关键词：AI Agent、Function Calling、工具调用、高可用、聚合 API
适用：想给自己的项目加一个「能自己想办法完成任务」的智能体

一、Agent 到底是什么

很多人把「调一次大模型」当成 Agent，其实不是。真正的 Agent（像 WorkBuddy 这类）核心是循环：

模型看任务 → 决定调哪个工具 → 我们执行 → 结果喂回模型 → 模型继续想，直到给出最终答案。

关键在「模型自己决定调工具」，而不是你来硬编码流程。今天就用聚合 API，把这个过程跑通，并且支持一键切换大脑（Claude / GPT / DeepSeek）。

二、环境准备

pip install openai

登录 TokenPortal 控制台创建 API Key，存好。控制台入口与模型清单来我主页查看。base_url 以控制台「API 文档」页为准（本文用 https://api.tokenportal.ai/v1 占位）。

三、最小 Agent：模型 + 工具循环

先给 Agent 一个计算器工具，看它会不会自己决定调用：

import json
from openai import OpenAI

client = OpenAI(api_key="你的_KEY", base_url="https://api.tokenportal.ai/v1")

tools = [{
    "type": "function",
    "function": {
        "name": "calculator",
        "description": "计算数学表达式",
        "parameters": {"type": "object", "properties": {"expr": {"type": "string"}}, "required": ["expr"]},
    },
}]

def calculator(expr):  # 真实项目里换成查库/跑代码/调内部API
    return str(eval(expr))  # demo 用，生产请做安全校验

messages = [{"role": "user", "content": "帮我算 (123*456+789)/3 是多少？"}]

while True:
    r = client.chat.completions.create(
        model="anthropic/claude-opus-4.8",  # ← 换大脑只改这里
        messages=messages, tools=tools,
    )
    msg = r.choices[0].message
    if msg.tool_calls:                      # 模型自己决定调工具
        for tc in msg.tool_calls:
            args = json.loads(tc.function.arguments)
            result = calculator(args["expr"])
            messages.append(msg)
            messages.append({"role": "tool", "tool_call_id": tc.id, "content": result})
    else:
        print(msg.content)
        break

运行后你会看到：模型没有直接瞎编答案，而是先调用 calculator，拿到结果再组织回答。这就是 Agent 的「自主」所在。

四、进阶：多模型兜底（高可用）

生产环境最怕单点——某家模型抽风，业务就挂了。聚合 API 让兜底非常轻松：主模型异常，自动切到备选。

def ask(prompt, order):
    messages = [{"role": "user", "content": prompt}]
    for m in order:
        try:
            while True:
                r = client.chat.completions.create(model=m, messages=messages, tools=tools, timeout=30)
                msg = r.choices[0].message
                if msg.tool_calls:
                    for tc in msg.tool_calls:
                        res = calculator(json.loads(tc.function.arguments)["expr"])
                        messages.append(msg)
                        messages.append({"role": "tool", "tool_call_id": tc.id, "content": res})
                else:
                    return msg.content
        except Exception as e:
            print(f"{m} 失败，切下一个")
            continue
    return "全部模型暂不可用"

print(ask(
    "帮我算 (123*456+789)/3",
    order=["anthropic/claude-opus-4.8", "openai/gpt-5.5", "deepseek/deepseek-v4-pro"],
))

默认最强模型（Opus）打头阵，出问题 1 秒内落到 GPT、再不行到 DeepSeek，业务不中断。

五、还能怎么扩

• 把 calculator 换成 run_python / search / read_file，Agent 就能写代码、检索、读文档；
• 工具组合越多，Agent 能干的事越复杂（长周期任务用 GLM、长篇文档用 Kimi/Qwen）；
• 同一套循环，换 model 就换「性格」，按任务性价比调度。

六、小结

用聚合 API 搭 Agent 的好处很实在：

• 一个接口接所有模型，Agent 的大脑随时可换、可兜底；
• 覆盖 Anthropic / OpenAI / Google / DeepSeek / 通义 / Kimi / 智谱 / MiniMax / 百度等；
• 部分模型有折扣（如 Anthropic 低至 5 折），Agent 高频调用也扛得住成本；
• 渠道正规、可开票、官方货源、稳定，适合公司级项目。