实践：结构化输出与函数调用实战指南

引言

在当今AI应用开发领域，如何让大语言模型输出结构化数据、如何让模型与外部系统交互，是开发者面临的两大核心挑战。本文将深入探讨Gemini 2.5 AI工程实践中关于结构化输出、函数调用和原生工具集成的关键技术。

一、结构化输出：从自由文本到精准数据

结构化输出是AI工程中的基础能力，它允许我们将模型的自由文本响应转换为预定义的结构化格式。

核心价值

1. 数据提取：从非结构化文本中提取关键信息
2. 系统集成：为下游API提供标准化数据格式
3. 质量控制：确保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

response = client.models.generate_content(
    model=MODEL_ID,
    contents="提供2个流行饼干食谱",
    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，确保模型返回的数据完全符合我们的业务需求。

二、函数调用：连接AI与外部世界

函数调用能力让Gemini模型可以智能地决定何时调用开发者定义的函数，实现与外部系统的交互。

典型应用场景

• 实时数据获取（天气、股票等）
• 数据库查询
• 复杂计算任务
• 多步骤业务流程

实现模式

1. 基础函数调用流程

def get_weather(location: str) -> dict:
    # 实际应用中这里会调用天气API
    return {"temperature": 22, "condition": "sunny"}

# 定义函数声明
weather_function = {
    "name": "get_weather",
    "description": "获取指定位置的天气信息",
    "parameters": {...}
}

# 发送请求并处理函数调用
response = client.models.generate_content(
    model=MODEL_ID,
    contents="东京天气如何？",
    config=types.GenerateContentConfig(tools=[weather_function])

2. 自动函数调用（Python特有）

# 直接将函数传递给配置
config = types.GenerateContentConfig(tools=[get_weather, calculate_area])

response = client.models.generate_content(
    model=MODEL_ID,
    contents="东京天气和5x3米房间面积是多少？",
    config=config
)

自动函数调用简化了开发流程，SDK会自动处理函数调用和结果整合。

三、原生工具：开箱即用的强大能力

Gemini提供了一系列原生工具，无需额外配置即可使用。

1. Google搜索集成

google_search_tool = types.Tool(google_search=types.GoogleSearch())

response = client.models.generate_content(
    model=MODEL_ID,
    contents="2025年可再生能源技术有哪些最新进展？",
    config=types.GenerateContentConfig(tools=[google_search_tool])

2. URL内容分析

url_context_tool = types.Tool(url_context=types.UrlContext())

response = client.models.generate_content(
    model=MODEL_ID,
    contents="用3个要点总结https://www.python.org/about/的主要内容",
    config=types.GenerateContentConfig(tools=[url_context_tool])

3. 代码执行能力

code_execution_tool = types.Tool(code_execution={})

response = client.models.generate_content(
    model=MODEL_ID,
    contents="用matplotlib绘制世界五大城市人口柱状图",
    config=types.GenerateContentConfig(tools=[code_execution_tool])

四、实战练习

练习1：PDF发票数据提取

使用结构化输出从PDF发票中提取关键信息：

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

# 上传PDF并提取结构化数据

练习2：计算器代理

实现四则运算函数并集成到Gemini中：

def add(a: float, b: float) -> dict:
    return {"result": a + b}

# 测试复杂表达式："计算(25 + 15) * 3 - 10"

练习3：数据搜索与可视化

结合Google搜索和代码执行工具：

# 搜索世界五大城市人口并可视化

五、最佳实践与注意事项

1. 结构化输出：始终定义完整的Pydantic模型，包括字段类型和验证规则
2. 函数调用：为函数提供清晰的文档字符串，帮助模型理解何时调用
3. 错误处理：考虑函数调用失败时的回退方案
4. 工具组合：合理搭配不同工具实现复杂工作流
5. 安全考虑：特别注意代码执行工具的安全风险

结语

通过本文介绍的结构化输出、函数调用和原生工具，开发者可以构建出更强大、更可靠的AI应用。这些技术不仅提高了模型的实用性，也为AI系统集成提供了标准化方案。在实际项目中，建议从简单场景开始，逐步构建复杂的交互流程。