> ## Documentation Index
> Fetch the complete documentation index at: https://docs.agipower.ai/llms.txt
> Use this file to discover all available pages before exploring further.
# 接口
# Create Chat Completion
调用过程中遇到错误？请参阅 [API 错误码参考](/zh/guide/advanced/error-codes) 获取完整的错误类型说明与排查方案。
```
POST https://api.agipower.ai/v1/chat/completions
```
Create Chat Completion 接口兼容 OpenAI 的 [Create Chat Completion](https://platform.openai.com/docs/api-reference/chat/create) 接口，用于对话型大语言模型推理调用。
下面列出了所有模型可能支持的参数，不同模型的支持参数有所不同，每个模型具体支持的参数请参见各模型详情页。
## Request headers
### Authorization `string` **必填**
Bearer Token 鉴权
### Content-Type `string` **必填**
请求内容类型，默认值为 `application/json`
## Request
### messages `array` **必选**
以对话的消息列表形式输入给大模型的提示词。根据模型的能力不同，支持的消息类型也会有所不同，比如 文本、图片、音频、视频。具体支持的参数，请查看各模型生产商的文档。
messages 里的每个元素表示一条对话消息，每条消息由 role 和 content 组成，详情如下：
#### Developer message `object`
开发者提供的指令，无论用户发送什么消息，模型都应遵循。在 o1 及更新模型中，developer 消息取代了之前的 system 消息。
* content `string or array ` **必选**
Developer message 的内容。
* Text content `string`
Developer message 的内容。
* Array of content parts `array`
具有定义类型的内容部分数组。对于 Developer message，只支持类型 `text`。
* text `string` **必选**
文本内容。
* type `string` **必选**
内容部分的类型。
* role `string` **必选**
消息作者的角色，在此情况下为 developer。
* name `string` **可选**
参与者**可选**名称。为模型提供区分相同角色参与者的信息。
#### System message `object`
开发者提供的指令，无论用户发送什么消息，模型都应遵循。在 o1 及更新模型中，应使用 developer 消息来实现此目的。
* content `string or array ` **必选**
System message 的内容。
* Text content `string`
System message 的内容。
* Array of content parts `array`
具有定义类型的内容部分数组。对于 System message，只支持类型 `text`。
* text `string` **必选**
文本内容。
* type `string` **必选**
内容部分的类型。
* role `string` **必选**
消息作者的角色，在此情况下为 system
* name `string` **可选**
参与者**可选**名称。为模型提供区分相同角色参与者的信息。
#### User message `object`
终端用户发送给模型的消息，大多数对话场景中你只需要使用此角色。
* content `string or array` **必选**
User message 的内容。
* Text content `string` **必选**
纯文本内容，最常见的用法。
* Array of content parts `array` **必选**
多模态内容片段数组。根据模型能力，可以包含文本、图片、音频等类型的内容。常见类型包括：
* 文本片段
* type `string` **必选**，固定为 `text`
* text `string` **必选**，文本内容
* 图片片段（仅多模态模型支持）
* type `string` **必选**，为 `image_url`
* image\_url `object` **必选**
* url `string` **必选**，图片 URL 或 base64 Data URL
* detail `string` **可选**，典型取值：`low` / `high` / `auto`，用于控制图像解析精度
* 音频片段（仅音频输入模型支持）
* type `string` **必选**，为 `input_audio`
* input\_audio `object` **必选**
* data `string` **必选**，音频文件 base64 内容
* format `string` **必选**，如 `wav`、`mp3`
* 文件片段（File content part，仅支持文件输入的模型）\
用于将整份文件作为上下文输入给模型（例如 PDF、Office 文档等）。
* type `string` **必选**，固定为 `file`
* file `object` **必选**
* file\_id `string` **可选**
* 通过文件上传接口获取的文件 ID，推荐优先使用此方式引用文件
* file\_data `string` **可选**
* base64 编码的文件数据，用于直接在请求体中传文件内容
* filename `string` **可选**
* 文件名，用于提示模型文件类型或在控制台中展示
* role `string` **必选**
消息作者角色，在此情况下为 `user`。
* name `string` **可选**
参与者**可选**名称。为模型提供区分相同角色参与者的信息。
#### Assistant message `object`
模型在对话中发送给用户的回复消息。你可以在新的请求中把这些历史助手消息一并传回，以便模型继续基于完整上下文进行推理。
* content `string or array` 可选
Assistant message 的内容。**当未设置 `tool_calls` 或（已废弃的）`function_call` 时为必填。**
* Text content `string`
助手消息的纯文本内容。
* Array of content parts `array`
具有定义类型的内容部分数组。可以包含一个或多个类型为 `text` 的内容部分，或者**恰好一个**类型为 `refusal` 的内容部分。
* Text content part `object`（文本内容片段）
* type `string` **必选**\
内容片段的类型。
* text `string` **必选**\
文本内容。
* Refusal content part `object`（拒答内容片段）
* type `string` **必选**\
内容片段的类型。
* refusal `string` **必选**\
模型生成的拒答信息。
* refusal `string or null` 可选
助手的拒答消息内容。
* role `string` **必选**
消息作者角色，在此情况下为 `assistant`。
* name `string` 可选
参与者可选名称。为模型提供区分相同角色参与者的信息。
* audio `object or null` 可选
关于**之前某次模型音频回复**的数据，可在后续对话中引用该音频回复。
* id `string` **必选**
之前音频回复的唯一标识符。
* tool\_calls `array` 可选
* 函数工具调用 `object`
* id `string` **必选**
工具调用 ID，用于与后续的 Tool message 中的 `tool_call_id` 对应。
* type `string` **必选**
工具类型，目前仅支持 `function`。
* function `object` **必选**
* name `string` **必选**
要调用的函数名。
* arguments `string` **必选**
以 JSON 字符串形式表示的函数调用参数（由模型生成）。\
注意：模型不保证一定生成完全合法的 JSON，可能会出现未在函数 Schema 中定义的参数，调用前应在业务侧进行校验。
* 自定义工具调用 `object`
