support multimodal_text content and attachments

[moeakwak]

GPT-4 现在支持多模态内容，图片格式类似于：

{
  "action": "next",
  "messages": [
    {
      "id": "",
      "author": {
        "role": "user"
      },
      "content": {
        "content_type": "multimodal_text",
        "parts": [
          {
            "asset_pointer": "file-service://file-xxxxxxxxx",
            "size_bytes": 19599,
            "width": 868,
            "height": 56
          },
          "图片内容是什么？"
        ]
      },
      "metadata": {}
    }
  ],
  "model": "gpt-4"
}

此外，在 gpt-4-code-interpreter 模型中上传附件也需要 metadata 中的 attachments 字段。