Function Calling
到这一章为止的模型都还停留在「说话」：提示词引导它说、RAG 帮它说对。Function Calling 是让模型「做事」的第一步——按约定格式输出调用指令，由外部系统真正去执行具体操作。2023 年 6 月 OpenA…
到这一章为止的模型都还停留在「说话」：提示词引导它说、RAG 帮它说对。Function Calling 是让模型「做事」的第一步——按约定格式输出调用指令，由外部系统真正去执行具体操作。2023 年 6 月 OpenAI 发布 Function Calling 后，「模型会调用工具」成为所有 AI 应用的前提能力：没有它，就没有 Agent（第 07 章）、没有 MCP（第 06 章）的用武之地。这一章讲清楚它的机制、为什么是 Agent 时代的里程碑，以及它与后续标准的演进关系。协议级细节与工程封装见 Agent 核心 07 · Tool Calling 协议与封装。
1. 演进脉络：模型第一次「动手」
1.1 前史（2022-2023）：夹缝中的工具使用
ChatGPT 出现后，开发者很快发现一个痛点：模型只能输出文字，无法真正查询天气、操作数据库、发送邮件。早期的解决方案（2023 年初）是「提示词约定」——在提示词里写「如果要查天气，输出 JSON：{action: 'query_weather', city: '北京'}」，再用正则/代码解析模型输出，映射到真实函数。
这种方式脆弱不堪：模型经常输出不规范 JSON、漏字段、跑偏格式，解析层要写大量防御代码。
1.2 官方化（2023.06）：Function Calling 发布
2023 年 6 月 13 日，OpenAI 发布 Function Calling（后更名 Tool Calling）：把工具定义作为结构化参数传给模型，模型在需要时输出结构化的调用请求——格式由 API 保证，不再靠提示词碰运气。
核心机制：
用户: "北京明天天气怎么样？"
[系统提示词]
你是天气预报助手，可用工具：
- get_weather(city, date) -> 返回天气信息
[用户提问]
→ 模型输出（结构化，而非自由文本）：
{"name": "get_weather", "arguments": {"city": "北京", "date": "明天"}}
→ 应用执行函数，把结果回传给模型：
"get_weather 返回: 晴，18~28℃"
→ 模型基于工具结果生成最终回答
关键的架构变革：模型只负责「决策调用什么、传什么参数」，执行由外部系统完成，结果再回填给模型继续推理——这个「模型决策 → 工具执行 → 结果回填」的循环，正是后来 Agent 主循环的原型。
1.3 标配化（2024-2026）：从 feature 到基础设施
Function Calling 迅速成为所有主流模型的标准能力（GPT、Claude、Gemini、Qwen、DeepSeek 全支持）。2024 年起进一步演进：
- 并行工具调用：一次决策输出多个调用，批量执行
- 结构化输出：模型直接输出符合 schema 的 JSON，与工具调用互补
- 与 MCP 融合：MCP（下一章）把「工具怎么连接」标准化，Function Calling 则负责「模型怎么决策」——两者一个管传输，一个管决策
2. 核心概念：好工具的三要素
工具能不能被模型用好，定义质量决定一半。业界共识的好工具：
| 要素 | 要求 | 反例 |
|---|---|---|
| 名字 | 动词开头、语义清晰 | do_stuff() |
| 描述 | 说明用途、参数含义、何时使用 | 空描述或含糊描述 |
| 参数 | schema 明确、类型正确、必选可选清晰 | 全部 optional、类型混乱 |
工程要点：
- 描述是给模型看的文档：模型靠描述决定是否调用，「查天气」比「获取气象数据」更直观
- 参数越少越好：每个参数都是模型出错的机会
- 错误处理要外置：工具内部异常由代码处理并返回友好结果，不要指望模型「理解」报错堆栈
3. 关键认知：Function Calling 打开了什么
- Agent 的前提：思考-行动-观察循环（第 07 章）的「行动」就是工具调用。没有可靠的函数调用，Agent 循环就是空中楼阁
- 幻觉的另一个出口：工具定义、参数、返回结果都是「结构化数据」，比自由文本更容易校验——这是为什么 Agent 系统比纯聊天系统更容易构建可靠流程
- 它是「协议」，不是「实现」：Function Calling 只规定模型输出什么格式，不规定工具怎么连接——连接问题留给 MCP 解决。决策与传输的解耦，是这一层最重要的设计遗产
4. 现状与趋势（2026）
- 所有主流模型原生支持，工具调用质量成为模型评测的核心维度（调用准确率、参数正确率、幻觉调用率）
- 推理模型 + 工具调用：带思维链的推理模型在执行复杂工具流程（多步调用、依赖式调用）上显著更强
- 与 Agent 协议栈融合：Function Calling（决策层）+ MCP（连接层）+ Skill（能力封装层，第 10 章）构成 2026 年 Agent 工具体系的三件套
5. 术语澄清：Function Calling、Tool Calling 与 Tool Use
这章的名字里有个历史遗留：OpenAI 在 2023 年 6 月发布时叫 Function Calling，2024 年起官方文档改称 Tool Calling；Anthropic 那边则叫 Tool Use。它们指的基本是同一件事——让模型按结构化格式请求调用外部工具。区别只在细节：
| 术语 | 出处 | 侧重 |
|---|---|---|
| Function Calling | OpenAI 早期叫法 | 偏「函数」语义 |
| Tool Calling | OpenAI 现行叫法 | 覆盖更广：函数、API、MCP 工具都算 |
| Tool Use | Anthropic 叫法 | 同样含义，侧重使用动作 |
工程上不用纠结名字，但要注意两点：
- 读文档时按厂商对号入座：搜 OpenAI 看 Tool Calling、搜 Anthropic 看 Tool Use，别被旧名误导
- 「工具」的外延在扩大：2026 年的工具不只有函数——MCP Server（第 06 章）、Skill（第 10 章）都通过同样的「决策-执行-回填」机制被模型使用，这套机制才是本质
延伸阅读
- 官方文档：《OpenAI Function Calling Guide》——协议与最佳实践的第一手来源
- 深度版：Agent 核心 07 · Tool Calling 协议与封装、08 · ReAct 模式与主循环