大模型应用开发实战：函数调用与工具集成环境搭建

大模型应用开发进入第五阶段，内容逐渐从基础铺垫转向实战开发。这一阶段的核心主题是函数调用（Function Calling）与工具集成，为后续的 MCP、RAG、Agent 乃至多 Agent 协同打下基础。本文基于 B站 UP 主（花菜编程）的教学实录，梳理从源码获取到前后端启动的完整环境搭建流程，帮助想从第五阶段切入的开发者快速跑通项目。

阶段定位：从枯燥铺垫到有趣实战

在整个大模型应用开发的学习路线中，前四个阶段多为基础搭建，内容相对枯燥。进入第五阶段后，项目开始真正具备「智能体」的雏形——通过函数调用让大模型能够主动调用外部工具，例如天气查询、时间获取等。

按照作者规划，后续还将涉及 MCP（Model Context Protocol）、RAG（检索增强生成）、Agent 与多 Agent 协同等更高阶的主题。可以理解为，函数调用是让模型「长出手脚」的第一步，它决定了模型能否跳出纯文本对话，去操作真实世界的工具和数据。

对于已经跟完第四阶段的开发者，可直接延续现有代码进入下一步；而想从第五阶段起步的读者，则需要先获取上一阶段结束时的源码（对应教程中的 057 结束源码或 058 起始源码）作为基线。

函数调用（Function Calling） 是大语言模型的一项关键能力扩展：开发者预先定义好若干"工具函数"（如查询天气、获取当前时间、搜索数据库），并将这些函数的名称、参数格式和用途描述一并传给模型。当用户提问触发对应需求时，模型不会直接生成答案，而是输出一段结构化的"调用指令"，告知应用层应该调用哪个函数、传入哪些参数。应用层执行函数后，将结果返回给模型，模型再基于真实数据生成最终回复。这一机制打破了纯文本对话的局限，使模型能够与外部 API、数据库乃至操作系统进行实时交互，是构建 Agent（智能体）的核心底层能力。MCP（Model Context Protocol）是 Anthropic 推出的开放协议，旨在标准化模型与外部工具/数据源之间的连接方式，可以理解为函数调用的"标准化接口层"；RAG（Retrieval-Augmented Generation，检索增强生成）则通过在推理时动态检索外部知识库来弥补模型知识截止的不足，两者与函数调用共同构成现代 AI 应用的三大基础支柱。

创建虚拟环境：解释器路径是关键

下载源码并解压后，将项目拖入 PyCharm 打开。后端位于 fastAPI 目录下，首要任务是创建独立的虚拟环境。

当 PyCharm 右下角显示「无解释器」时，点击添加新的解释器，选择本地解释器。这里有一个容易踩坑的细节：虚拟环境的位置必须放在后端路径（即 fastAPI 目录）下，需要手动浏览并定位到该文件夹，再在路径后追加 -venv。

确认后等待进度条跑完，正常情况下 fastAPI 目录下会生成 -venv 文件夹。如果没有立即出现，往往是 PyCharm 的缓存刷新问题——关闭项目再重新打开，或多刷新几次目录即可解决。这类卡顿在配置较低的电脑上较为常见，并非配置错误。

Python 虚拟环境（Virtual Environment）的作用是为每个项目创建一套独立的包依赖空间，避免不同项目之间的库版本冲突。PyCharm 会在指定目录下生成一个包含独立 Python 解释器和 site-packages 的文件夹（此处命名为 -venv），项目运行时优先使用该目录内的解释器和依赖，而非系统全局环境。将虚拟环境建在 fastAPI 后端目录下而非项目根目录，是因为前后端分离架构中，后端 Python 依赖与前端 Node.js 依赖完全独立管理——PyCharm 的 Python 解释器只需感知后端目录，这样 requirements 文件的解析和包下载都会自动对应到正确的虚拟环境，不会误将前端目录纳入作用域。

配置数据库与密钥：改成自己的

环境就绪后，下一步是准备数据库和 API 密钥。打开 .env 文件，其中包含三个需要修改的关键项：数据库名称（fastAPI）、MySQL 密码，以及智谱（GLM）开放平台的 API 密钥。

密钥获取方式很直接：访问智谱开放平台，充值少量费用后，在 API Keys 页面创建一个新的 Key，复制粘贴到 .env 对应位置即可。作者特别强调，教程中演示的密钥会被删除或替换，读者必须使用自己的密钥，这既是出于安全考虑，也避免调用额度被占用。

接着在 PyCharm 的 Database 面板新建 MySQL 数据源，使用最高权限账号和本机密码，测试连接成功后应用。然后右键新建架构（Schema），命名为 fastAPI，排序规则选择 utf8mb4 系列。最后将数据源的默认数据库指向 fastAPI，再次测试连接确认成功。

初始化数据表与依赖拉取

数据库建好后，需要运行项目自带的 SQL 脚本初始化表结构。在 PyCharm 中右键 fastAPI.sql，选择「运行 SQL 脚本」，定位到解压后的脚本文件执行。运行完成后数据库中应出现 8 张表，这是前几个阶段累积下来的数据模型。

表结构就绪后，进入依赖拉取环节。这里可以并行操作以节省时间：

• 后端依赖：通过 PyCharm 对 requirements/pyproject 的可视化方案一键下载
• 前端依赖：在 vue 包目录下打开终端，执行 npm i（即 npm install 简写）

两边同时进行，等待进度条跑完即可。前后端依赖分别管理是全栈项目的常规做法，互不干扰。

npm i（即 npm install）会读取前端 vue 目录下的 package.json 文件，将其中声明的所有依赖包下载到本地 node_modules 文件夹。首次拉取时下载量较大（Vue 生态项目通常有数百个间接依赖），在网络条件一般的环境下可能耗时几分钟，与后端 Python 依赖并行下载可有效缩短整体等待时间。如果遇到 npm 下载缓慢的问题，可以在执行前先将 npm 源切换为国内镜像：npm config set registry https://registry.npmmirror.com，之后再运行 npm i 速度会有明显提升。

启动验证：先后端再前端

启动顺序必须是先后端、再前端。在 fastAPI 目录下打开终端，执行启动指令，回车后若终端提示启动成功，可通过 Ctrl + 鼠标左键访问后端地址。看到「你好，恭喜你成功启动了后端」的响应，即代表后端正常运行。

验证通过后，后端终端无需保持可视化访问（返回的 404 多为 favicon.ico 图标请求，可忽略），即可切换到前端启动。在 vue 包目录下执行 npm run dev，浏览器会自动打开登录页。

使用数据库 user 表中的超级管理员账号（用户名 admin，密码 admin123）登录后，用户管理、角色管理、菜单管理、AI 助手聊天等模块应全部可用。在 AI 助手中输入消息（Ctrl + 回车发送），能快速收到「我是花菜编程网的 AI 助手」的回复，说明大模型接口也已正常打通。

小结：为工具集成做好准备

至此，第五阶段的项目环境已完整跑通。这一阶段的搭建虽然仍属「准备工作」，但它是函数调用与工具集成的前提——只有后端服务、数据库和大模型接口三者都稳定运行，才能在后续课程中为模型接入天气工具、时间工具等外部能力。

整个流程中最容易出问题的三个点值得再次提醒：虚拟环境必须建在后端目录下、.env 中的密钥务必替换成自己的、以及 PyCharm 目录不刷新时的缓存处理。把这些细节处理好，就能顺利迈入真正有趣的工具集成实战。