工具调用 / Function Calling

是什么

向模型声明一组函数（名称、描述、JSON Schema 参数），模型在需要时返回"要调用哪个函数 + 参数"，由你的代码真正执行，再把结果回传给模型。

这是 Agent 与纯聊天机器人的分水岭：模型负责决策，代码负责执行。

为什么需要

只有能调用工具（查数据库、跑命令、发消息、调 API），Agent 才能作用于真实世界，而不只是生成文本。

核心概念

工具定义：name + description + parameters（JSON Schema）。
调用循环：模型输出 tool_calls → 你执行 → 以 role: tool 回传结果 → 模型继续。
并行调用：模型一次可返回多个工具调用，需并发执行后合并。
Human-in-the-loop：高危操作（删除、支付）先暂停，等人确认。

最小代码范式

python

tools = [{
    "type": "function",
    "function": {
        "name": "get_pod_status",
        "description": "查询指定命名空间下 Pod 的状态",
        "parameters": {
            "type": "object",
            "properties": {
                "namespace": {"type": "string"},
                "pod": {"type": "string"},
            },
            "required": ["namespace", "pod"],
        },
    },
}]

messages = [{"role": "user", "content": "查一下 default 下 nginx 的状态"}]
resp = client.chat.completions.create(
    model="gpt-4o-mini", messages=messages, tools=tools, tool_choice="auto"
)
msg = resp.choices[0].message
if msg.tool_calls:
    for call in msg.tool_calls:
        args = json.loads(call.function.arguments)
        result = get_pod_status(**args)          # 你的真实执行
        messages.append(msg)                      # 保留模型原消息
        messages.append({                         # 回传工具结果
            "role": "tool",
            "tool_call_id": call.id,
            "content": json.dumps(result, ensure_ascii=False),
        })
    follow = client.chat.completions.create(model="gpt-4o-mini", messages=messages)
    print(follow.choices[0].message.content)

常见陷阱

工具描述太宽：模型乱调用。描述要写清"何时该用、何时不该用"。
无超时 / 无沙箱：执行外部命令必须加超时与权限边界，否则模型可触发危险操作。
无限循环：模型反复调用工具不停止，需设最大轮次（max steps）。
不校验参数：直接使用模型给的参数，可能越权访问其他资源。

何时需要 Human-in-the-loop

删除/修改生产资源、发送对外消息、调用付费 API——这类动作应在执行前暂停并请求确认，确认结果再以 tool 消息回传。

参考

OpenAI Function Calling 文档
Anthropic Tool Use 文档
MCP（Model Context Protocol）规范

工具调用 / Function Calling ​

是什么 ​

为什么需要 ​

核心概念 ​

最小代码范式 ​

参考 ​

工具调用 / Function Calling

是什么

为什么需要

核心概念

最小代码范式

参考