当前位置： 首页 > news >正文

构建AI智能体：四十二、使用 Qwen-Agent Assistant 调用高德 API 实现天气查询

news 2025/9/24 10:24:09

一、系统概述

        随着大模型技术的发展，智能助手（Agent）已成为连接用户需求与外部服务的核心载体。Qwen-Agent作为基于通义千问大模型的智能框架，支持通过工具调用扩展能力，而高德天气API则提供了稳定、实时的气象数据服务。本文旨在实现Qwen-Agent的Assistant助手与高德天气API的无缝集成，构建一个能响应用户自然语言查询、返回精准天气信息的智能系统。

项目目标：

  • 掌握高德天气API的参数配置与数据解析方法
  • 理解Qwen-Agent的工具调用机制与Assistant初始化流程
  • 实现从用户自然语言到天气数据的端到端处理
  • 提供多平台交互接口（命令行 + Web 界面）
  • 对比Function Call实现和Assistant助手实现的差异性

执行流程：

流程解析：

  1. 用户输入 - 用户通过自然语言提出问题
  2. Qwen-Agent - 接收并初步处理用户输入
  3. 意图识别 - 分析用户意图，判断是否需要调用天气工具
  4. 工具调用 - 触发天气查询工具函数
  5. 高德API - 向高德地图服务发送天气查询请求
  6. 数据返回 - 接收高德API返回的原始天气数据
  7. 结果格式化 - 将原始数据转换为友好的自然语言描述
  8. 用户输出 - 向用户展示最终的天气信息

二、高德天气API详解

1. 注册与创建应用

  • 访问高德开放平台，使用支付宝或手机号注册账号
  • 进入控制台，点击“创建应用”，填写应用名称（如“Qwen-Weather-Assistant”），选择应用类型为“Web服务”
  • 在应用下点击“添加Key”，服务平台选择“Web服务”，提交后获取API密钥（Key）

2. API基础信息

  • 服务地址：https://restapi.amap.com/v3/weather/weatherInfo
  • 请求方式：GET
  • 数据来源：中国气象局，实况天气每小时更新多次，预报天气每日更新3次（8:00、11:00、18:00左右）

3. 请求参数说明

参数名必选说明示例值
key是开发者申请的Web服务API密钥3376f9xxxxxxxx
city是城市编码（adcode），可从高德城市编码表下载110000（北京）
extensions否 气象类型：base（实况天气）/all（未来3天预报）默认base    all
output否返回格式：JSON/XML，默认JSONJSON

4. 响应格式解析

4.1 实况天气（extensions=base）

返回lives数组，包含实时天气数据：

{"status": "1",  // 1=成功，0=失败"count": "1",   // 返回结果总数"lives": [{"province": "北京","city": "北京市","adcode": "110000","weather": "晴",          // 天气现象"temperature": "25",     // 实时气温（℃）"winddirection": "南风",  // 风向"windpower": "2",        // 风力（级）"humidity": "45",        // 湿度（%）"reporttime": "2025-09-23 14:30:00"  // 数据更新时间}]
}

4.2 预报天气（extensions=all）

返回forecasts数组，包含未来3天预报：

{"forecasts": [{"city": "北京市","casts": [{"date": "2025-09-23","week": "2",          // 星期几（1=周一，7=周日）"dayweather": "晴",   // 白天天气"nightweather": "多云",// 夜间天气"daytemp": "28",      // 白天温度（℃）"nighttemp": "18"     // 夜间温度（℃）},// 后续2天预报...]}]
}

5. API调用示例

使用Python的requests库直接调用API：

import os
import requestsdef get_amap_weather(city_code="110000", extensions="base"):url = "https://restapi.amap.com/v3/weather/weatherInfo"params = {"key": os.getenv("AMAP_TOKEN"),"city": city_code,"extensions": extensions}response = requests.get(url, params=params)return response.json()# 测试调用
weather_data = get_amap_weather("110000", "base")
print("北京实时天气：", weather_data["lives"][0]["weather"], weather_data["lives"][0]["temperature"], "℃")

三、Qwen-Agent 中的 Assistant介绍

        Assistant 类是 Qwen-Agent 框架中的核心组件，它封装了大语言模型的对话能力和工具调用功能。下面从多个维度详细解析这个类：

1. 类的基本定义

class Assistant:"""基于大语言模型的智能助手，支持工具调用和多轮对话"""

