Function Calling（函数调用）#

一句话理解#

LLM 说"我想调这个函数"的能力——模型只负责"说"，不负责"做"。

与 Tool Use 的关系#

这两个概念经常被混用，但不是同义词：

• Function Calling 是 LLM API 层面的接口协议——定义"模型怎么告诉你它想调什么"
• Tool Use 是 Agent 系统层面的完整生命周期——包含工具注册、发现、权限控制、调用执行、结果回传

类比：Function Calling 是"拨电话号码"，Tool Use 是"整个电话系统"（号码簿怎么管理、对方接不接、占线怎么办、通话记录怎么存）。

工作流程#

1. 工具声明：开发者在 API 请求中用 JSON Schema 描述可用工具
2. 意图声明：模型决定调用哪个工具、传什么参数，输出结构化 JSON
3. 外部执行：你的代码实际执行函数
4. 结果回注：执行结果作为 tool 角色消息送回模型
5. 最终回复：模型基于工具结果生成自然语言回复

关键特点#

• 模型不执行函数，只声明意图
• 工具定义中的 description 是模型决策的依据（本质是 Prompt）
• 支持并行工具调用（parallel_tool_calls）
• 各厂商实现格式略有差异（OpenAI / Anthropic / Google 字段命名不同）

工程陷阱#

OpenAI 的 tool_calls 响应中，arguments 字段返回的是 JSON 字符串而非 dict，需要 json.loads() 解析——这是新手最常踩的坑。