【AutoGen: 工具调用完整底层流程图】

流程图升级为更完整、更详细的版本，涵盖：

• 每一方角色（用户 / Agent / Model / AutoGen）
• 每一步执行（函数调用 / JSON处理 / 工具执行）
• 数据结构流转（messages / schema / JSON / dict）

---

🔁 AutoGen 工具调用完整底层流程图（Function Calling）

[用户]
   |
   | 输入自然语言：
   | “请查询一下北京的天气”
   ▼
[Agent]
   |
   | 封装成 message：
   | {"role": "user", "content": "请查询一下北京的天气"}
   ▼
[ModelClient.create()]
   |
   | 将注册的工具（FunctionTool）转成 JSON Schema，例如：
   |
   | {
   |   "name": "search_weather",
   |   "parameters": {
   |     "type": "object",
   |     "properties": {
   |       "city": { "type": "string" }
   |     },
   |     "required": ["city"]
   |   }
   | }
   |
   | + 加上用户 message 一起发给 GPT-4
   ▼
[模型（如 GPT-4）]
   |
   | 接收 schema + 用户意图 → 推理决定：
   | “我想调用 search_weather，参数是 city = '北京'”
   |
   | 生成工具调用响应：
   | {
   |   "tool_calls": [
   |     {
   |       "name": "search_weather",
   |       "arguments": "{\"city\": \"北京\"}"
   |     }
   |   ]
   | }
   ▼
[AutoGen 的 model_client]
   |
   | 解析 JSON 字符串：
   | tool_call.arguments → 用 json.loads → 得到 Python dict
   |     '{"city": "北京"}' → {"city": "北京"}
   |
   | 生成 FunctionCall 对象
   ▼
[FunctionTool 实例]
   |
   | 执行 run_json(dict)
   |    → 调用你原来定义的函数：
   |    → search_weather(city="北京")
   ▼
[函数执行结果]
   |
   | 返回值如：
   | {"result": "今天北京多云，气温18度"}
   ▼
[AutoGen 系统]
   |
   | 把函数结果包装成模型输入 message：
   | {"role": "tool", "content": "..."}
   |
   | 再次发送给模型，用于生成最终回复
   ▼
[模型 GPT-4 再次生成]
   |
   | “好的，北京今天多云，气温18度。”
   ▼
[Agent 把最终回复返回给用户]

---

✅ 每个阶段的关键对象：

阶段	数据类型	举例
用户输入	UserMessage	"北京天气？"
工具 schema	JSON	{"type": "object", properties: ...}
模型响应	JSON 字符串	{"tool_calls": [...]}
函数参数	Python dict	{"city": "北京"}
执行器调用	run_json(dict)	search_weather(city=...)
工具输出	字典/文本	{"result": ...}
最终 reply	AssistantMessage	“今天北京...”

---

可运行 demo（含工具注册、模型调用、结果流转），