概念-FunctionCalling

一句话理解

Function Calling让模型不直接回答，而是输出结构化的函数调用请求——“我要调用这个工具，参数是这些”。模型不再编造答案，而是精确表达它需要什么外部信息来完成任务。

零基础理解

你问”今天北京天气怎么样”：

纯对话模式：模型可能编造一个天气（幻觉），或者拒绝回答
Function Calling模式：模型输出 {"function": "get_weather", "parameters": {"city": "北京", "date": "今天"}}

然后你的代码执行这个函数（调用天气API），把结果返回给模型，模型再根据真实数据生成回答。模型变成了”指挥官”，它知道该调用什么、传什么参数，但实际执行由你的代码完成。

核心概念

graph TD
    User[用户提问] --> LLM[LLM 分析问题]
    LLM --> Decide{需要调用工具?}
    Decide -->|是| Call[输出函数调用请求<br/>函数名 + 参数]
    Call --> System[你的代码执行函数]
    System --> Result[返回结果给 LLM]
    Result --> LLM
    Decide -->|否| Answer[直接生成回答]

JSON Schema定义工具

使用Function Calling前，你需要先定义”模型可以调用哪些函数”：

{
  "name": "get_weather",
  "description": "获取指定城市在指定日期的天气信息",
  "parameters": {
    "type": "object",
    "properties": {
      "city": {
        "type": "string",
        "description": "城市名称，如'北京'、'上海'"
      },
      "date": {
        "type": "string",
        "description": "日期，格式YYYY-MM-DD，或'今天'"
      }
    },
    "required": ["city", "date"]
  }
}

模型返回函数名+参数

当用户的问题需要调用函数时，模型不会生成文本回答，而是返回一个结构化的函数调用请求：

{
  "id": "call_abc123",
  "function": {
    "name": "get_weather",
    "arguments": "{\"city\": \"北京\", \"date\": \"2026-07-01\"}"
  }
}

你的代码执行函数

模型不执行函数——它只是”表达意图”。实际执行由你的代码完成：

模型输出 → 你的代码解析 → 调用真实API → 获取结果 → 返回给模型

结果返回给模型

函数执行结果返回给模型后，模型结合原始问题和函数结果，生成最终的用户回答：

用户: "今天北京天气怎么样？"
→ 模型: 调用 get_weather("北京", "2026-07-01")
→ 代码: 返回 {"temperature": 25, "condition": "晴"}
→ 模型: "今天北京天气晴朗，气温25°C，适合户外活动。"

Function Calling vs Tool Use

OpenAI叫Function Calling，Anthropic叫Tool Use，机制相同但细节有差异：

维度	Function Calling (OpenAI)	Tool Use (Anthropic)
提出时间	2023年6月	2024年3月
工具定义格式	JSON Schema (functions数组)	JSON Schema (tools数组)
并行调用	支持(parallel_tool_calls)	支持(原生设计)
流式调用	支持(streaming function calls)	支持(streaming tool_use blocks)
强制调用	tool_choice参数	tool_choice参数
典型返回	finish_reason: “tool_calls”	stop_reason: “tool_use”
开发体验	成熟，文档丰富	设计更结构化，约束更清晰

Function Calling的演化

单次调用(2023年6月)

最初的版本：模型一次只能调用一个函数，等待结果后再继续。适合简单场景：“查天气”、“搜索文档”。

并行调用(2023年11月)

模型可以同时发起多个独立的函数调用。例如”比较北京和上海今天的天气”——模型可以并行调用两次get_weather，大幅减少等待时间。

流式调用(2024年)

模型可以在生成回答的过程中，随时决定调用函数，调用完成后继续生成。这使交互更加流畅，减少了用户感知的延迟。

MCP标准化(2024年11月至今)

Anthropic提出MCP协议，将”工具连接”标准化。Function Calling定义了”模型如何表达调用意图”，MCP定义了”工具如何被发现和连接”。

阶段	能力	解决的问题
单次调用	一次一个函数	基本工具调用
并行调用	一次多个独立函数	减少等待时间
流式调用	边生成边调用	交互流畅度
MCP标准化	统一工具连接协议	工具生态互通

2026年定位

Function Calling已成为所有主流模型的基础能力：

OpenAI：GPT-5.5、GPT-5.6 全系列支持
Anthropic：Claude Opus 4.8、Claude Sonnet 4.6 全系列支持(称为Tool Use)
Google：Gemini 3.5 Pro 全系列支持(称为Function Calling)
开源模型：Llama 4.1、Qwen 3.7、DeepSeek-V4 等均支持

Function Calling是整个Agent生态的技术基石。没有它，就没有ReAct循环，没有Tool Use，没有MCP，没有Agent。

来源

OpenAI Function Calling Guide: https://platform.openai.com/docs/guides/function-calling
OpenAI Function Calling Announcement (2023): https://openai.com/index/function-calling-and-other-api-updates/
Anthropic Tool Use Documentation: https://docs.anthropic.com/en/docs/build-with-claude/tool-use
OpenAI Parallel Function Calling: https://platform.openai.com/docs/guides/function-calling/parallel-function-calling