* id `string` **必选**
工具调用 ID，用于与后续的 Tool message 中的 `tool_call_id` 对应。
* type `string` **必选**
工具类型，始终为 `custom`。
* custom `object` **必选**
* name `string` **必选**
要调用的函数名。
* input `string` **必选**
由模型生成的自定义工具调用的输入。
* function\_call `object or null`（已废弃） 可选
已被 `tool_calls` 替代，仅为兼容旧版格式保留。表示模型建议调用的函数名称和参数。
* name `string` **必选**\
要调用的函数名。
* arguments `string` **必选**\
以 JSON 字符串形式表示的函数调用参数（由模型生成），同样需要在业务侧校验后再实际
* reasoning `string` 可选
助手消息的推理过程文本内容。当开启 reasoning 功能时，模型返回的推理过程会包含在此字段中。在多轮对话场景下，可以将此字段传回以保持上下文连贯性。
* reasoning\_details `array` 可选（**多轮工具调用场景必需**）
推理过程的详细信息数组。**在开启 reasoning 的多轮工具调用场景中，必须将此字段完整传回，特别是其中包含的 `signature` 字段，否则后续对话将无法正常进行。**
每个元素包含以下字段：
* type `string` **必选**
推理内容类型，如 `reasoning.text`。
* text `string` **必选**
推理过程的文本内容。
* signature `string` **必选**
推理过程的签名凭证。**这是多轮对话中保持推理上下文的关键字段，必须原样传回。** 该签名由模型生成，用于验证推理内容的完整性和连续性。
* format `string` **可选**
签名格式标识，如 `anthropic-claude-v1`。
* index `number` **可选**
推理片段的索引位置。
#### Tool message `object`
用于把外部工具（函数）调用的执行结果传回给模型的消息。
* content `string or array` **必选**
工具执行结果的内容，一般为文本或结构化数据（序列化为字符串）。
* Text content `string`
Tool message 的内容。
* Array of content parts `array`
具有定义类型的内容部分数组。对于 Tool message，只支持类型 `text`。
* text `string` **必选**
文本内容。
* type `string` **必选**
内容部分的类型。
* role `string` **必选**
消息作者角色，在此情况下为 `tool`。
* tool\_call\_id `string` **必选**
对应 assistant 消息中某个 `tool_calls[i].id`，用于将本次工具结果与那次调用对应起来。
* name `string` **可选**
工具名称（通常与声明在 `tools` 中的 function 名称一致）。
### model `string` **必选**
此次推理调用的模型 ID，格式为 \<供应商>/\<模型名称>，如 openai/gpt-5，可以从各模型的详情页获得。
### max\_completion\_tokens `integer or null` **可选**
限制模型生成内容的长度，包括思考过程。如果不传，会采用模型的默认限制。各模型的最大生成内容长度可以详情页获得。
### temperature `number` **可选**
* 默认：`1`
* AGIPower 没有限制范围，建议在 `[0, 2]` 范围内取值。
采样温度，控制随机性：值越高越随机，值越低越稳定。一般与 `top_p` 二选一调节。
### top\_p `number` **可选**
* 默认：`1`
Nucleus sampling（核采样）参数：只从累积概率质量前 `top_p` 的 token 中采样，如 `top_p = 0.1` 表示只考虑概率质量前 10% 的 token。
### n `integer or null` **可选**
返回候选回答数量，目前仅支持 n=1
### frequency\_penalty `number or null` **可选**
* 默认值：`0`
* 取值范围：`-2.0` \~ `2.0`
对已出现频率较高的 token 施加惩罚。值越大，模型越不愿重复相同内容，可用于减少机械复读。
### presence\_penalty `number or null` **可选**
* 默认：`0`
* 取值范围：`-2.0` \~ `2.0`
对**是否已出现过**的 token 施加惩罚。值越大，模型越倾向于引入新话题、减少重复讨论相同内容。
### stop `string | array | null` **可选**
* 默认：`null`
* 最多可提供 4 个 stop 序列
当生成内容命中任一 stop 序列时，模型会停止继续生成，返回结果中不包含该 stop 序列。最新部分推理模型（如 `o3`、`o4-mini`）不支持该参数。
### logit\_bias `object` **可选**
* 默认：`null`
用于对指定 token 的采样概率进行微调。键为 tokenizer 中的 token ID（整数），值为 `-100` \~ `100` 之间的偏置
* 正值：提升该 token 被选中的概率
* 负值：降低该 token 被选中的概率
* 极值（如 ±100）：接近于强制禁止或强制选用该 token
### logprobs `boolean or null` **可选**
* 默认：`false`
是否在返回结果中包含输出 token 的对数概率信息。
### top\_logprobs `integer` **可选**
指定每个位置返回的**最高概率 token 个数**（0\~20），每个 token 带对应的 logprob。
### tools `array` **可选**
用于声明本次对话中模型可以调用的工具列表。每个元素可以是自定义工具或 function 工具（JSON Schema 定义的函数）。
### tool\_choice `string or object` **可选**
控制模型对工具的使用策略：([platform.openai.com](https://platform.openai.com/docs/api-reference/chat))
* `"none"`：不调用任何工具
* `"auto"`：由模型自行决定是否以及调用哪些工具
* `"required"`：本轮必须调用至少一个工具
* 指定单个工具：`\{"type": "function", "function": \{"name": "my_function"\}\}`
### parallel\_tool\_calls `boolean` **可选**
* 默认：`true`
是否允许模型在一次回复中**并行**调用多个工具（函数）。
### reasoning\_effort `string` **可选**（推理模型）
控制**推理模型**在思考上的投入程度：`none`、`minimal`、`low`、`medium`、`high`、`xhigh` 等。不同模型的默认值与支持范围有所不同。
### verbosity `string` **可选**
* 默认：`"medium"`
约束模型输出的详略程度：`low`（简洁）、`medium`（适中）、`high`（更详细）。
### web\_search\_options `object` **可选**
配置**网页搜索工具**的行为，用于让模型在生成回答前主动检索互联网最新信息。
### metadata `object` **可选**
允许附带最多 16 个键值对，作为结构化业务元信息保存，便于在日志、检索或管理界面中查询。
### stream `boolean or null` **可选**
* 默认：`false`
是否启用**流式输出**（Server-Sent Events）。为 `true` 时，结果以事件流形式分片返回。
### stream\_options `object` **可选**
仅当 `stream: true` 时有效，用于配置流式行为，例如是否在流结束时附带 usage 信息等。
### provider `object` **可选**
用于配置本次请求在多个模型提供商（如 OpenAI、Anthropic、Google 等）之间的路由与故障转移策略。
如果不配置，则使用项目或模型的默认路由策略。
#### routing `object` **必选**
路由策略配置，决定请求在多个提供商之间如何选择与分发。
##### type `string` **必选**
路由类型，支持以下取值：
