大模型工具调用（Function Calling）是什么？原理与实战

2026-06-17

大模型工具调用（Function Calling）是指：让大模型在回答时不直接编造答案，而是输出”该调用哪个函数 + 一段 JSON 参数”，由你的程序真正执行这个函数，再把结果回填给模型继续作答。一句话——模型负责”决定调用什么、传什么参数”，程序负责”真正去做、拿到结果”，两者配合就能让大模型查数据库、调 API、发邮件、查天气，而不只是聊天。

这篇讲清它的工作原理、一个最小实战流程、和相邻概念的区别，以及为什么它是 AI 智能体（Agent）的基础能力。读完你能看懂主流大模型的 Function Calling 文档，并知道接入时容易踩哪些坑。

为什么需要工具调用

大模型本质是一个”文字接龙”的概率模型，它有两个天生短板：

不知道实时信息：训练数据有截止时间，问它”今天北京天气""这个订单发货了吗”，它只能瞎猜。
不能改变世界：它能写出一封邮件的内容，但没法真的把邮件发出去，也没法真的下单、写数据库。

工具调用就是给模型装上”手和眼睛”。你预先告诉模型有哪些函数可用（名字、用途、参数格式），模型在需要时主动说”请帮我调用 get_weather，参数是 {"city": "北京"}”，剩下的查询和执行交给你的代码。这样模型既能拿到准确的实时数据，又能驱动真实动作。

工具调用是怎么工作的

整个过程是一次”模型和程序的接力”，拆成有序步骤就清晰了：

你声明工具：在请求里附上一份工具清单，每个工具包含函数名、自然语言描述、参数的 JSON Schema（哪些字段、什么类型、是否必填）。描述写得越清楚，模型越知道什么时候该用它。
模型决定是否调用：模型读完用户问题，判断”光靠我答不了，需要某个工具”。它不会真的执行函数，而是输出一个结构化结果——要调哪个函数、以及一段符合 Schema 的 JSON 参数。
程序执行函数：你的后端代码拿到这段 JSON，解析出函数名和参数，真正去调用对应的代码或第三方 API，拿到返回结果（比如天气数据、订单状态）。
结果回填给模型：你把执行结果作为一条新消息塞回对话，再次请求模型。
模型组织最终回答：模型拿到真实数据后，用自然语言整理成给用户看的答案。

打个比方：模型像一个坐在前台、手边有一摞功能按钮说明书的接待员。客人问问题时，它不亲自跑去后厨，而是填一张”请帮我按这个按钮、参数是这些”的工单（JSON），后台员工（你的程序）按工单办事、把结果递回来，接待员再笑着告诉客人。模型从头到尾只负责”读懂需求、填对工单、解释结果”。

关键点：模型输出的只是”调用意图”，执行权和安全控制始终在你手里。这意味着你可以校验参数、加权限判断、拒绝危险操作——而不是让模型为所欲为。

一个最小实战流程

以”查天气”为例，走一遍完整链路（具体的 API 字段名、端点以官方文档为准）：

第一步，定义工具。用 JSON Schema 描述函数：

{
  "name": "get_weather",
  "description": "查询指定城市的实时天气",
  "parameters": {
    "type": "object",
    "properties": {
      "city": { "type": "string", "description": "城市名，如 北京" }
    },
    "required": ["city"]
  }
}

第二步，发请求。把用户问题”北京今天热不热”和上面的工具清单一起发给模型。

第三步，接住模型的调用意图。模型不会直接回答，而是返回类似：

{ "tool_call": { "name": "get_weather", "arguments": { "city": "北京" } } }

第四步，执行并回填。你的代码解析出 city=北京，调用真实的天气接口，拿到”32 度、晴”，再把这条结果发回模型。

第五步，模型作答。模型综合数据回复：“北京今天 32 度、晴，挺热的，注意防晒。”

一轮工具调用就完成了。复杂场景里模型可能连续多轮调用（先查用户 ID，再用 ID 查订单），这正是 Agent 的雏形。

工具调用、Agent、MCP 怎么区分

这几个概念常被混着说，给你一组判断口诀：

概念	一句话定位	关系
工具调用 / Function Calling	模型一次”调函数、传参数”的能力	最底层的原子能力
AI Agent（智能体）	模型自主地多轮规划、连续调工具、直到完成目标	把工具调用串成循环
MCP	一套标准协议，规范”工具怎么对接给模型”	工具调用的”统一插座”

简单说：工具调用是”会用一个工具”，Agent 是”自己想清楚先用哪个再用哪个”，MCP 是”让各种工具用同一种插法接进来”。想搞懂 Agent 如何用循环把工具调用串起来，可以读 ReAct 智能体原理（规划中）。

能用工具调用做什么

只要”模型需要外部数据或要触发真实动作”，工具调用就派上用场：

查实时/私有数据：天气、股价、内部订单、知识库、数据库记录。
触发动作：发邮件、建工单、下单、更新 CRM、调用内部审批流。
结构化输出：让模型严格按 Schema 吐出 JSON，方便程序消费（这也是 Function Calling 的常见妙用）。
搭数字员工：客服、销售助理、运维机器人——本质都是”大模型 + 一堆工具”。

怎么上手

不必从零写代码。先用平台体验：主流对话工具和低代码平台都内置了工具/插件机制，能让你直观感受”模型自己决定调用”的过程。想动手搭一个能调工具的助手，可以从可视化 Agent 平台入手；要把它做成企业里真正干活的数字员工，再考虑工程化接入和权限控制。

常见问题

问：工具调用就是模型自己去执行函数吗？ 不是。模型只输出”要调哪个函数、参数是什么”这段 JSON，真正执行的是你的程序。模型没有执行权，这恰好是安全可控的关键。

问：模型生成的参数 JSON 会出错吗？怎么办？ 会。模型偶尔漏字段、传错类型或把可选项当必填。务必在执行前用 Schema 校验参数，校验失败就把错误信息回传给模型让它重试，别直接拿去执行。

问：Function Calling 和直接让模型输出 JSON 有什么区别？ 直接让模型”输出 JSON”全凭它自觉，格式容易跑偏；Function Calling 是模型原生支持的结构化通道，有 Schema 约束，稳定性高得多，还能让模型自主判断”这次该不该调、调哪个”。

问：一次能调用多个工具吗？ 可以。多数模型支持单轮返回多个调用，或多轮连续调用。多轮连续调用 + 自主规划，就是 Agent 的核心机制。

问：哪些大模型支持工具调用？ 主流大模型基本都支持，但参数命名、返回结构、是否支持并行调用各有差异，接入时以你所选模型的官方文档为准，别照搬别家的字段名。

👉 看看 AI 数字员工落地指南，或了解数字员工搭建实战课。需要为企业落地方案，欢迎找我们聊企业服务。