利用python语言调用腾讯混元大模型接口实战指南

什么是混元大模型

“腾讯元器”是基于腾讯混元大模型的一站式智能体制作平台，支持通过下述能力对大模型进行增强：

提示词，包含详细设定（system prompt），开场白，建议引导问题。
插件（外部API），目前支持勾选多个插件。官方插件包含微信搜一搜、PDF摘要&解析、混元图片生成，也支持用户自定义插件。
知识库，当前版本支持doc和txt两种格式。
工作流，一种“流程图”式的低代码编辑工具，可以用来做一个“高级版”插件。在工作流里，可以任意编排插件、知识库、大模型节点的工作顺序和调用传参，从而精确控制智能体中部分任务的运行逻辑。

通过元器平台制作的智能体，目前支持32k token上下文长度（某次回答过程中的提示词+机器回答的token长度，一个token约为1.8个中文字符）。工作流的超时运行时间为5分钟。智能体的回复上限时间是90s。

什么是API接口

API是一个软件解决方案，作为中介，使两个应用程序能够相互交互。以下一些特征让API变得更加有用和有价值：

遵守REST和HTTP等易于访问、广泛理解和开发人员友好的标准。
API不仅仅是几行代码；这些是为移动开发人员等特定受众创建的。
这些有清晰的文档和版本，以满足用户的期望。
更好的治理和安全性，以及监控以管理性能和可扩展性。

Python编写API接口的主要步骤如下：

登录并注册账号

可以通过幂简集成-API HUB 快速找到大量AI技术相关API，心仪的API可以在登录后添加到个人书签，便于下次使用快速查找。

点击跳转腾讯混元官网，点击“腾讯元器”，输入手机号码并通过验证吗登录。

创建智能体

登录成功后，点击“创建智能体”

输入要创建智能体的名称、简介、头像（可以AI生成）、详细设定等相关信息~

还可以添加丰富的插件、知识库、工作流等~

每一项表单的编辑后，右边会自动更新智能体的配置（预计有3-5s左右延迟），我们就可以即时查看智能体在配置更新后的效果~

发布智能体

调试没有问题后就可以发布智能体，并等待审核成功~

如果使用API调用的方式，不需要选择发布平台

获取相关验证信息

审核通过后，到我的创建中找到创建的智能体

在弹窗中复制自己的智能体ID和Token（注意不要泄露，泄露后要及时重置）

发送信息

API服务地址

URL	https://open.hunyuan.tencent.com/openapi/v1/agent/chat/completions
请求方式	POST

请求参数

参数名	类型	是否必选	说明
assistant_id	string	是	助手ID
version	number	否	助手版本 (仅对内部开放)
user_id	string	是	用户ID，调用者业务侧的用户ID，会影响智能体的数据统计，建议按实际情况填写
stream	bool	否	是否以流式接口的形式返回数据，默认false
chat_type	string	否	默认为published，传preview时，表示使用草稿态智能体 (仅对内部开放)
messages	list	是	会话内容, 长度最多为40, 按对话时间从旧到新在数组中排列
messages[n].role	string	是	角色, ‘user’或者’assistant’, 在message中必须是user与assistant交替(一问一答)
messages[n].content	list	是	可以传入多种类型的内容，如图片、文件或文本
messages[n].content[m].type	string	否	内容的类型，可选参数为’text’或’file_url’
messages[n].content[m].text	string	否	当type为text时使用，表示具体的文本内容
messages[n].content[m].file_url	object	否	当type为file_url时使用，表示具体的文件内容
messages[n].content[m].file_url.type	string	否	文件的类型，例如image/video/audio/pdf/doc/txt等
messages[n].content[m].file_url.url	string	否	文件的url