* `priority`
按优先级顺序选择提供商：优先尝试第一个，失败后再尝试下一个（可配合 fallback 使用）。
* `round_robin`
轮询分发：在多个提供商之间平均分配请求流量。
* `least_latency`
最低延迟优先：根据历史/实时统计选择当前响应最快的提供商。
##### primary\_factor `string` **可选**
当存在多个可用提供商时的主要考量因素。例如：
* `cost`
优先选择成本更低的提供商
* `speed`
优先选择响应更快的提供商
* `quality`
优先选择质量更高（例如更强模型/更稳定）的提供商
实际行为会与 type 联合作用：例如 type = "priority" 时，primary\_factor 主要影响优先级排序逻辑
##### providers `array` **必选**
可参与路由的模型提供商列表。例如：`["openai", "anthropic", "google"]`
#### fallback `string` **可选**
故障转移（Failover）策略。当当前选中的提供商出现错误（如超时、额度不足、服务不可用）时，如何进行自动切换：
`"true"`：启用自动故障转移：当当前提供商不可用时，根据路由策略自动尝试列表中其他可用提供商。
`"false"`：禁用故障转移：如果当前提供商调用失败，则直接返回错误，不再尝试其它提供商。
`"<provider_name>"`：显式指定固定的备用提供商，例如 "anthropic"：
优先使用主路由选出的提供商
若失败，则转而使用指定的备用提供商
若主 + 备用都失败，则返回错误
### model\_routing\_config `object` **可选**
用于配置当前请求在**同一提供商内部不同模型之间**的选择与路由策略（如在 `gpt-4o`、`gpt-4-turbo`、`claude-3-5-sonnet` 之间如何选用）。
如果不配置，则使用项目或 SDK 的默认模型选择策略（例如默认模型、默认任务类型映射等）。
#### available\_models `array` **必选**
可参与路由或备选的**模型名称列表**。
#### preference `string` **可选**
首选模型名称。
#### task\_info `object` **可选**
任务元信息，用于**根据任务类型和复杂度**决定具体模型或参数。
内部字段如下：
##### task\_type `string` **必选**
任务类型，用于表达当前请求的用途，以便于路由或自动选择参数。
* 支持值示例：
* `"chat"` —— 对话类任务（多轮对话、助手问答）
* `"completion"` —— 通用文本生成/补全
* `"embedding"` —— 向量化/语义嵌入
* 用途：
* 可据此为不同任务类型设置不同的默认模型或限额策略
* 也可与 `complexity` 联动，决定是否启用更强模型
##### complexity `string` **可选**
任务复杂度，用于刻画请求的难度或重要程度。
* 支持值：
* `"low"` —— 简单任务（短回答、简单改写等）
* `"medium"` —— 中等复杂度（一般问答、基础代码、常规分析）
* `"high"` —— 高复杂度（长文档分析、复杂编程、大规模推理）
* 用途：
* 可以根据复杂度选择不同档位的模型（如低复杂度选便宜模型，高复杂度选能力更强的模型）
* 也可用于控制超时时间、重试策略等
##### additional\_properties `object` **可选**
任务相关的扩展字段，键值对形式，自由扩展。
#### additional\_properties `object` **可选**
模型路由配置本身的扩展字段，用于在标准结构之外，附加额外的控制信息。
### reasoning `object` **可选**
用于配置推理过程（chain-of-thought / reasoning trace）相关行为，包括是否启用、推理深度与长度控制，以及是否对外暴露推理内容。
如果不配置，则由系统或模型使用默认的推理策略。
#### enabled `boolean` **必选**
是否启用显式推理过程。
* `true`：模型在内部使用并（在允许的情况下）输出更详细的推理步骤
* `false`：模型仅给出结论性回答，不显式展开推理（或尽量少展开）
#### effort `string` **可选**
推理投入程度，用于控制模型在**思考深度 / 推理精细程度**与**成本 / 时延**之间的平衡。
* 支持值：
* `"low"` —— 轻量推理：快速给出答案，较少细节
* `"medium"` —— 中等推理：在多数任务下的折中选择
* `"high"` —— 深度推理：更详细的分析过程，更高的 token 消耗与时延
* 典型用法：
* 对时延敏感的在线服务：倾向 `"low"` 或 `"medium"`
* 对正确性要求极高的任务：倾向 `"high"`
#### max\_tokens `number` **可选**
推理过程（而非最终回答）的**最大 token 数上限**。
#### exclude `boolean` **可选**
是否**从对用户返回的内容中排除推理过程**。
* `false`：
* 推理内容可以与最终答案一并返回（例如在调试或工具开发阶段）
* `true`：
* 推理过程仅在系统内部使用，不向用户暴露（典型的生产环境设置）
* 用途：
* 满足安全与合规需求（不暴露 chain-of-thought）
* 在开发 / 调试阶段通过设置为 `false` 观察模型思考过程，便于迭代提示词与策略配置
#### usage `object` **可选**
使用统计信息
##### include `boolean` **必选**
是否在响应中包含使用统计信息
### response\_format `object` **可选**
一个指定模型必须输出格式的对象。
设置为 \{ "type": "json\_schema", "json\_schema": \{...} } 启用结构化输出，确保模型将匹配您提供的 JSON 架构。
设置为 \{ "type": "json\_object" } 启用旧版 JSON 模式，确保模型生成的消息是有效的 JSON。使用 json\_schema 对于支持它的模型更为优选。
#### Text `object`
* type `string` **必选**
正在定义的响应格式的类型。始终为 text
#### JSON schema `object`
* json\_schema `object` **必选**
定义响应格式的 JSON schema。
* name `string` **必选**
响应格式的名称。必须是 a-z、A-Z、0-9，或包含下划线和破折号，最大长度为 64。
* schema `object` **可选**
响应格式的模式，描述为一个 JSON Schema 对象。
* strict `boolean` **可选**
是否严格遵循 JSON schema。
* description `string` **可选**
对响应格式用途的描述，模型根据该描述来确定如何以该格式进行响应。
* type `string` **必选**
正在定义的响应格式的类型。始终为 json\_schema
#### JSON object `object`
* type `string` **必选**
正在定义的响应格式的类型。始终为 json\_object
### 不支持字段
| 字段名 | 类型 | 是否支持 | 说明 |
| ------------------------ | ------------- | ------------------------------------------------- | --------------------------------------------------------------- |
| audio | object/null | \❌ 不支持\ | 音频输出参数 |
| modalities | array | ❌ 不支持 | 输出模态类型 |
| functions | array | ❌ 不支持 | 已废弃，不接收此参数 |
| function\_call | string/object | ❌ 不支持 | 已废弃，不接收此参数 |
| prompt\_cache\_key | string | ❌ 不支持 | 提示词缓存 key |
| prompt\_cache\_retention | string | ❌ 不支持 | 缓存保留策略 |
| safety\_identifier | string | ❌ 不支持 | 安全标识 |
| store | bool/null | ❌ 不支持 | 存储本次对话 |
| service\_tier | string | ❌ 不支持 | 服务等级 |
