AI Agent 工具调用：Function Calling 深度解析

Function Calling 是让 LLM 与外部世界交互的关键技术。学会了它，就能让大模型帮你查询数据库、发邮件、控制智能家居。

Function Calling 是什么

简单说就是：你定义好函数的 JSON Schema（函数名、参数、描述），传给模型。模型根据用户意图，自动决定要不要调用、调用哪个、传什么参数。

这不是模型真的执行了函数。模型只是"说"它想调用什么，真正的执行是你（开发者）来做的。

OpenAI 的 Function Calling

tools = [{
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "获取指定城市的天气",
        "parameters": {
            "type": "object",
            "properties": {
                "city": {"type": "string", "description": "城市名"}
            },
            "required": ["city"]
        }
    }
}]

用户说"北京今天天气怎么样"，模型就返回 tool_calls: [{name: "get_weather", arguments: {city: "北京"}}]。

完整的调用流程

开发者定义 Tool 列表，发给 LLM
LLM 根据用户输入决定是否需要调用 Tool
如果需要，LLM 返回 Tool 名和参数
开发者执行具体的函数，拿到结果
把结果返回给 LLM，LLM 用自然语言总结给用户

多轮 Tool 调用

LLM 可以在一次回答中请求多个 Tool，也可以分步调用。比如"查北京天气，然后推荐适合的衣服"，模型会先调天气 Tool，拿到结果后再决定推荐什么。

实践中的坑

参数幻觉：模型可能编造不存在的参数值
Tool 描述误导：描述写得太宽泛，模型在不该调用时也调用
循环调用：模型反复调用同一个 Tool 陷入死循环
安全：永远不要信任模型返回的参数，要做校验和权限控制