工具调用

它是什么

工具调用是模型根据任务选择外部能力、生成调用请求，并在取得结果后继续判断或回答的机制。工具可以查询数据库、计算、搜索或执行业务动作。对常见的客户端工具，模型只提出工具名和参数，真正的代码由应用运行；模型本身并没有直接执行权限。[S1]

为什么需要它

语言模型擅长理解和生成文本，但训练数据不会自动包含今天的库存、某位用户的订单，也不能仅靠文字真的创建退款。工具把自然语言判断连接到最新数据和确定性系统。Toolformer 的研究也把“何时调用哪个 API、传什么参数、怎样利用结果”视为语言模型使用外部能力的核心问题。[S2]

它如何工作

应用向模型提供工具名称、用途和输入 Schema；模型判断是否需要工具，并返回结构化请求。运行环境先验证参数和权限，再执行操作，把成功结果或错误作为工具结果送回对话；模型据此生成答案、修正参数或停止。服务端工具可能由平台完成循环，但责任边界仍要明确：谁执行、谁授权、结果是否可信，以及失败后能否安全重试。[S1]

必须澄清的误会

工具调用 ≠ 函数调用。 函数调用提供结构化的工具请求格式，是应用实现工具调用的一种常用机制；工具调用还包括权限、结果校验和失败后的重新决策。

工具调用 ≠ AI Agent。 工具调用是一次「用上外部能力」的动作，Agent 是围绕目标的循环：选工具、看结果、再决定下一步。

调用成功不等于做对。 工具返回 200 只说明接口通了，不说明这一步该做、参数对、后果可接受——这三件事都要在应用侧单独设计。

真实例子

用户问“北京门店还有这款相机吗”，助手先调用门店查询工具取得门店 ID，再调用库存工具读取实时数量。如果库存服务超时，工具返回明确错误，助手应说明暂时无法确认或建议转人工，而不是凭常识回答“有货”。只有用户进一步要求预留时，系统才进入带身份校验和确认步骤的预留工具。

什么时候适合与不适合

需要实时数据、精确计算、企业系统或真实副作用时适合使用工具；稳定知识问答和简单改写通常无需额外往返。工具会带来延迟、费用、超时和外部依赖，还可能接收恶意内容或执行错误动作。模型提出调用不等于可以执行，应用必须限制权限、校验参数、记录结果，并为有副作用的操作设计幂等与审批。[S1]

亲自试一下

选一个业务动作，写出工具的名称、用途、三个以内参数、返回值和三种错误。再准备五条用户请求，其中两条不应调用工具、一条缺少必填参数、一条无权限、一条正常。逐条写出系统应当“直接回答、追问、拒绝还是调用”，并检查任何有副作用的请求是否经过独立授权。

接下来学什么

继续学习函数调用理解结构化接口，再学习AI Agent理解多轮工具循环；涉及文件、代码或外部动作时，用Agent 沙箱限制执行范围。

来源与修订

客户端工具的请求、执行、结果回传循环及执行位置参考 Anthropic 官方文档 [S1]；模型学习选择 API、参数和利用结果的研究背景参考 Toolformer 论文 [S2]。具体工具类型、字段、并行方式和平台代执行能力会随 API 版本变化。