| prediction | object | ❌ 不支持 | 预测输出配置 |
| seed | int/null | ❌ 不支持 | 为采样过程设置随机种子，已标记为废弃。 |
| user | string | ❌ 不支持 | 旧版的用户标识字段，现已由 `safety_identifier` 和 `prompt_cache_key` 接替其主要作用。 |
| max\_tokens | int/null | ❌ 不支持 | 已废弃，用 max\_completion\_tokens 替代 |
## Response
### 非流式：返回「完整的 chat completion object」
当 `stream: false`（或未传）时，接口返回一个完整的 **chat.completion** 对象。字段说明按上文表格顺序展开。
***
### 顶层字段：`choices`
#### choices `array`
聊天补全选项的列表。与请求中的 `n` 一一对应；当前仅支持 `n = 1`，因此通常只包含一个元素。
***
### choices\[i] 对象
#### finish\_reason `string`
模型停止生成 token 的原因。常见取值包括：
* `stop`：达到自然停止点或命中 stop 序列
* `length`：达到请求中指定的最大 token 数
* `content_filter`：内容被内容过滤器拦截而省略
* `tool_calls`：模型调用了工具（`tool_calls`）
* `function_call`：模型调用了函数（旧版，已弃用）
#### index `integer`
该选项在 `choices` 列表中的索引，从 0 开始。
#### logprobs `object`
该选项的对数概率信息，用于解析每个输出 token 的概率分布。仅在请求中设置了 `logprobs` 相关参数时存在。
***
### choices\[i].logprobs.content
#### content `array`
包含带有对数概率信息的「消息内容 token」列表。每个元素描述一个 token 及其候选 token：
* bytes `array`\
一个整数列表，表示该 token 的 UTF‑8 字节表示。在某些语言或表情符号中，一个字符可能由多个 token 组成，通过合并这些字节可以还原正确文本；如果该 token 没有字节表示，则为 `null`。
* logprob `number`\
该 token 的对数概率。如果该 token 不在前 20 个最可能的 token 中，则通常使用 `-9999.0` 表示「极不可能」。
* token `string`\
当前输出 token 的文本表示。
* top\_logprobs `array`\
在该位置最可能的一组候选 token 及其对数概率列表。极少数情况下，实际返回数量可能少于请求的数量。
* bytes `array`\
候选 token 的 UTF‑8 字节表示列表；若无字节表示则为 `null`。
* logprob `number`\
候选 token 的对数概率。
* token `string`\
某个候选 token 的文本。
***
### choices\[i].logprobs.refusal
#### refusal `array`
包含带有对数概率信息的「拒绝内容 token」列表。当模型输出拒绝信息时，用于解析拒绝文本对应的 token 概率。
* bytes `array`\
该拒绝 token 的 UTF‑8 字节表示；如果没有则为 `null`。
* logprob `number`\
该拒绝 token 的对数概率。不在前 20 名时通常为 `-9999.0`。
* token `string`\
拒绝内容中某个 token 的文本。
* top\_logprobs `array`\
在该位置最可能的拒绝 token 候选列表。
* bytes `array`\
候选拒绝 token 的 UTF‑8 字节表示。
* logprob `number`\
候选拒绝 token 的对数概率。
* token `string`\
拒绝内容中某个候选 token 的文本。
***
### choices\[i].message
#### message `object`
由模型生成的完整聊天补全消息。
***
### choices\[i].message 字段
#### reasoning `string` （AGIPower 拓展字段）
推理过程的文本内容，用于展示模型对答案的思考过程或中间分析。实际是否返回取决于模型和请求中的推理配置。
#### reasoning\_details `string`（AGIPower 拓展字段）
推理内容的文本主体，通常比 `reasoning` 更完整或更详细，可作为推理链（chain‑of‑thought）的主要承载字段。
#### content `string`
消息的正文内容，一般为模型给用户的自然语言回复文本。某些多模态模型也可能返回结构化内容，但整体遵循 OpenAI chat 格式。
#### refusal `string or null`
如果本轮模型拒绝执行用户请求，这里包含模型生成的拒绝消息文本；否则为 `null`。
#### role `string`
消息作者角色。对于模型回复消息，为 `"assistant"`。
#### annotations `array`
消息的注释列表。在使用 Web 搜索等工具时，用于携带 URL 引用等信息。
* type `string`\
URL 引用的类型，当前固定为 `url_citation`。
* url\_citation `object`\
使用网页搜索时的 URL 引用详情。
* end\_index `integer`\
在当前消息 `content` 中，该 URL 引用最后一个字符的索引。
* start\_index `integer`\
在当前消息 `content` 中，该 URL 引用第一个字符的索引。
* title `string`\
网页资源标题。
* url `string`\
网页资源的 URL。
#### audio `object`
当请求了音频输出模态时，该对象包含模型音频响应的数据。
* data `string`\
由模型生成的 Base64 编码音频字节，音频格式由请求中指定。
* expires\_at `integer`\
该音频响应在服务器端不再可用于后续多轮对话的 Unix 时间戳（秒）。
* id `string`\
此音频响应的唯一标识符。
* transcript `string`\
对应音频内容的文字记录（转写文本）。
#### function\_call `object`
已弃用的函数调用字段，已由 `tool_calls` 取代，仅为兼容旧版调用格式而保留。表示模型建议调用的函数名称与参数。
* arguments `string`\
以 JSON 字符串形式表示的函数参数。需要注意模型不保证严格生成合法 JSON，也可能包含模式中未定义的字段；业务方需要在调用前进行解析与校验。
* name `string`\
要调用的函数名称。
#### tool\_calls `array`
新版工具调用列表。每个元素描述一次工具调用，可以是「函数工具调用」或「自定义工具调用」。支持模型在一次回复中并行调用多个工具。
* id `string`\
工具调用的唯一 ID，用于与后续 `tool` 消息中的 `tool_call_id` 对应。
* type `string`\
工具类型。目前标准为 `function`，AGIPower 可能在扩展中支持 `custom` 等其他类型。
* function `object`\
当 `type = "function"` 时，表示模型调用的函数。
* arguments `string`\
JSON 字符串格式的函数调用参数。模型可能不会始终生成合法 JSON，也可能产生模式中未定义的字段；业务方应在实际调用前进行校验。
* name `string`\
要调用的函数名称。
***
### 顶层字段：元数据与用量统计
#### created `integer`
聊天补全创建时的 Unix 时间戳（秒）。
#### id `string`
本次聊天补全的唯一标识符。
#### model `string`
用于完成此次聊天补全的模型标识，例如 `openai/gpt-5`。
#### object `string`
对象类型，非流式响应固定为 `chat.completion`。
#### service\_tier `string`
指定用于处理请求的服务类型或服务等级。AGIPower 自身不限定取值，如果上游模型返回该字段则会透传。
#### system\_fingerprint `string`
表示本次请求使用的后端配置指纹信息，用于标识底层服务版本或集群。若上游返回则透传。
#### usage `object`
本次请求的使用统计信息，包括 prompt 和 completion 的 token 数。
