OpenAI Responses API function_call_output 怎样关联 call_id

Responses API 返回 function_call 后，工具结果不是重新写一个函数名，也不是把 response.id 当成关联键。正确做法是读取该工具调用项的 call_id，执行本地函数，再创建 type=function_call_output 的输入项，并把同一个 call_id 原样放回去。一次响应有多个工具调用时，每个结果都要分别关联自己的 ID。

官方文档：https://developers.openai.com/api/docs/guides/function-calling

先保护调用关联：三个 ID 不是一回事

我在接工具调用时最容易踩的坑，是把几个看起来相似的字段放进同一个“请求 ID”变量。Responses API 的响应有自己的 response.id；输出数组中的 function_call 还会带 id、call_id、name 和 JSON 字符串形式的 arguments。其中真正用于提交工具结果的是 call_id。

可以把它理解成一张关联表：响应 ID 标记这一轮响应，函数调用 ID 标记输出项，调用关联 ID 标记“这个工具结果要归还给哪一次调用”。文章标题中的 function_call_output 只需要关心最后一列。不要从函数名、数组下标或自己的业务订单号推导它。

错误回传通常发生在三条路径

第一条是把 response.id 回填到 function_call_output.call_id。这会让模型找不到对应的工具调用；第二条是只保存了一个全局 last_call_id，而模型一次返回多个 function call，后处理时前面的结果被覆盖；第三条是执行结果只写在日志里，没有真正追加到下一轮 input。

安全建模时，工具调用结果本身也是需要保护的资产：它既要和正确调用关联，又要保持可解析、可审计。函数返回值通常序列化为字符串，JSON 是常见选择；发生异常时也应返回明确的错误对象或错误字符串，让模型知道工具失败，而不是伪造成功结果。工具名和参数解析仍由应用侧控制，不能因为模型给出了函数名就直接执行任意本地入口。

Python 实现：保留原输出，按 call_id 逐项回填

下面的最小实现把第一轮的 response.output 追加回输入历史，再为每个工具调用追加一个对应的 function_call_output。这样既不会丢掉调用上下文，也不会把多个工具结果混在一起。

import json
from openai import OpenAI

client = OpenAI()

tools = [{
    "type": "function",
    "name": "get_weather",
    "description": "查询一个城市的天气摘要",
    "parameters": {
        "type": "object",
        "properties": {"location": {"type": "string"}},
        "required": ["location"],
        "additionalProperties": False,
    },
    "strict": True,
}]

def get_weather(location):
    # 真实项目中应调用受控的天气服务，不要把模型参数当作任意命令执行。
    return {"location": location, "summary": "晴，示例数据"}

input_items = [{"role": "user", "content": "查询上海天气"}]
response = client.responses.create(
    model="gpt-6-astra",
    tools=tools,
    input=input_items,
)

# 保留模型这一轮的输出，避免丢失工具调用上下文。
input_items += response.output

for item in response.output:
    if item.type != "function_call":
        continue

    # 只允许应用已登记的函数，并解析模型给出的 JSON 参数。
    if item.name != "get_weather":
        raise ValueError(f"不允许的工具：{item.name}")
    arguments = json.loads(item.arguments)
    result = get_weather(arguments["location"])

    # call_id 必须原样回填；一次响应的每个调用都要单独追加结果。
    input_items.append({
        "type": "function_call_output",
        "call_id": item.call_id,
        "output": json.dumps(result, ensure_ascii=False),
    })

final_response = client.responses.create(
    model="gpt-6-astra",
    tools=tools,
    input=input_items,
)
print(final_response.output_text)

这个例子的关键不是天气函数，而是两次请求之间的输入顺序：先保留模型生成的 function call，再追加与其一一对应的输出。若只使用 previous_response_id 传递轮次，也要确保推理模型要求保留的相关上下文没有被截断。

审计时只看四个可复查证据

如果需要日志，建议记录响应 ID、调用的 call_id、工具名、参数摘要、执行状态和耗时；参数中的隐私数据应脱敏。重试时不要把一个旧的工具结果无条件复制到新一轮调用上，先确认它仍属于同一个调用关联。

几个容易混淆的问题

为什么不能用 function_call.id？因为 Responses API 文档把用于提交函数结果的关联字段定义为 call_id。id 可以用于识别输出项，但回填时不要自行替换字段语义。

工具返回值必须是 JSON 吗？不必须。结果通常以字符串传入，字符串可以是 JSON、错误码或普通文本；如果后续逻辑依赖字段，JSON 更容易稳定解析。

一次有多个 call_id 怎么办？把每个 function call 当成独立任务：解析自己的参数、执行对应函数、用自己的 call_id 追加一个 function_call_output，再发起下一轮请求。

记住一句话即可：function_call.call_id 是工具请求与工具结果之间的关联键；先保留原输出，再逐项回传结果，Responses API 的工具调用轮次就不会因为 ID 混用而断开。