Function Calling
核心事实
Mainstream Agent architectures typically use a large language model as the brain, combined with memory modules, planning modules, and tool interfaces to accomplish complex tasks
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
Function Calling(Tool Use)是大模型调用外部工具的标准化机制,开发者预先声明工具名称、描述和参数Schema,模型自主判断何时调用
时间轴 (近 90 天)
Beat 这类产品大概率构建在 LLM 之上,通过函数调用或类似机制连接外部服务。
函数调用是大语言模型与外部工具交互的一种核心机制,开发者预先定义函数并描述用途和参数,LLM 判断是否调用并生成调用参数。
大模型本身并不内建对 IP 信誉的实时知识,工具调用的意义在于把外部确定性数据源引入推理链路,由模型决定是否查询、由外部服务给出查询结果。
该工作流中 AI Agent 使用 Gemini 模型,并通过 Function Calling 调用 threat_intel_lookup 工具,工具输入为来源 IP,返回包含严重程度、判定结论、建议动作和一句话摘要四个字段的固定 JSON 结构。
很多模型厂商将信息提取(结构化输出)与工具调用放在同一套API里实现。
Spacefast的智能体接入核心是一套面向AI的工具调用接口(Function Calling / MCP类协议),智能体通过结构化调用执行创建项目、写入文件、执行部署等动作。
Function Calling指大模型输出结构化的工具调用请求(工具名加JSON参数),由应用侧解析执行并回传结果,本质是模型侧的输出约定,各家厂商参数格式并不完全一致。
借助大模型的函数调用能力,开发者仍需完成 OAuth 对接,但可将更多精力放在工具描述与提示词设计上,降低了意图解析层的开发成本。
与早期的ReAct提示词方案相比,原生function calling由模型在训练阶段专门对齐过,参数构造正确率和工具选择准确率都更高。
Agent 通过函数调用(Function Calling)或 MCP(Model Context Protocol)等机制,可以主动发起 HTTP 请求、执行系统命令、读写文件。
还有 40 条时间轴事件
全部知识事实 (20)
Mainstream Agent architectures typically use a large language model as the brain, combined with memory modules, planning modules, and tool interfaces to accomplish complex tasks
90%已验证工具调用机制中,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
90%已验证Function Calling(Tool Use)是大模型调用外部工具的标准化机制,开发者预先声明工具名称、描述和参数Schema,模型自主判断何时调用
90%已验证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%已验证工具调用(Function Calling)机制允许模型在推理过程中调用外部工具,如文件读写、终端命令、搜索 API
90%已验证OpenAI于2023年6月首次引入Function Calling功能,随后Anthropic的Claude和Google的Gemini也相继支持
90%已验证OpenAI 的 Function Calling 和 Anthropic 的 Tool Use API 都是 ReAct 模式的标准化实现
90%已验证OpenAI于2023年推出Function Calling规范,允许开发者以JSON Schema格式描述函数接口,模型可自主判断何时调用及传入什么参数
90%已验证MCP中每个工具都有严格的JSON Schema描述,包括名称、功能说明和参数规范
90%已验证Agent的实现通常通过ReAct(Reasoning + Acting)框架来实现规划能力
90%已验证一个典型的Agent由'感知—规划—行动—反思'的循环构成
85%已验证在MCP出现之前,开发者若想让AI调用外部服务,通常需要为每个服务单独编写函数调用(Function Calling)代码,且不同模型提供商的接口互不兼容。
80%已验证Function Calling的核心机制是开发者以JSON Schema格式描述外部函数签名,模型输出符合schema规范的结构化JSON调用指令
80%已验证Agent Loop的底层运行逻辑是一个「感知-规划-行动-观察」的迭代循环
80%已验证Function Calling机制允许LLM以结构化JSON格式声明需要调用的外部工具及参数,工具返回值会被原样注入下一轮模型输入
80%已验证DeepSeek R1默认不支持Function Calling,而DeepSeek V3支持Function Calling
80%已验证Function Calling是大模型与外部系统交互的核心机制,模型可以识别用户意图后调用预定义的函数
80%已验证在MCP出现之前,AI调用外部工具主要依赖OpenAI的Function Calling机制或各框架自定义的插件系统
80%已验证工具增强型AI(Tool-Augmented AI)是当前大模型应用的重要发展方向,OpenAI的Function Calling和Anthropic的Tool Use等机制在底层支撑这一范式
80%已验证Function Calling的原理是模型在推理时除了生成自然语言文本外,还能输出结构化的函数调用指令(包含函数名和参数的JSON)
80%