什么是工具调用？Function Calling 通俗解读

通俗理解

想象你在用外卖 App 点餐：你告诉 App "我想要一份宫保鸡丁"，App 不会自己做饭，而是调用餐厅的 API——下单、付款、追踪配送——最后把结果告诉你。

工具调用让 LLM 从"只能说话"变成"能动手"。

	纯语言模型	配备工具的模型
能力	生成文本	生成文本 + 执行动作
实时信息	训练数据截止日期	可调用搜索、查询数据库
计算精度	容易出错	调用计算器/代码解释器
外部集成	无法访问	可调用任意 API
典型场景	写作、翻译	订机票、查股价、改代码

纯大模型

只能生成文本回复，无法执行任何操作。说得再好也只是嘴上功夫。

只能说无法做

带工具的大模型

能搜索网页、读写文件、调用 API，把想法变成行动。

搜索查询读写文件API 调用

核心机制

Function Calling 的工作流程分四步：

code

1. 定义工具 Schema（JSON）→ 2. 模型决定调用哪个工具 → 3. 你的代码执行工具 → 4. 结果返回给模型

关键点：模型只负责"决定调用什么"，实际执行永远在你的代码里。LLM 不会直接访问网络或文件系统，它只输出结构化的调用指令。

工具调用四步流程

定义工具

→

模型决策

→

执行调用

→

返回结果

工程实践

用 Anthropic Python SDK 实现工具调用：

python

import anthropic

client = anthropic.Anthropic()

# Step 1: define tool schema
tools = [
    {
        "name": "get_weather",
        "description": "Get current weather for a given city",
        "input_schema": {
            "type": "object",
            "properties": {
                "city": {"type": "string", "description": "City name, e.g. Beijing"}
            },
            "required": ["city"],
        },
    }
]

# Step 2: model decides which tool to call
response = client.messages.create(
    model="claude-opus-4-5",
    max_tokens=1024,
    tools=tools,
    messages=[{"role": "user", "content": "北京今天天气怎么样？"}],
)

# Step 3: your code executes the tool
if response.stop_reason == "tool_use":
    tool_use = next(b for b in response.content if b.type == "tool_use")
    result = fetch_weather(tool_use.input["city"])  # your implementation

    # Step 4: return result to model
    final = client.messages.create(
        model="claude-opus-4-5",
        max_tokens=1024,
        tools=tools,
        messages=[
            {"role": "user", "content": "北京今天天气怎么样？"},
            {"role": "assistant", "content": response.content},
            {"role": "user", "content": [{"type": "tool_result", "tool_use_id": tool_use.id, "content": result}]},
        ],
    )

Tool Use vs MCP

两个概念经常混用，实际上层次不同：

	Tool Use（工具调用）	MCP（模型上下文协议）
是什么	LLM 的核心能力	工具集成的标准协议
层次	能力层	协议层
类比	打电话的能力	电话网络的标准
作用	让模型可以调用函数	统一工具的描述和调用格式

MCP 是在 Tool Use 能力基础上建立的标准——有了 MCP，工具开发者只需写一次，所有支持 MCP 的模型都能调用。

常见误区

"工具调用就是让 AI 上网"——不准确。联网只是一种工具，工具调用是一种通用机制，可以调用任何函数：数据库查询、文件读写、发邮件、执行代码等
"模型会自己执行工具"——不会。模型只输出"我想调用 X 工具，参数是 Y"，真正执行的是你的应用代码，这也是安全边界的关键所在
"工具越多越好"——错。工具过多会稀释模型的注意力，通常建议单次调用不超过 20 个工具，优先提供精准、描述清晰的工具