Tool Use/Function Calling

Jun 2, 2026

一句话总结

Tool Use/Function Calling让LLM能够识别何时需要调用外部工具并生成结构化的调用参数，是构建Agent和复杂应用的关键能力。

核心概念

Function Calling的工作流程：1）定义可用工具及其参数schema；2）用户提问，LLM判断是否需要调用工具；3）LLM生成工具名称和参数（JSON格式）；4）应用层执行工具调用获取结果；5）将结果返回LLM生成最终回答。支持单工具调用、并行多工具调用和顺序多工具调用。主流API（OpenAI、Anthropic、Google）都原生支持。

为什么重要

LLM本身无法执行计算、访问实时数据或操作外部系统。Tool Use赋予LLM与外部世界交互的能力，使其从知识问答扩展到任务执行。它是Agent、自动化工作流和复杂应用的基础构建块。

实践要点

工具描述要清晰准确，参数schema要严格定义。限制可用工具数量避免选择困难（通常不超过20个）。实现工具调用的错误处理和重试机制。对敏感操作加入人工确认环节。测试边界情况如缺少必要参数、参数类型错误等。使用工具调用而非让LLM自己尝试完成不擅长的任务。

常见误区

工具描述模糊导致LLM错误选择工具。缺乏参数验证直接执行工具调用。给模型过多工具选择导致准确率下降。忽视工具调用失败的异常处理。不测试模型决定不调用工具的情况。