响应参数

返回格式application/json，body参数如下：

参数名	类型	说明
id	string	此次请求的id
created	number	unix时间戳
choices	list	返回的回复, 当前仅有一个
choices[n].index	number	第几个回复
choices[n].finish_reason	string	“stop”表示正常结束,”sensitive”表示审核不通过”tool_fail”表示调用工具失败
choices[n].message	json	返回的内容
choices[n].message.role	string	角色名称
choices[n].message.content	string	内容详情
choices[n].message.steps	list	助手的执行步骤
choices[n].message.steps[m].role	string	执行步骤中的角色名称，assistant表示模型，tool表示工具调用
choices[n].message.steps[m].content	string	执行步骤的结果，当角色为assistant时表示模型的输出内容，当角色为tool时表示工具的输出内容
choices[n].message.steps[m].tool_call_id	string	角色为tool时有效，内容为模型生成的工具调用中的唯一ID
choices[n].message.steps[m].tool_calls	list	模型生成的工具调用
choices[n].message.steps[m].tool_calls[i].id	string	工具调用的唯一ID
choices[n].message.steps[m].tool_calls[i].type	string	调用的工具类型，当前只支持function
choices[n].message.steps[m].tool_calls[i].function	object	具体调用的function
choices[n].message.steps[m].tool_calls[i].function.name	string	function名称
choices[n].message.steps[m].tool_calls[i].function.desc	string	function描述
choices[n].message.steps[m].tool_calls[i].function.type	string	function类型，当前支持tool/knowledge/workflow
choices[n].message.steps[m].tool_calls[i].function.arguments	string	调用function的参数，JSON格式
choices[n].message.steps[m].usage	object	当前执行步骤的token使用量
choices[n].message.steps[m].usage.prompt_tokens	number	问题token使用量
choices[n].message.steps[m].usage.completion_tokens	number	回答token使用量
choices[n].message.steps[m].usage.total_tokens	number	token总使用量
choices[n].message.steps[m].time_cost	number	当前执行步骤的耗时
choices[n].delta	json	返回的内容（流式返回）
choices[n].delta.role	string	角色名称，assistant表示模型，tool表示工具调用（流式返回）
choices[n].delta.content	string	内容详情，当角色为assistant时表示模型的输出内容，当角色为tool时表示工具的输出内容（流式返回）
choices[n].delta.tool_call_id	string	角色为tool时有效，内容为模型生成的工具调用中对应的tool_call ID （流式返回）
choices[n].delta.tool_calls	list	模型生成的工具调用（流式返回）
choices[n].delta.tool_calls[m].id	string	工具调用的唯一id（流式返回）
choices[n].delta.tool_calls[m].type	string	调用的工具类型，当前只支持function（流式返回）
choices[n].delta.tool_calls[m].function	object	具体调用的function（流式返回）
choices[n].delta.tool_calls[m].function.name	string	function名称（流式返回）
choices[n].delta.tool_calls[m].function.desc	string	function描述（流式返回）
choices[n].delta.tool_calls[m].function.type	string	function类型，当前支持tool/knowledge/workflow（流式返回）
choices[n].delta.tool_calls[m].function.arguments	string	调用function的参数，JSON格式（流式返回）
choices[n].delta.time_cost	number	当前执行步骤的耗时（流式返回）
assistant_id	string	实际使用的助手id
usage	object	token使用量
usage.prompt_tokens	number	问题token使用量
usage.completion_tokens	number	回答token使用量
usage.total_tokens	number	token总使用量

调用示例

import requests

import json



# 定义 API 的 URL

url = 'https://open.hunyuan.tencent.com/openapi/v1/agent/chat/completions'



# 定义请求头

headers = {

    'X-Source': 'openapi',

    'Content-Type': 'application/json',

    'Authorization': 'Bearer <元器用户的token>'

}



# 定义请求体

data = {

    "assistant_id": "I4aVQTHpsJro",

    "user_id": "username",

    "stream": False,

    "messages": [

        {

            "role": "user",

            "content": [

                {

                    "type": "text",

                    "text": "生成去张家口旅行的计划"

                }

            ]

        }

    ]

}



# 将请求体转换为 JSON 格式的字符串

json_data = json.dumps(data)



# 发送 POST 请求

response = requests.post(url, headers=headers, json=data)  # 使用 json 参数自动设置正确的 Content-Type



# 打印响应内容

print(response.text)