使用工具

在生成模型响应或构建代理时，你可以通过内置工具、函数调用、工具搜索和远程 MCP 服务器来扩展模型能力。这些工具使模型能够搜索网页、从你的文件中检索信息、在运行时加载延迟的工具定义、调用你自己的函数，或访问第三方服务。只有 gpt-5.4 及之后的模型支持 tool_search。

可用工具

以下是 OpenAI 平台中可用工具的概览：

工具	说明
函数调用	调用自定义代码，让模型访问额外数据与能力
网页搜索	在模型响应生成中包含来自互联网的数据
MCP 连接器	通过 Model Context Protocol (MCP) 服务器为模型提供新能力
Skills	上传并复用版本化的技能包到托管 shell 环境中
Shell	在托管容器或本地运行时中执行 shell 命令
计算机使用	创建代理工作流，让模型控制计算机界面
图像生成	使用 GPT Image 生成或编辑图像
文件搜索	在生成响应时搜索已上传文件的内容作为上下文
工具搜索	动态加载相关工具到模型上下文中，优化 token 使用

在 API 中使用

当你发起模型响应请求时，通常通过在 tools 参数中指定配置来启用工具访问。每个工具都有自己独特的配置要求，详见上方的可用工具列表。

模型会根据提供的提示词自动决定是否使用已配置的工具。例如，如果你的提示词请求的信息超出了模型训练截止日期，并且启用了网页搜索，模型通常会调用网页搜索工具来获取相关的最新信息。

某些高级工作流还可以在交互过程中加载更多工具定义。例如，工具搜索可以延迟函数定义，直到模型判断需要它们时再加载。

你可以通过在 API 请求中设置 tool_choice 参数来显式控制或引导这一行为。

工具使用示例

文件搜索

在响应中搜索你的文件：

from openai import OpenAI
client = OpenAI()

response = client.responses.create(
    model="gpt-5.5",
    input="What is deep research by OpenAI?",
    tools=[{
        "type": "file_search",
        "vector_store_ids": ["<vector_store_id>"]
    }]
)
print(response)

import OpenAI from "openai";
const openai = new OpenAI();

const response = await openai.responses.create({
    model: "gpt-5.5",
    input: "What is deep research by OpenAI?",
    tools: [
        {
            type: "file_search",
            vector_store_ids: ["<vector_store_id>"],
        },
    ],
});
console.log(response);

using OpenAI.Responses;

string key = Environment.GetEnvironmentVariable("XIKAPI_API_KEY")!;
OpenAIResponseClient client = new(model: "gpt-5.5", apiKey: key);

ResponseCreationOptions options = new();
options.Tools.Add(ResponseTool.CreateFileSearchTool(["<vector_store_id>"]));

OpenAIResponse response = (OpenAIResponse)client.CreateResponse([
    ResponseItem.CreateUserMessageItem([
        ResponseContentPart.CreateInputTextPart("What is deep research by OpenAI?"),
    ]),
], options);

Console.WriteLine(response.GetOutputText());

远程 MCP

调用远程 MCP 服务器：

curl https://xikapi.com/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $XIKAPI_API_KEY" \
  -d '{
    "model": "gpt-5.5",
    "tools": [
      {
        "type": "mcp",
        "server_label": "dmcp",
        "server_description": "A Dungeons and Dragons MCP server to assist with dice rolling.",
        "server_url": "https://dmcp-server.deno.dev/sse",
        "require_approval": "never"
      }
    ],
    "input": "Roll 2d4+1"
  }'

import OpenAI from "openai";
const client = new OpenAI();

const resp = await client.responses.create({
  model: "gpt-5.5",
  tools: [
    {
      type: "mcp",
      server_label: "dmcp",
      server_description: "A Dungeons and Dragons MCP server to assist with dice rolling.",
      server_url: "https://dmcp-server.deno.dev/sse",
      require_approval: "never",
    },
  ],
  input: "Roll 2d4+1",
});

console.log(resp.output_text);

from openai import OpenAI

client = OpenAI()

resp = client.responses.create(
    model="gpt-5.5",
    tools=[
        {
            "type": "mcp",
            "server_label": "dmcp",
            "server_description": "A Dungeons and Dragons MCP server to assist with dice rolling.",
            "server_url": "https://dmcp-server.deno.dev/sse",
            "require_approval": "never",
        },
    ],
    input="Roll 2d4+1",
)

print(resp.output_text)

using OpenAI.Responses;

string key = Environment.GetEnvironmentVariable("XIKAPI_API_KEY")!;
OpenAIResponseClient client = new(model: "gpt-5.5", apiKey: key);

ResponseCreationOptions options = new();
options.Tools.Add(ResponseTool.CreateMcpTool(
    serverLabel: "dmcp",
    serverUri: new Uri("https://dmcp-server.deno.dev/sse"),
    toolCallApprovalPolicy: new McpToolCallApprovalPolicy(GlobalMcpToolCallApprovalPolicy.NeverRequireApproval)
));

OpenAIResponse response = (OpenAIResponse)client.CreateResponse([
    ResponseItem.CreateUserMessageItem([
        ResponseContentPart.CreateInputTextPart("Roll 2d4+1")
    ])
], options);

Console.WriteLine(response.GetOutputText());

在 Agents SDK 中使用

在 Agents SDK 中，工具的语义保持不变，但接线方式从单个 Responses API 请求转移到了代理定义和工作流设计中。

• 将托管工具、函数工具或托管 MCP 工具直接附加到代理上
• 将专家代理暴露为工具，让管理者代理保持对用户回复的控制
• 在你的运行时中保留 shell、apply patch 和 computer-use 工具

将本地逻辑包装为函数工具

import { tool } from "@openai/agents";
import { z } from "zod";

const getWeatherTool = tool({
  name: "get_weather",
  description: "Get the weather for a given city.",
  parameters: z.object({ city: z.string() }),
  async execute({ city }) {
    return `The weather in ${city} is sunny.`;
  },
});

from agents import function_tool


@function_tool
def get_weather(city: str) -> str:
    """Get the weather for a given city."""
    return f"The weather in {city} is sunny."

将专家代理暴露为工具

import { Agent } from "@openai/agents";

const summarizer = new Agent({
  name: "Summarizer",
  instructions: "Generate a concise summary of the supplied text.",
});

const mainAgent = new Agent({
  name: "Research assistant",
  tools: [
    summarizer.asTool({
      toolName: "summarize_text",
      toolDescription: "Generate a concise summary of the supplied text.",
    }),
  ],
});

from agents import Agent

summarizer = Agent(
    name="Summarizer",
    instructions="Generate a concise summary of the supplied text.",
)

main_agent = Agent(
    name="Research assistant",
    tools=[
        summarizer.as_tool(
            tool_name="summarize_text",
            tool_description="Generate a concise summary of the supplied text.",
        )
    ],
)

更多关于代理定义、编排与交接、安全护栏与人工审核、集成与可观测性的内容，请参考 Agents SDK 文档。