2. 设计特点：

  • 面向对话：专门为多轮对话场景设计
  • 工具集成：支持函数调用扩展模型能力
  • 状态管理：自动维护对话历史上下文
  • 易于使用：提供简洁的API接口

3. 核心配置参数

def __init__(self,llm: Union[Dict, BaseChatModel] = None,  # 语言模型配置name: str = "Assistant",                 # 助手名称description: str = "",                   # 助手描述system_message: str = "",               # 系统提示词function_list: Optional[List] = None,   # 工具函数列表files: Optional[List[str]] = None,      # 文件列表knowledge: Optional[Union[str, List[str]]] = None,  # 知识库response_format: str = "message",       # 响应格式**kwargs
):

llm参数 - 语言模型配置

llm_cfg = {'model': 'qwen-turbo',           # 模型名称'model_server': 'dashscope',     # 服务提供商'api_key': 'your-api-key',       # API密钥'max_retries': 3,               # 最大重试次数'timeout': 30,                  # 超时时间'temperature': 0.7,             # 生成温度'top_p': 0.8,                   # 核采样参数
}

function_list 参数 - 工具集成

function_list = ['get_current_weather',          # 注册的工具名称'search_internet',              # 网络搜索工具'calculate_math',               # 数学计算工具{'name': 'custom_tool',      # 自定义工具配置'description': '工具描述','parameters': {...}}
]

使用示例：

# 初始化助手
assistant = Assistant(llm=llm_cfg, function_list=['weather_tool'])# 构建消息
messages = [{'role': 'user', 'content': '北京今天天气怎么样？'}
]# 执行对话（流式）
for response_chunk in assistant.run(messages):print(response_chunk)# 输出示例：# {'role': 'assistant', 'content': '正在查询天气...'}# {'role': 'assistant', 'content': '北京今天晴，温度25°C...'}

总而言之，Assistant 类是 Qwen-Agent 框架的核心，它提供了：

  • 简化的API接口：让开发者快速构建智能助手应用
  • 强大的工具集成：通过函数调用扩展模型能力
  • 灵活的配置选项：支持多种使用场景和需求
  • 生产级可靠性：内置错误处理和性能优化
  • 良好的扩展性：支持自定义工具和预处理逻辑

        这个设计体现了现代AI应用开发的最佳实践，平衡了易用性和功能性，是构建企业级AI助手应用的理想选择。

四、对比 function call 的实现

        在《构建AI智能体：七、Function Calling - 解锁大语言模型的实际行动力+案例解析》一文中我们讲过通过Function Calling调用的实现方式，不过调用的方法是固定的，没有通过高德api获取，今天我们修改一下，顺便了解两者的差异；

1. 定义高德天气API工具

# 高德天气 API 的 天气工具定义（JSON 格式）
weather_tool = {"type": "function","function": {"name": "get_current_weather","description": "Get the current weather in a given location","parameters": {"type": "object","properties": {"location": {"type": "string","description": "The city name, e.g. 北京",},"adcode": {"type": "string","description": "The city code, e.g. 110000 (北京)",}},"required": ["location"],},},
}

2. 调用高德地图API查询天气

def get_weather_from_gaode(location: str, adcode: str = None):"""调用高德地图API查询天气"""gaode_api_key = "df62*******"  # 替换成你的高德API Keybase_url = "https://restapi.amap.com/v3/weather/weatherInfo"params = {"key": gaode_api_key,"city": adcode if adcode else location,"extensions": "base",  # 可改为 "all" 获取预报}response = requests.get(base_url, params=params)if response.status_code == 200:return response.json()else:return {"error": f"Failed to fetch weather: {response.status_code}"}

3. 使用 Qwen3 + 查询天气并检测工具调用

def run_weather_query():"""使用 Qwen3 + 查询天气，并让大模型输出最终结果"""messages = [{"role": "system", "content": "你是一个智能助手，可以查询天气信息。"},{"role": "user", "content": "北京现在天气怎么样？"}]print("第一次调用大模型...")response = dashscope.Generation.call(model="qwen-turbo",  # 可使用 Qwen3 最新版本messages=messages,tools=[weather_tool],  # 传入工具定义tool_choice="auto",  # 让模型决定是否调用工具)print(response)if response.status_code == HTTPStatus.OK:tool_map = {"get_current_weather": get_weather_from_gaode,# 如有更多工具，在此添加}# 从响应中获取消息assistant_message = response.output.choices[0].message