* completion\_tokens `integer`\
生成的补全部分中使用的 token 数量。
* prompt\_tokens `integer`\
输入提示（messages 等）中使用的 token 数量。
* total\_tokens `integer`\
本次请求中总共使用的 token 数量（`prompt_tokens + completion_tokens`）。
* completion\_tokens\_details `object`\
对补全 token 的进一步细分。
* accepted\_prediction\_tokens `integer`\
在使用 Predicted Outputs 时，预测中实际出现在 completion 中的 token 数量。与预测输出能力相关，当前模型一般不会使用该字段。
* audio\_tokens `integer`\
模型生成的音频输出所占用的 token 数。
* reasoning\_tokens `integer`\
模型为推理过程生成的 token 数（即使不全部展示给用户，也计入消耗）。
* rejected\_prediction\_tokens `integer`\
使用 Predicted Outputs 时，预测中未出现在 completion 中的 token 数量；这些 token 仍会计入计费和上下文窗口限制。目前与预测输出能力相关，一般不会使用。
* prompt\_tokens\_details `object`\
对提示部分 token 的细分说明。
* audio\_tokens `integer`\
提示中音频输入所占用的 token 数。
* cached\_tokens `integer`\
提示中通过缓存（Prompt Caching）命中的 token 数。
***
### 流式：返回「多次 chat completion chunk object」
当 `stream: true` 时，接口以 SSE（Server‑Sent Events）形式多次返回 **chat.completion.chunk** 对象，客户端需按顺序消费与拼接。这部分字段说明同样按表格顺序展开。
***
### 顶层字段：`choices`（流式分块）
#### choices `array`
聊天完成选项的列表。如果 `n > 1`，可以包含多个元素。当设置了 `stream_options: \{"include_usage": true\}` 时，最后一个数据块中 `choices` 可能为空数组，此时只携带 `usage` 信息。
***
### choices\[i]（Chunk）对象
#### delta `object`
由流式模型响应生成的增量对话内容，即相较于之前分块「新增」的部分。
* reasoning `string`（AGIPower 拓展字段）\
推理过程内容的增量文本，用于逐块输出推理信息。
* reasoning\_content `string`（AGIPower 拓展字段）\
推理内容主体的增量片段，通常与 `reasoning` 搭配，用于拼接完整推理文本。
* content `string`\
本分块的消息正文内容增量。客户端应将各分块的 `content` 依次拼接成完整回复。
* function\_call `object`（已弃用）\
旧版函数调用增量信息，已被 `tool_calls` 取代，仍支持解析。
* arguments `string`\
本分块新增的函数参数 JSON 片段，需与前后分块的 `arguments` 拼接后再解析。
* name `string`\
要调用的函数名称，一般在该调用的首块中出现。
* refusal `string`\
本分块新增的拒绝消息片段。
* role `string`\
本条消息作者的角色，通常在第一块中为 `"assistant"`。
* tool\_calls `array`\
工具调用的增量信息列表。
对于每个增量工具调用元素：
* index `integer`\
该工具调用在 `tool_calls` 数组中的序号。
* function `object`\
函数工具调用的增量信息。
* arguments `string`\
函数调用参数 JSON 字符串的增量片段，需跨分块拼接再解析。
* name `string`\
要调用的函数名，通常在工具调用开始时给出。
* id `string`\
工具调用的 ID，通常在首次出现时给出，用于后续 `tool` 消息关联。
* type `string`\
工具的类型，当前仅支持 `function`。
#### finish\_reason `string or null`
模型在当前分块停止生成的原因：
* `stop`：自然结束或命中 stop 序列
* `length`：达到最大生成 token 上限
* `content_filter`：内容被过滤
* `tool_calls`：触发工具调用
* `function_call`：触发旧版函数调用
* `null`：尚未结束生成，后续仍会有分块
#### index `integer`
该选项在 `choices` 数组中的序号。
#### logprobs `object`
该选项在当前分块的对数概率信息结构，与非流式 `logprobs` 相同，但仅针对「新增」 token。
***
### choices\[i].logprobs.content（流式）
#### content `array`
包含当前分块中新生成的「消息内容 token」列表。
* bytes `array`\
当前 token 的 UTF‑8 字节表示。
* logprob `number`\
当前 token 的对数概率；若不在前 20 个最可能 token 内，则为 `-9999.0`。
* token `string`\
当前输出 token 的文本表示。
* top\_logprobs `array`\
本位置最可能的候选 token 列表。
* bytes `array`\
候选 token 的 UTF‑8 字节表示。
* logprob `number`\
候选 token 的对数概率。
* token `string`\
某个候选 token 的文本。
***
### choices\[i].logprobs.refusal（流式）
#### refusal `array`
包含当前分块中新生成的「拒绝内容 token」列表。
* bytes `array`\
拒绝 token 的 UTF‑8 字节表示。
* logprob `number`\
拒绝 token 的对数概率，低概率时为 `-9999.0`。
* token `string`\
拒绝内容中某个 token 的文本。
* top\_logprobs `array`\
该位置上最可能的拒绝 token 候选列表。
* bytes `array`\
候选拒绝 token 的 UTF‑8 字节表示。
* logprob `number`\
候选拒绝 token 的对数概率。
* token `string`\
候选拒绝 token 的文本。
***
### 流式顶层其他字段
#### created `integer`
聊天补全创建时的 Unix 时间戳（秒）。同一流中的所有分块该值相同。
#### id `string`
聊天补全的唯一标识符。同一流中的每个分块都共享同一个 `id`。
#### model `string`
用于本次聊天补全的模型名称。
#### object `string`
对象类型，流式响应固定为 `chat.completion.chunk`。
#### service\_tier `string`
指定处理请求时所使用的服务类型或服务等级。若上游模型返回该字段，则透传。
#### system\_fingerprint `string`
此指纹表示本次请求使用的后端配置。虽然在部分上游已标记为 Deprecated，但 AGIPower 仍会保留并透传该字段。
***
### usage `object`（仅最后一块包含）
当在请求中设置 `stream_options: \{"include_usage": true\}` 时，最后一个分块会包含 `usage` 对象；其结构与非流式响应一致。
* completion\_tokens `integer`\
生成的补全部分 token 数量。
* prompt\_tokens `integer`\
提示部分 token 数量。
* total\_tokens `integer`\
本次请求中总共使用的 token 数量。
* completion\_tokens\_details `object`\
补全 token 细分统计。
* accepted\_prediction\_tokens `integer`\
预测输出中被采纳的 token 数。
* audio\_tokens `integer`\
模型生成音频相关的 token 数。
