工具调用 Tool Calling · Function Calling

让模型以“结构化参数”触发外部工具/函数的能力，用来把 LLM 从纯文本生成扩展为可执行的动作与工作流。

分类：model 类型：concept 别名：Function Calling, Tool Calling, 函数调用

工具调用（Tool Calling / Function Calling）指的是：模型在对话中不只输出自然语言，还可以输出一段可被程序可靠解析的结构化数据（常见为 JSON），以触发某个外部函数/工具执行，并把执行结果再回传给模型继续推理。

你可以把它看成一种“把自然语言意图映射为可执行 API 调用”的机制，常见于智能体（Agent）、自动化工作流、AI 搜索、代码助手等系统。

为什么重要

• 可控性更强：相比让模型“自己写一段伪代码”，结构化调用更容易做校验、权限控制与审计。
• 能力可扩展：模型本身不需要内置所有知识与能力，通过工具就能访问最新数据与执行动作。

核心组成

• 工具定义：描述工具名称、用途、参数（常用 JSON Schema 表达）、返回字段等。
• 调用生成：模型选择工具并生成参数。
• 执行与回传：宿主程序执行工具，把结果作为“工具消息/函数结果”再喂回模型。

容易踩坑的点

• 幻觉调用：模型可能调用不存在的工具或拼错参数；需要严格校验与错误回传。
• 注入攻击：来自网页/文档/用户的内容可能诱导模型越权调用工具；需要权限分层、上下文隔离与策略约束（见 提示注入 与 Guardrails）。
• 非确定性：同一意图可能出现不同调用形式；建议用“结构化输出/约束解码”提高一致性。

典型用法

• 访问知识库/检索：先检索再生成（常见于 RAG）。
• 查询业务系统：如 CRM/工单/库存系统的只读查询与写入操作。
• 规划与执行：先让模型产出计划，再逐步调用工具执行并校验结果。

打开 GitHub 界面，修改后直接生成 PR