4. 结果展示

五、示例：基于Qwen-Agent智能天气查询助手

        一个基于Qwen大模型的智能天气查询助手的示例，具备通过自然语言查询天气信息、支持终端和Web两种交互界面、集成高德地图API获取实时天气数据、使用函数调用技术实现工具调用的功能；

1. 重要配置模块

import os
import asyncio
import requests
from typing import Optional
import dashscope
from qwen_agent.agents import Assistant
from qwen_agent.gui import WebUI
import pandas as pd
from sqlalchemy import create_engine
from qwen_agent.tools.base import BaseTool, register_tool
  • dashscope: 阿里云通义千问API的Python SDK
  • qwen_agent: Qwen智能代理框架，提供对话和工具调用能力
  • 其他标准库用于文件操作、网络请求、数据处理等

2. 定义配置文件

# DashScope API 配置
# 请在此处填写您的 API Key
DASHSCOPE_API_KEY = "your_api_key_here"# 高德地图 API 配置
GAODE_API_KEY = "df623d********"# 模型配置
MODEL_CONFIG = {'model': 'qwen-turbo-2025-04-28','timeout': 30,'retry_count': 3,
}

3. 配置加载机制

try:from config import DASHSCOPE_API_KEY, GAODE_API_KEY, MODEL_CONFIG
except ImportError:# 使用环境变量或默认值
  • 设计模式：使用配置管理单独配置参数
  • 优先从config.py加载配置
  • 失败时使用环境变量或硬编码默认值
  • 提供明确的错误提示

4. 天气查询工具实现

@register_tool('get_current_weather')
class WeatherTool(BaseTool):def call(self, params: str, **kwargs) -> str:return self.get_weather_from_gaode(location, adcode)
  • 装饰器注册：@register_tool将类注册为可用工具
  • 继承BaseTool：遵循Qwen Agent的工具接口规范
  • 参数解析：从JSON字符串解析位置参数
  • 错误处理：完整的异常捕获和友好错误信息

5. 高德地图API集成

def get_weather_from_gaode(self, location: str, adcode: str = None) -> str:params = {"key": gaode_api_key,"city": adcode if adcode else location,"extensions": "base",}
  • 使用高德地图天气API v3
  • 支持城市名称或行政编码查询
  • 返回结构化天气信息（温度、湿度、风力等）
  • 处理API响应状态码和错误信息

6. 助手服务初始化

def init_agent_service():bot = Assistant(llm=llm_cfg,name='天气助手',description='天气助手，查询天气',function_list=['get_current_weather'],)

Agent配置：

  • 指定使用的语言模型（qwen-turbo）
  • 定义助手身份和功能描述
  • 注册可用的工具列表
  • 设置系统提示词

7. 终端交互模式 (TUI)

def app_tui():while True:query = input('user question: ')file = input('file url (press enter if no file): ').strip()# 构建消息并获取响应for response in bot.run(messages):print('bot response:', response)

交互流程：

  • 持续对话循环
  • 支持纯文本和文件输入
  • 实时流式输出响应
  • 维护对话历史上下文

8. 图形界面模式 (GUI)

def app_gui():chatbot_config = {'prompt.suggestions': ['北京今天的天气怎么样？']}WebUI(bot, chatbot_config=chatbot_config).run()

Web界面特性：

  • 基于Web的聊天界面
  • 预置提示建议
  • 更友好的用户体验
  • 自动检测依赖并优雅降级

9. 主程序入口

if __name__ == '__main__':try:from qwen_agent.gui import WebUIapp_gui()  # 优先使用GUIexcept ImportError:app_tui()  # 降级到TUI

智能启动策略：

  • 自动检测GUI依赖可用性
  • 优先提供更好的用户体验（GUI）
  • 无依赖时自动切换到终端模式
  • 完整的错误处理和日志记录

运行过程示例：

        # 用户输入： "北京今天天气怎么样？"
        # AI处理流程：
        1. 理解用户查询意图 → 天气查询
        2. 提取参数 → location="北京"
        3. 调用WeatherTool → 高德API
        4. 返回结构化结果 → 温度、湿度、风力等
        5. 自然语言格式化输出

        这个代码实现了一个企业级的智能天气查询助手，展示了如何将大语言模型与实际API服务结合，提供有价值的AI应用服务。

查询其他城市的天气返回结果：

六、应用场景

  • 智能客服系统：为用户提供实时天气查询，支持多轮对话（如“北京今天天气如何？明天会下雨吗？”）
  • 物联网设备集成：结合智能家居设备，根据天气数据自动调节室内环境（如高温时启动空调）
  • 出行助手：为用户提供包含天气信息的行程建议（如“今天有雨，建议携带雨伞”）