* reasoning\_tokens `integer`\
模型用于推理过程的 token 数。
* rejected\_prediction\_tokens `integer`\
预测输出中未被实际采用但仍计入消耗的 token 数。
* prompt\_tokens\_details `object`\
提示 token 细分统计。
* audio\_tokens `integer`\
提示中音频输入 token 数。
* cached\_tokens `integer`\
提示中通过缓存命中的 token 数。
```TypeScript theme={null}
import OpenAI from "openai";
const openai = new OpenAI({
baseURL: 'https://api.agipower.ai/v1',
apiKey: '',
});
async function main() {
const completion = await openai.chat.completions.create({
model: "openai/gpt-5",
messages: [
{
role: "user",
content: "What is the meaning of life?",
},
],
});
console.log(completion.choices[0].message);
}
main();
```
```Python theme={null}
from openai import OpenAI
client = OpenAI(
base_url="https://api.agipower.ai/v1",
api_key="",
)
completion = client.chat.completions.create(
model="openai/gpt-5",
messages=[
{
"role": "user",
"content": "What is the meaning of life?"
}
]
)
print(completion.choices[0].message.content)
```
```cURL theme={null}
curl https://api.agipower.ai/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $AGIPower_API_KEY" \
-d '{
"model": "openai/gpt-5",
"messages": [
{
"role": "user",
"content": "What is the meaning of life?"
}
]
}'
```
```json theme={null}
{
"id": "dc41ec9a378d43a497ca2daff171ceb0",
"model": "openai/gpt-5",
"choices": [
{
"finish_reason": "stop",
"message": {
"role": "assistant",
"content": "There isn’t a single, objective answer. Different traditions offer different meanings, and most people end up constructing their own.\n\n- Religious: To know or serve God, live virtuously, and love others.\n- Existential/humanist: Life has no built‑in meaning; you create it through choices, authenticity, and responsibility.\n- Scientific-naturalist: There’s no cosmic purpose; meaning comes from conscious experience—relationships, curiosity, creativity, and contribution.\n- Eudaimonic (Aristotle): Flourish by developing virtues, using your strengths, and living in accord with reason and values.\n- Eastern philosophies: Reduce suffering, cultivate compassion, and see through the illusion of a separate self.\n\nA practical way to find meaning:\n- Clarify your values (what you’d stand for even if it’s hard).\n- Invest in relationships and service.\n- Learn and create; pursue mastery in something that matters to you.\n- Contribute beyond yourself—help, build, protect, or heal.\n- Savor and be present; cultivate gratitude and awe.\n\nA simple summary many find helpful: Love well, learn continuously, and leave the world a little better than you found it.",
"refusal": null,
"annotations": [],
"reasoning": "**Considering the meaning of life**\n\nI need to answer concisely but thoughtfully. The question is philosophical, so I should present various perspectives: religious, existential, scientific, and personal. It might be useful to suggest a practical framework for finding meaning, focusing on relationships, personal growth, and contributions. While a general response is appropriate, I should clarify that there’s no single objective answer. I can mention common themes like connection, creativity, and love, and propose questions for reflection. A nice one-liner could be about creating meaning through conscious engagement.",
"reasoning_details": [
{
"index": "0",
"format": "openai-responses-v1",
"type": "reasoning.summary",
"summary": "**Considering the meaning of life**\n\nI need to answer concisely but thoughtfully. The question is philosophical, so I should present various perspectives: religious, existential, scientific, and personal. It might be useful to suggest a practical framework for finding meaning, focusing on relationships, personal growth, and contributions. While a general response is appropriate, I should clarify that there’s no single objective answer. I can mention common themes like connection, creativity, and love, and propose questions for reflection. A nice one-liner could be about creating meaning through conscious engagement."
