工具调用

工具调用（function calling）是指大语言模型在生成回复过程中可以主动请求调用外部函数或API

智能体编程工具与传统代码补全工具的核心区别在于自主性与任务范围，agentic 工具能接受高层指令并自主规划步骤、调用工具并迭代执行

工具调用层的评估维度包括Agent是否选择正确工具、是否传入格式正确且语义合理的参数、以及能否正确解析工具返回结果

智能体编程的核心挑战在于模型需要规划多步骤行动、处理执行中的错误反馈、在不同文件和工具之间协调操作

大模型在推理时将工具元数据作为上下文读入，通过语义理解判断是否需要调用工具及传入哪些参数，这一过程被称为Function Calling或Tool Use

智能体模式通过'工具调用'机制实现，模型可自主决定调用外部API、执行shell命令、读写文件或浏览网页

工具调用机制中，开发者在调用 LLM API 时附带一份 JSON Schema 格式的工具描述清单，模型以结构化 JSON 格式输出调用参数

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

大模型本质上只是一个大脑，没有获取外部信息的能力，需要通过工具调用获取实时数据

工具调用对话的序列化需要存储包含多种角色（user、assistant、tool）和多种消息类型（文本、工具调用请求、工具调用结果）的复杂序列

假设一个回合内有 N 个相互独立的工具调用，每次耗时分别为 t₁…t_N，串行执行的总耗时约为 Σtᵢ。

并发执行（并发数 ≥ N）时，N 个独立工具调用的总耗时约为 max(tᵢ)。

工具调用指Agent通过结构化消息请求外部函数执行并把结果回传的机制，回传内容以role: 'tool'的消息形式进入对话历史，从此永久占据上下文。

在TokenRouter中，裁判必须是支持工具调用的模型，因为判定结果通过工具调用返回，模型选择器只会列出这类模型。

工具调用（Function Calling）与本地沙箱是 Agent 能操作本地环境的技术基础：模型输出结构化调用请求，由设备或云端沙箱中的执行层执行，再将结果回传给模型。

工具调用和结构化输出是两种不同的模型能力，不能假定一个编码模型能驱动特定harness。

在 God 中选择模型时，应确认其标注了工具调用支持，并用类似“查找最近一封客户邮件并识别主题和日期”的小任务先验证一次。

工具调用（Tool Calling）是本地模型能否胜任邮件摘要的关键能力；支持工具调用的模型能根据指令主动调用外部函数（如读取邮箱邮件），不支持则只能凭空作答或依赖已注入上下文，可能产生与真实邮件不符的摘要。

God 支持工具调用（Tool Calling）机制，使模型能在回答过程中主动发起结构化请求，如查询日历 API、读取笔记或检索历史记录，并整合真实数据。

普通对话模型只能生成文本，而支持工具调用的模型可以主动发起结构化请求，如查询日历 API、读取保存的笔记或检索历史记录。