七、总结

        本文档详细介绍了如何使用 Qwen-Agent Assistant 结合高德 API 开发智能天气查询系统。通过这个项目，可以了解到：

  • 申请高德与通义千问API密钥，配置开发环境
  • 解析高德天气API的请求参数与响应格式
  • 通过Qwen-Agent注册工具、初始化Assistant，实现自然语言到天气数据的转换
  • 测试验证功能并解决常见问题

        这个项目不仅提供了实用的天气查询功能，更重要的是展示了如何将 AI 大模型与实际 API 服务相结合，构建真正有用的智能应用。可以根据这个基础框架，进一步扩展更多有趣的功能。

扩展建议：

  • 多城市同时查询：支持批量查询多个城市天气
  • 天气预警功能：集成气象局预警信息
  • 历史天气查询：查询过去某天的天气情况
  • 天气趋势分析：提供天气变化趋势分析
  • 个性化推荐：根据天气给出穿衣、出行建议

附录：完整实例代码

import os
import asyncio
import requests
from typing import Optional
import dashscope
from qwen_agent.agents import Assistant
from qwen_agent.gui import WebUI
import pandas as pd
from sqlalchemy import create_engine
from qwen_agent.tools.base import BaseTool, register_tool# 导入配置
try:from config import DASHSCOPE_API_KEY, GAODE_API_KEY, MODEL_CONFIGprint("成功加载配置文件")
except ImportError:print("警告：未找到配置文件，将使用环境变量或默认值")DASHSCOPE_API_KEY = os.getenv('DASHSCOPE_API_KEY', '')GAODE_API_KEY = "df623d56********************"MODEL_CONFIG = {'model': 'qwen-turbo-2025-04-28','timeout': 30,'retry_count': 3,}# 定义资源文件根目录
ROOT_RESOURCE = os.path.join(os.path.dirname(__file__), 'resource')# 配置 DashScope
dashscope.api_key = DASHSCOPE_API_KEY
print(f"使用的 API Key: {dashscope.api_key}")
dashscope.timeout = 30  # 设置超时时间为 30 秒functions_desc = [{"name": "get_current_weather","description": "获取指定位置的当前天气情况","parameters": {"type": "object","properties": {"location": {"type": "string","description": "城市名称，例如：北京",},"adcode": {"type": "string","description": "城市编码，例如：110000（北京）",}},"required": ["location"],},}
]# ====== 天气查询工具实现 ======
@register_tool('get_current_weather')
class WeatherTool(BaseTool):"""天气查询工具，通过高德地图API查询指定位置的天气情况。"""description = '获取指定位置的当前天气情况'parameters = [{'name': 'location','type': 'string','description': '城市名称，例如：北京','required': True}, {'name': 'adcode','type': 'string','description': '城市编码，例如：110000（北京）','required': False}]def call(self, params: str, **kwargs) -> str:import jsonargs = json.loads(params)location = args['location']adcode = args.get('adcode', None)return self.get_weather_from_gaode(location, adcode)def get_weather_from_gaode(self, location: str, adcode: str = None) -> str:"""调用高德地图API查询天气"""gaode_api_key = "df623d56***********"  # 高德API Keybase_url = "https://restapi.amap.com/v3/weather/weatherInfo"params = {"key": gaode_api_key,"city": adcode if adcode else location,"extensions": "base",  # 可改为 "all" 获取预报}try:response = requests.get(base_url, params=params)if response.status_code == 200:data = response.json()if data.get('status') == '1' and data.get('lives'):weather_info = data['lives'][0]result = f"天气查询结果：\n城市：{weather_info.get('city')}\n天气：{weather_info.get('weather')}\n温度：{weather_info.get('temperature')}°C\n风向：{weather_info.get('winddirection')}\n风力：{weather_info.get('windpower')}\n湿度：{weather_info.get('humidity')}%\n发布时间：{weather_info.get('reporttime')}"return resultelse:return f"获取天气信息失败：{data.get('info', '未知错误')}"else:return f"请求失败：HTTP状态码 {response.status_code}"except Exception as e:return f"获取天气信息出错：{str(e)}"# ====== 初始化助手服务 ======
def init_agent_service():"""初始化助手服务"""llm_cfg = MODEL_CONFIGtry:bot = Assistant(llm=llm_cfg,name='天气助手',description='天气助手，查询天气',system_message="你是一名有用的助手",function_list=['get_current_weather'],  # 增加天气工具)print("助手初始化成功！")return botexcept Exception as e:print(f"助手初始化失败: {str(e)}")raisedef app_tui():"""终端交互模式提供命令行交互界面，支持：- 连续对话- 文件输入- 实时响应"""try:# 初始化助手bot = init_agent_service()# 对话历史messages = []while True:try:# 获取用户输入query = input('user question: ')# 获取可选的文件输入file = input('file url (press enter if no file): ').strip()# 输入验证if not query:print('user question cannot be empty！')continue# 构建消息if not file:messages.append({'role': 'user', 'content': query})else:messages.append({'role': 'user', 'content': [{'text': query}, {'file': file}]})print("正在处理您的请求...")# 运行助手并处理响应response = []for response in bot.run(messages):print('bot response:', response)messages.extend(response)except Exception as e:print(f"处理请求时出错: {str(e)}")print("请重试或输入新的问题")except Exception as e:print(f"启动终端模式失败: {str(e)}")def app_gui():"""图形界面模式，提供 Web 图形界面"""try:print("正在启动 Web 界面...")# 初始化助手bot = init_agent_service()# 配置聊天界面，列举3个典型门票查询问题chatbot_config = {'prompt.suggestions': ['北京今天的天气怎么样？',]}print("Web 界面准备就绪，正在启动服务...")# 启动 Web 界面WebUI(bot,chatbot_config=chatbot_config).run()except Exception as e:print(f"启动 Web 界面失败: {str(e)}")print("请检查网络连接和 API Key 配置")if __name__ == '__main__':# 运行模式选择print("开始运行程序...")try:# 检查是否已安装 GUI 依赖try:from qwen_agent.gui import WebUIprint("GUI 依赖已安装，启动图形界面模式...")app_gui()          # 图形界面模式except ImportError:print("GUI 依赖未安装，启动终端模式...")print("如需使用图形界面，请运行: pip install \"qwen-agent[gui]\"")app_tui()          # 终端模式except Exception as e:print(f"运行出错: {str(e)}")import tracebacktraceback.print_exc()

