Function Calling

一句话定义：LLM 输出结构化函数调用（函数名+参数 JSON），由外部代码执行后回传结果，让模型能"动手"。

1. 机制

  1. 宿主把工具描述（名称/描述/参数 schema）注入。
  2. 模型决定调哪个函数、填什么参数。
  3. 输出结构化 {"name":..., "arguments":...}。
  4. 宿主执行真实函数。
  5. 结果作为消息回传，模型继续。

2. 与 Agent 关系

  • Function Calling 是"单次行动"。
  • Agent 是"多步循环"，每步可能是一次 Function Calling。
  • 是 Agent 的执行原语。

3. 工具设计原则

  • 名称与描述清晰，说明用途与边界。
  • 参数用 JSON Schema 约束类型/枚举/必填。
  • 危险操作加审批/白名单。
  • 返回裁剪，避免上下文膨胀。
  • 错误返回结构化，便于模型重试。

4. 注意事项

  • 描述不清会误选/误填。
  • 模型可能幻觉参数值。
  • 防注入：工具返回内容可能含恶意指令。
  • 多工具时按场景分组。

5. 学习要点

  • Function Calling 让 LLM 从"说"变"做"。
  • 工具描述质量决定调用准确率。
  • 是 Agent 与 MCP 的底层执行原语。

6. 参考资料

  • OpenAI Function Calling 文档
  • "Toolformer: Language Models Can Teach Themselves to Use Tools"