工具调用

基本概念¶

工具调用 (Tool Use / Function Calling) 是让大模型突破「纯文本生成」局限的关键能力。通过定义工具的名称、描述和参数 schema，模型可以在推理过程中决定何时调用哪个工具，并生成符合 schema 的结构化调用请求。

这一能力的实现通常分为三步：

1. 工具定义：以结构化方式（如 JSON Schema）向模型描述可用工具；
2. 工具选择：模型根据用户需求和工具描述，推理出需要调用的工具及其参数；
3. 结果整合：将工具返回的结果注入上下文，模型基于真实数据继续推理或生成最终回复。

Function Calling¶

以 OpenAI 的 Function Calling 为例，一次典型的工具调用流程如下：

sequenceDiagram
    participant U as 用户
    participant M as LLM
    participant T as 工具

    U->>M: 发送请求（附带工具定义）
    M->>M: 推理：选择工具 + 生成参数
    M->>U: 返回 tool_calls（不直接回复用户）
    U->>T: 执行工具调用
    T->>U: 返回结果
    U->>M: 发送工具结果（tool message）
    M->>U: 基于结果生成最终回复

关键点：

• 模型本身不执行工具，而是输出结构化的调用请求，由外部系统执行；
• 一次推理可能产生多个 tool_calls（并行调用）；
• 工具调用的结果作为新的 message 注入对话上下文。

Tool Calling 的训练¶

模型获得 Tool Calling 能力通常需要经过专门的训练阶段：

监督微调 (SFT)¶

在训练数据中加入大量「需求 → 工具调用」的样本对，例如：

{
  "messages": [
    {"role": "user", "content": "北京现在几点了？"},
    {"role": "assistant", "tool_calls": [
      {"type": "function", "function": {
        "name": "get_current_time",
        "arguments": "{\"timezone\": \"Asia/Shanghai\"}"
      }}
    ]},
    {"role": "tool", "content": "2026-05-14T10:30:00+08:00"},
    {"role": "assistant", "content": "现在北京时间是上午 10:30。"}
  ]
}

强化学习 (RL)¶

部分模型（如 Qwen2.5）通过 RLHF 进一步优化工具选择的准确性和参数生成的质量。

Structured Output¶

Structured Output 是 Tool Use 的泛化形式，即使没有外部工具，也能让模型输出符合指定 JSON Schema 的结构化数据。这对于：

• 数据提取与解析
• 表单填写
• API 对接

等场景非常有用。

关键挑战¶

• 工具数量扩展：当可用工具数量增多时，模型的选择准确率可能下降；
• 参数幻觉：模型可能生成不存在的参数值或错误的参数类型；
• 多步工具调用：需要模型理解工具之间的依赖关系并正确编排调用顺序；
• 错误处理：工具调用失败时，模型需要具备重试或换用替代工具的能力。

主流模型支持¶

截至 2026 年 5 月，各主流厂商的旗舰模型均已支持 Tool Calling，且普遍新增了 Tool Search（工具搜索）能力，可在工具数量较多时按需加载相关工具定义以减少 token 消耗。