},
{
"id": "rs_0639a0762f01111400696766d7af48819388646c9544e1107c",
"index": "0",
"format": "openai-responses-v1",
"type": "reasoning.encrypted",
"data": "gAAAAABpZ2br9iURFxvdEjmaRGKcjutfnC2dVpSTQxh8Vjel9pkdkU6b6sX_JjARvh4aU-hI9c4ZfGjWAze2FfWqfvNyGN55ljlnX9wHRTK6OR9VWyezo7PoXDS4uJPV62OjA5DvDrj6KZeMcxUnEo54XORRqgGbqCR6R0Pv1q2YoFfJZh0gVBdakKDTlm4JEb6o5hIEg9b1jh1mNxu-SyCxuIecmE_ZsDYphWyLu3S1jPM-ieNTJ97GLfiefbqk-SostjrIKpiVtrGMU0cHS7FYk01X260lXAAf54jqdMzF8Haw08m0zs0vTABPfP3WK5RCOlHd_EuEsabuZoZXwqyWkAA9G3l0i-0xlXnPNZlXwcUlfqZto6aszy-XPPUDXfpIZqEEpcF2ikXSdTSTOMxAtSb2Q1lUnI4rN45-dOonjJ_VltIHXJCf9c-wbF3d-9ymPDwhib4VnlNTbH03I6SK-_PebVkTF1efcaL5MonE0_lypsNn4ZF-T3wpp1jGTke5mMv8qjChJYUaO5C7eGugmM6pvxnAFBr375Wic-rh1wlBrPEtmXPLVO-TqCGNddB-Vrg0HVblXOphr1gPXcuE8VpGw40PtiT9YqYDaAlZRLZpxJfB9hAxtKDfgqh5f5TqfrXjuUJSeT6sQPgCv4vHulpwSWKNOh5PpCvW5FS1HHvPXW1d5WERDl_dngxRWU4NuIi0MlSLV5kd_oTOOM4AVRSYK0TA4o8YpAZVlVYGVp9b5Vs1rhVl56ga_iOBfiRw16Tb7nO7V-vcwrBQLOYiFixuE0Em5UAEaLp_wxP12QqoRSRezFTHkNT9ietR03Z38H8SzwbPoPB2XiI9pe5KxJGQ2cccdS9s5o4_Btj8kp9q9n2rqFg0Cuv-WChnzhgX8u5zrk1cAqCNhr5uul-RdJLWCz9IH35oOe14umu8ymaN4D1x1VTY5uPef7OrjYyYXqTQa-CMUFqw3qShwBftlZDfF6rLMgKUiEBP93ERFNBIMoBIn-BVEdi5yjImIUkH_q1iVyhtQTEHUh7TMF7_i2vWZUB-NXIPs9Zqt76pH-tKukLWvDrHqeajwvtt9d6X4xks9oGzepnWmL2nyFggLD24R8-59Sc5dco-Ssr91TfUpm8VrJXqUTtcMcWuCoY0i93MT8ty5Bc0hYQ23-vzZdyS0Rm6dO26HDXrvZ9TGL4uW_QXNBX6q51qlQ_xr4m51JU8Wul_You9-M03dO99LkdljtF5nKsnZNdiWGRnF9oFmokdHFAqfBM6KjLZUUkDsVG6hLElejg89t0kymwUJfao21MMCb56E2G6QtUOx4vf8F3myDFhOX3zrAAhoJ-Bw7rK3s2esbnDBn96ZzKoyGOLHm54kQM2_Rs9qQdjflxZ4WKhXoEJwz9H1uHILBMVbrl1aTu_ReYb8xJPVR5oB7Ky_1GPoeG82QntVExCJDZpb4fAqpzFzuV6B7GsVF6Z0cyeyPi3TGEjxSLxYqGWVMBSEsokx8USEET0T7ytiHpVQ4cOr2eimLzDp-hJbZKGEufU6Tnh9RZA2-0Q87X57RaoAydY6brj9S3tTAy2Iz8m_-qEGLXjUr6ffDg3lNMGQhFvN-YAWbdmidbZfCVQR1Oc6A6-ayowaHpyUeff7PxQFXaQ7k3P0W7p1N3VLTjC3lNk2gSPyq_6MvLmxXOlGLj_50Q1OLAFn0bK7knhFf8t7gS7MjOXMQl9PiSbtQL9URHrPeMYKjpQGa84rOnZzC8G9RXvzKatVHB0NpKO02DeTY4hzsMw-Wj73-ZpBSSiyOlTpuVVNxma83krKqMqU_9kX09mNWB6UKrm9v7RxFuOjyVd5x35iodmPUbaXbzqETubPRzVKedLAhaYVTZp1J_qWvLVPoSImyFrM0IPB2Jy5ksqqAbbDjTy3l6Jp3pNu-IhiACVA1JlxRQ67Esb7JaK3ZakR3ExWSPDgxonqX8YvS6dr0UM2tjpOnurQc5NUSYBwo9vHzQxbWVuBATJaSUqe0IrJKPyvErRoEtFGjKZ8CvZagw1-MfD0KTLAmzR3hYAXKADsMRibEXf8-SPUrnuvm4OsRj1Gg7jl4k_ITYjOiRLzBMvVVxxRFfAhR7BFYBC1H0dClGTy4yxPKDNUR9HctiuQFO2-Q4Sw4dEqnTYSwCJS4Zaw5DHvqbDh9JK3AKdatRHHImqOxxtUxiJ8IaQcd2n_CaNbIekuuqUclwnjW8IJquTAPDJX0MhsyBY3nXJMVfeyCFO0D0g8OcvCH_9pFrsGgpTb7DFloDeTfCFUfY0GGGtfuhSL3qDggFAurf9H3cN73dOW5wujFOTGAbWG8aHf2Rok_H06fcg4zJSu5TnHkoJjdyc5n_NIo1RATiKwNkSFHwc_2-RnrnmOVl4125ufyqqrvuENapGWm8xGySQW1Zb39AKdUpBr4zEgU_M3PR6D0ujubsJLncgO8X6DwQ47QlGjPYmnjG_-q3O3plr-ShFJQOZqBvSgtdcqQBu0LK8I3vLXjHkQweUsVRzxlbwOYFMjmYOFWzxq2gP86-4TldrnOsUw0afewm0s_d6N8t2F_mvEgmJ5fPA3KXIQ7Fjaqxt_KUgqZqA4j3wGaAqI89QUc2HwU7bVFrLvLa019bJMj4az7WYmw1ajorD0C8dB2tLMjGdVHul_oEod0vyoCt-7I7qxZhkoW24ULSsmtPpSu0zV_gK0runwxjx1csxkHQP-MeoJry_F_D2jhgEmeJjamddbyT2TcQ7S3FS3uNDQyl6agzXq3rRdX9VlUatq9LpUCqL6U7WrA8JlEyFSJVm9W0pYaqjPiHiP47twkjl3txuKraV-Wkg4TrjlcMM3IqkMcAvySekuZGbIhjRscByTmDL-sESsMVG5dV8NU33HwnL9wLyZZ416JF927SfRTkF7DRrl-PRVX-lLNtmoXXSFCBdMfiUhvfWLR7r44ZxMRJCLacN1dw49XDyzANSfRmQySGmWhYUjUej6bLy9bdL5HP21O1u_9XUFWc_boI0a7tphBlMiUBGV7jAKlN9QrMAJVUBamHM3GmabbmVpFrvnuYd5bD_iJN0BY6cZb9lWDs6P6yHip8SoMO9VM8ykcdTfLOqp_IhlUkD3eZ0cSObuPHPs4HfiFHlG6qLLBtT_ytUeIDc5VMjA_6i0mKm85HhqWdB_MWoqE-aSPpAEtmQTLPUyyxpYrMYtWJ_OUqBxiU3CiV9G1QS8oU2gMq60w0OCDoy1F-oxnOLpJIrDhnDTAXlYnbFlYkEAIb9QDn7UDfitHrPqaUwShDHX7XXVbuYYJMIJs2XXnOViviNn5SbVkSDPyt4xi-UfPKpcTJCmmOSvZn-fs3BdO7oGdZC8UmBM6sVmgxOPL361DcEs6fsLKhqKwVLqDS-CYmT811dqja2CcnTmHIQrO6Wg_hEi5C1YW0iA1stpw461VDh86rHRslJSIn6kDJ9W_X-3vsTUpk62jUs6Bv1KkoyhcojCvgXtDr7ff5mTqTbzX9d76yVwW97xqA86SgntP-N6cNE2GcBKaXea32gjGskvFDV5w7-DGoxeZrNM1Ur5-S3ADFDE-A2mrQCxbm66xcB8KNK181k3QWLrlrKWKNMCZLgkFxuXbD2plxgPDWaqaJxFoDibjHHS94JXhBMu3KB6_CziqK7irU3OHsqEGc7ZDHS4araDurJUlr_UhH4UTsS9pOsxF5XniWdyNBdr6CKSrSC0SIw9YUi39X9CLp5mzWspRssOwUhd1ECVkLgOF8yv5g="