http://www.dtcms.com/a/399297.html

相关文章：

  • 网站用的服务器网站怎么维护更新
  • Metal - 2. 3D 模型深度解析
  • 做非经营网站需要营业执照莱芜在线沙总
  • 网站建设模板研究玉林市网站开发公司电话
  • 无线数传模块优化挖掘机工厂机械设备的远程监控通讯
  • 【最终章】-串口收发指令处理器-Verilog语法学习EP12
  • 嵌入模型与向量数据库
  • 白山商城网站建设昆明网站建设猫咪
  • git的在工作中使用的一些注意事项
  • 河北网站备案多久wordpress站点管理
  • 力扣300.最长递增子序列（经典dp)力扣375.猜数字II力扣.329矩阵最长的递增子序列力扣.33搜索旋转排序数组
  • Kasaraju 算法详解：强连通分量（SCC）检测与循环依赖分析
  • python+springboot+vue的食物营养分析与推荐网站
  • 网站前端开发工具有哪些？常用网站前端开发工具推荐、网站前端开发工具对比与最佳实践分享
  • SMBJ 简单使用指南 实现在 Java/Android 程序中访问 SMB 服务器
  • 做网站市场价关键词首页排名优化价格
  • 给菠菜网站做外包网站主持人制作方法
  • C#性能优化实战：多线程与异步编程技巧详解
  • 网站开发 报价单 表格免费网络电视直播
  • 软件测试自动化率和自动化误报率
  • 储能电池包的自动化产线探秘|深圳比斯特自动化
  • 企业内部网站开发电商网站设计岗位主要是
  • 为什么自己做的网站打开是乱码上海自助建站系统
  • Spring AOP + Redisson 实现基于注解的分布式限流方案
  • VMware 性能优化完整指南
  • Vue 3 项目实战教程大事件管理系统 (一)：从零开始搭建项目基础
  • 手机Nexus5 安装 Linux(3) - python3
  • vue el-form 自定义校验, 校验用户名调接口查重
  • 大型网站开发团队北京市轨道交通建设管理有限公司网站
  • 【力扣LeetCode】 349_两个数组的交集