Gemini 工具组合：一次请求混用内置工具与自定义函数，模型自己排调用顺序

大多数真正能干活的智能体，一次任务里需要好几个工具配合。一个 DevOps 智能体发现了 CVE 漏洞，还需要顺手在内部系统里建一张工单。直到最近，这类交接要么得你自己写编排逻辑，要么只能在自定义工具里绕开内置工具。

Gemini API 的工具组合（tool combination）能力改变了这一点：现在可以在同一次请求里，把内置工具与自定义函数声明（function declarations）组合起来用。由 Gemini 自己决定调用哪些工具、按什么顺序调用，并在工具之间自动传递上下文。

下面是两个可以直接复现的工具组合示例。

示例一：函数调用与内置工具的组合

在同一个请求里组合 Google 搜索、URL 上下文读取和一个自定义函数。模型自己去网上搜索、读完页面、调用你的函数——全程不需要你指定顺序。

先准备环境：申请一个 Gemini API 密钥，然后安装官方 SDK：

pip install google-genai

接着定义一个自定义函数，把它与内置工具一起传入：

from google import genai

client = genai.Client()

file_incident = {
    "type": "function",
    "name": "file_incident",
    "description": "Files a security incident in the internal tracking system.",
    "parameters": {
        "type": "object",
        "properties": {
            "cve_id": {"type": "string", "description": "CVE identifier"},
            "severity": {"type": "string", "description": "Critical, High, Medium, or Low"},
            "summary": {"type": "string", "description": "Brief description of the vulnerability"},
        },
        "required": ["cve_id", "severity", "summary"],
    },
}

interaction = client.interactions.create(
    model="gemini-3-flash-preview",
    input="Search for the latest critical CVE affecting react, read the full advisory page, and file an incident for it.",
    tools=[
        {"type": "google_search"},
        {"type": "url_context"},
        {"type": "function", "name": "file_incident", "parameters": ...},
    ],
)

for output in interaction.outputs:
    print(f"{output.type}...")
    if output.type == "function_call":
        print(f"Function: {output.name}")
        print(f"Arguments: {output.arguments}")

运行这段代码，你会看到输出按顺序滚动：先是一轮 google_search_call 与 google_search_result，接着又是一轮搜索调用与结果，然后是一个 thought，最后是 function_call。模型自己完成了”搜索最新 React 严重漏洞 → 打开完整公告页读取细节 → 调用 file_incident 建工单”的全链条，函数收到的参数是结构化好的真实数据：CVE 编号 CVE-2025-55182、严重级别 Critical，以及一段从公告页提炼的漏洞摘要——React Server Components 的不安全反序列化漏洞，影响 19.0 到 19.2.0 版本，攻击者可通过构造 HTTP 请求执行任意代码。

这就是工具组合的实际价值：搜索结果和页面内容作为上下文自动流向了你的自定义函数，你写的只有函数声明本身。

动手验证时可以对比旧做法：先单独调一次搜索 API，把结果手工拼进第二次请求，再手动触发函数调用——三段编排代码，现在收敛为一次请求。在你的编程项目里粘贴上面代码，替换 file_incident 为你自己的业务函数（比如建客服工单、写数据库、发通知），跑一轮观察 output.type 的输出序列，就能确认模型确实在工具间自动流转上下文。

示例二：跨轮上下文传递

第二个能力是上下文循环（context circulation）：内置工具的结果可以跨对话轮次保留。传入 previous_interaction_id，后续提问就能直接推理早前轮次的结果，不必重新执行工具。当然，如果模型需要新数据，它仍然可以发起新的工具调用。

from google import genai

client = genai.Client()

# 第一轮：URL 上下文工具读取 Philipp 的个人介绍页
turn1 = client.interactions.create(
    model="gemini-3-flash-preview",
    input="Who is Philipp Schmid? https://www.philschmid.de/philipp-schmid",
    tools=[{"type": "url_context"}],
)
print(turn1.outputs[-1].text)

# 第二轮：后续问题复用第一轮的上下文
turn2 = client.interactions.create(
    model="gemini-3-flash-preview",
    input="What is his twitter handle?",
    tools=[{"type": "url_context"}],
    previous_interaction_id=turn1.id,
)
print(turn2.outputs[-1].text)

第一轮让模型用 URL 上下文工具读一个网页并回答”这是谁”；第二轮只问”他的 Twitter 账号是什么”，不重新给 URL——因为 previous_interaction_id 把第一轮读取的页面内容带进来了，模型直接从已有上下文里答出账号，不再发起第二次页面抓取。省一次工具调用，也就省一次延迟和成本。

把这两个能力叠起来，就能搭出过去要写大量编排代码才能实现的智能体：多工具自动协作，加上跨轮记忆。编程实现时建议先在测试项目里跑通示例二（只有两轮、无自定义函数，最简单），确认 previous_interaction_id 生效后，再叠加示例一的混合工具声明，观察每一步的 output.type 序列，你会清楚看到模型在工具之间的自主调度路径。

原文信息

作者：Philipp Schmid（@_philschmid），AI 工程师

原文地址：