}
]
},
"index": 0,
"logprobs": {
"content": [],
"refusal": null
}
}
],
"usage": {
"completion_tokens": 629,
"prompt_tokens": 13,
"total_tokens": 642,
"completion_tokens_details": {
"reasoning_tokens": 384
},
"prompt_tokens_details": {
"cached_tokens": 0
}
},
"created": 1768384213,
"object": "chat.completion",
"service_tier": "default"
}
```
## 多轮工具调用场景：传入 reasoning\_details 和 signature
当使用 Claude Opus 4.5 等 Anthropic 模型并开启 `reasoning` 功能时，在多轮工具调用场景中，**必须将上一轮模型返回的 `reasoning_details`（包含 `signature` 字段）完整传回**，否则后续对话将无法正常进行。
* **背景**：Claude Opus 4.5 原生使用 Anthropic Messages 协议，AGIPower 将 Chat Completion 协议转换为 Messages 协议。
* **问题**：开启 reasoning 时，工具调用场景的第二轮对话需要传入 reasoning 的 `signature`，用于验证推理内容的完整性和连续性。
* **解决方案**：将上一轮 assistant 消息中的 `reasoning`、`reasoning_details` 字段完整传回即可。
### 请求示例
```json theme={null}
{
"model": "anthropic/claude-sonnet-4.5",
"messages": [
{
"content": "今天是2025年8月15日，上海今天天气怎么样",
"role": "user"
},
{
"role": "assistant",
"tool_calls": [
{
"function": {
"name": "search_city_weather",
"arguments": "{\"city\":\"上海\"}"
},
"id": "toolu_bdrk_01S7xyqV3GYLJYrvBC5SwtPP",
"type": "function"
}
],
"content": "",
"reasoning": "用户想知道2025年8月15日上海的天气情况。我需要使用search_city_weather函数来查询。\n\n参数：\n- city: \"上海\"\n- date: \"2025-08-15\"",
"reasoning_details": [
{
"type": "reasoning.text",
"text": "用户想知道2025年8月15日上海的天气情况。我需要使用search_city_weather函数来查询。\n\n参数：\n- city: \"上海\"\n- date: \"2025-08-15\"",
"signature": "EscCCkgICxABGAIqQF3ngnbIR+15nndalNEqnr7vq0v0Hyvle+twPh2SCMpMmNKf1oXiRPsjZG6Z46M69x06wks+4jm4N4FO3RH2mkgSDLChkfyKfk3ZndjatxoMi+H4ghd4hlGd+MRVIjBLKGRIcRwXS09pK50C2/ygvhnTlVMPkcARYG3nXV2ZWr2IPRHzY9XAK6QBJeVrmcsqrAGoL7TTMBUsMqMkfXlcRYABi+OPDht/9BOPKnV1k0RIWnnqzLfx4MQ/WSvTALBchQkYbXtO2v1nn5EhG/b9FZ+ZjUK0pAObWxv8aAIK47N1cTK+OB+iByPvlFb2vi0gX7xVOQXrmR5FLH03/JzmtqLpjgX/uYCYHddOvZzTx65STtajQ94FVKS35XkmHlbOIXqi4j1FIAioP4oqvDXqlZOMh8IKMJypT2I3vF2eGAE=",
"format": "anthropic-claude-v1",
"index": 0
}
]
},
{
"role": "tool",
"tool_call_id": "toolu_bdrk_01S7xyqV3GYLJYrvBC5SwtPP",
"content": "{\"city\":\"上海市\",\"date\":\"2025-08-15\",\"week\":\"1\",\"dayweather\":\"多云\",\"nightweather\":\"多云\",\"daywind\":\"东南\",\"nightwind\":\"东南\",\"daypower\":\"1-3\",\"nightpower\":\"1-3\",\"daytemp_float\":\"35.0\",\"nighttemp_float\":\"28.0\"}"
}
],
"stream": false,
"tools": [
{
"function": {
"name": "search_city_weather",
"description": "搜索城市天气",
"parameters": {
"type": "object",
"properties": {
"city": {
"type": "string",
"description": "城市名称"
},
"date": {
"type": "string",
"description": "yyyy-mm-dd格式的日期"
}
},
"required": ["city", "date"],
"additionalProperties": false
}
},
"type": "function"
}
],
"reasoning": {
"enabled": true
}
}
```
### 关键字段说明
| 字段 | 说明 |
| ------------------------------- | ------------------------------ |
| `reasoning` | assistant 消息中的推理过程文本，可选传回 |
| `reasoning_details` | **必须完整传回**，包含推理过程的详细信息数组 |
| `reasoning_details[].signature` | **最关键字段**，推理过程的签名凭证，必须原样传回 |
| `reasoning_details[].format` | 签名格式标识，如 `anthropic-claude-v1` |
| `reasoning_details[].type` | 推理内容类型，如 `reasoning.text` |
### 工作流程
1. **第一轮请求**：用户发送问题，模型返回包含 `tool_calls` 的 assistant 消息，同时返回 `reasoning` 和 `reasoning_details`（包含 `signature`）
2. **执行工具**：应用程序执行工具调用，获取结果
3. **第二轮请求**：将上一轮的 assistant 消息（**包含 `reasoning` 和 `reasoning_details`**）和工具执行结果（tool message）一起传回
4. **模型响应**：模型基于完整上下文生成最终回答