Function Calling/ 函数调用

函数调用（Function Calling / Tool Use）让AI模型通过声明式API描述调用外部工具的能力，变「只会说」为「还能做」——Agent通过Function Calling与外部世界交互，完成API调用、数据库查询、文件操作等真实任务。

Function Calling的工作流程：

1. 注册工具：开发者以JSON Schema格式声明工具的名称、参数和功能描述

1. 模型决策：LLM根据用户请求判断是否需要调用工具，以及调用哪个工具

1. 生成参数：LLM生成符合工具Schema的参数JSON

1. 执行调用：运行时执行实际的工具函数，获取结果

1. 结果反馈：将工具执行结果返回给LLM，让LLM基于结果继续推理

关键点：模型不直接执行代码，而是生成工具调用的「意图描述」，由运行时负责实际执行。这种设计保证了安全性和可控性。

一个典型的Function Calling工具定义包含：

• name：工具名称（唯一标识）

• description：工具的功能描述（影响模型选择工具的准确性）

• parameters：参数Schema（JSON Schema格式，包含类型、描述、是否必填）

工具描述越精确，模型选择工具的准确率越高。建议在描述中包含工具的适用场景和边界条件。

1. 工具描述质量直接影响准确率：模糊的描述会导致模型选错工具。建议使用清晰、具体的自然语言描述，包含典型使用场景示例。

1. 参数验证不可少：LLM生成参数时可能产生幻觉（不存在的值），需要在运行时做严格的参数校验。

1. 并发与重试：Agent可能同时发起多个工具调用，需要设计并发执行机制和失败重试策略。

1. 工具数量控制：工具越多，模型选择和参数生成的准确率越低。建议将工具数量控制在20个以内。

• OpenAI Function Calling 文档

• Hermes Agent 工具系统源码

• Outlines 库（结构化生成）