[KongchangAI]
ConceptFunction Calling / 工具调用

Tool Calling

Tool Calling(工具调用)是大型语言模型(LLM)与外部工具或API进行交互的一种能力机制。模型在生成响应过程中,能够识别用户意图并输出结构化的工具调用指令,由运行时环境执行相应函数或服务后将结果返回给模型,从而完成信息检索、代码执行、数据操作等超出纯文本生成范畴的任务。该机制是构建AI Agent和复杂自动化工作流的基础能力之一。

Core Facts

Timeline (last 90 days)

Oct 9

代理依据每个工具的 description 判断调用哪个工具,这本质上是一个零样本语义匹配的分类问题

Unverified50%
Oct 5

不同框架对工具调用的格式定义不同(OpenAI格式、Anthropic格式、Ollama自有格式),未针对特定格式训练的模型会产生格式错误的调用

Unverified50%
Oct 4

LangChain 的 Agent 与工具调用链路中,每个工具调用通常会被分配一个唯一的 Tool ID

Unverified50%
Sep 18

模糊的工具授权提示词描述容易引发不同模型截然不同的执行策略

Unverified60%
Sep 16

工具调用比直接让模型输出代码并 eval 更安全

Unverified50%
Sep 16

工具调用中模型本身不执行代码,只负责决策调用哪个工具,真正的执行权留在开发者控制的宿主程序中

Unverified50%
Sep 14

AI SDK 是一套帮助开发者构建 AI 应用的工具集,抽象了与大语言模型交互的通用逻辑,例如流式响应、消息状态管理、工具调用

Unverified50%
Sep 12

工具调用机制将模型的意图与实际系统操作解耦,使开发者可以在中间层加入权限校验、沙箱隔离或人工确认步骤

Unverified50%
Sep 11

很多Agent教程开篇就大量堆砌工具调用(Tool Calling)、ReAct框架等专业术语,却不梳理整体知识框架

Unverified50%
Sep 11

传统的工具调用(Tool Calling)依赖结构化的API接口,需要开发者预先定义好每个工具的输入输出格式

Unverified50%

13 more timeline events

All Facts (20)

Verified

Tool Use(工具调用)的底层机制是开发者预先定义工具的名称、描述和参数结构(Schema),模型在推理时判断何时调用哪个工具并输出结构化调用指令

90%
Verified

2024年以来,OpenAI、Anthropic、Google等公司纷纷推出Agent框架

90%
Verified

工具调用的实现机制是模型输出结构化的函数调用请求,宿主程序执行对应操作并将结果返回给模型

80%
Verified

Agent通过工具调用(Tool Calling)机制,允许模型以结构化JSON格式输出调用意图,由外部程序执行真实操作后将结果反馈给模型

80%
Verified

客户端拿到工具执行结果后需构造role为tool的消息,携带对应的tool_call_id和执行结果回传给模型

75%
Verified

深度研究功能将单次用户查询分解为多步骤自主研究任务,调用网络搜索和文档分析等工具,由大语言模型推理综合输出结构化报告

75%
Verified

工具本质上是对外部能力的函数封装,配合JSON Schema描述让模型理解工具的功能与参数格式

75%
Verified

LangChain是一个开源框架,核心能力是将大语言模型与外部计算资源和数据源结合

75%
Verified

工具的命名、描述和参数说明是Agent决定何时调用工具的关键上下文,可理解为一种提示词工程

70%
Verified

OpenAI的function calling/tool use机制属于硬约束,由模型推理引擎在解码阶段直接约束输出token的合法集合,从而在协议层保证格式合规

70%
Verified

工具调用(Function Calling / Tool Use)能力使LLM得以输出结构化的意图指令,由外部执行层捕获并实际操作系统

65%
Verified

工具调用(Function Calling/Tool Use)是Agent系统的核心能力,允许模型动态调用搜索引擎、代码解释器、数据库查询、API接口等外部资源

65%
Unverified

Tool Calling存在三大核心痛点:描述繁复、调用不稳定、缺乏统一标准

85%
Unverified

智能体工具调用能力允许语言模型判断是否需要调用工具、生成符合API规范的调用参数并根据执行结果继续推理

70%
Unverified

模糊的工具授权提示词描述容易引发不同模型截然不同的执行策略

60%
Unverified

OpenAI的Tool Calling协议要求消息严格遵循assistant message → tool message的配对顺序,且每个tool message必须通过tool_call_id与对应的assistant message中的工具调用请求精确匹配

60%
Unverified

代理依据每个工具的 description 判断调用哪个工具,这本质上是一个零样本语义匹配的分类问题

50%
Unverified

不同框架对工具调用的格式定义不同(OpenAI格式、Anthropic格式、Ollama自有格式),未针对特定格式训练的模型会产生格式错误的调用

50%
Unverified

LangChain 的 Agent 与工具调用链路中,每个工具调用通常会被分配一个唯一的 Tool ID

50%
Unverified

工具调用比直接让模型输出代码并 eval 更安全

50%

Source Articles