Tool Use（工具调用）

工具调用让模型突破「只会生成文字」的限制，能与真实世界系统交互。

• 核心思路：模型输出结构化的「调用指令」（函数名 + 参数），执行层将其转发给外部系统，再把结果回传给模型继续推理。
• 典型工具类型：搜索引擎、代码执行沙箱、数据库查询、第三方 API（天气/日历/支付）、文件读写。
• 价值所在：解决 LLM 知识截止、数学精度差、无实时数据等固有短板，使模型具备「感知-行动」能力。
• 行业现状：主流模型（GPT-4o、Claude 3、Gemini 1.5 等）均已原生支持工具调用，成为智能体应用的标配基础设施。

工具调用的完整流程分为四个环节，每个环节都有影响成败的关键细节。

• Schema 注入：在系统提示或上下文中提供工具的 JSON Schema（名称、参数类型、描述），模型据此判断何时调用哪个工具；Schema 描述质量直接决定调用准确率。
• 调用生成：模型输出符合 Schema 的结构化调用请求（通常为 JSON），而非自然语言；格式错误会直接导致调用失败。
• 执行与回传：宿主程序或框架（如 LangChain、LlamaIndex）拦截调用、实际执行，并将结果（含错误信息）作为新消息追加到对话上下文。
• 结果整合：模型读取工具返回值后继续生成，可能发起多轮调用（多步推理），最终汇总给用户。
• 截断与错误回传：若返回结果过长被截断，或错误信息未正确回传，模型极易产生幻觉或错误推断。

不同框架和场景下，工具调用有几种常见实现形式。

• Function Calling：OpenAI 2023 年 6 月提出的标准化接口，模型输出结构化调用字段，目前已成为行业事实标准参考格式。
• ReAct 模式：将推理（Reasoning）与行动（Action）交替进行，模型先「想」再「做」，显式输出思考链后触发工具调用。
• 并行工具调用：GPT-4 Turbo（2023 年 11 月）和 Claude 3.5 等支持一次输出多个工具调用指令，并行执行后汇总结果，减少往返延迟。
• MCP（Model Context Protocol）：Anthropic 2024 年 11 月提出的开放协议，将工具、资源、提示模板统一标准化，便于跨平台互操作。
• 代码执行工具：将代码解释器（Python Sandbox）作为特殊工具，让模型通过写代码来完成数学、数据分析等任务（如 ChatGPT 的 Code Interpreter）。

工具调用在实际产品中已有大量落地案例。

• 实时信息检索：调用搜索 API 获取最新新闻、股价、天气，弥补模型知识截止问题。
• 代码生成与执行：让模型写代码后立即在沙箱运行，验证结果再回答，准确率远超纯文字推理。
• 企业系统集成：对接 CRM、ERP、数据库，实现「问一句话查销售数据」的自然语言接口。
• 多步骤任务自动化：智能体依次调用「搜索→读取→写入→发送邮件」等工具链，完成复杂工作流。
• 多模态扩展：调用图像生成 API 或语音合成，使纯文字模型具备多模态输出能力。

工具调用容易与几个相近概念混淆，以下逐一厘清。

• Tool Use vs RAG：RAG 是模型被动接收检索结果（由外部系统推送），Tool Use 是模型主动发起调用；二者可组合，即模型调用搜索工具实现 Agentic RAG。
• Tool Use vs Function Calling：Function Calling 是 OpenAI 定义的具体实现规范，Tool Use 是更广泛的能力概念；Anthropic 将自家实现直接命名为「Tool Use」。
• Tool Use vs Agent：Tool Use 是智能体（Agent）的核心能力之一，但 Agent 还包含规划、记忆、自我反思等机制；有工具调用不等于有完整 Agent。
• Tool Use vs MCP：MCP 是工具调用的传输/协议层标准，规范了工具如何被发现和连接；Tool Use 描述的是模型侧的调用能力本身。

工具调用并非银弹，实际落地中有几个高频踩坑点。

• Schema 质量决定调用质量：工具描述写得模糊或参数命名不直觉，模型极易调用错误工具或填错参数，这是线上失败的首要原因。
• 错误处理被忽视：若工具返回异常或空结果时未正确回传错误信息，模型会「脑补」结果，制造幻觉。
• 上下文窗口压力：多轮工具调用会将大量中间结果塞入上下文，消耗 token，可能触达窗口上限并增加推理成本。
• 安全风险：提示注入攻击可诱导模型调用危险工具（如删除文件、发送邮件），需在执行层加访问控制与内容过滤。
• 过度工具化误区：不是所有任务都需要工具；过度工具化会增加延迟和成本，简单问答直接回答更优。

工具调用能力的演进与 LLM 能力边界扩展高度同步。

• 2023 年 2 月：Meta AI 发布 Toolformer 论文（Schick 等人），首次系统性论证 LLM 可通过自监督方式学会调用外部工具（计算器、搜索、日历等）。
• 2023 年 6 月：OpenAI 在 GPT-3.5 Turbo 和 GPT-4 API 正式引入 Function Calling，提供标准化 JSON Schema 描述与专用响应字段，迅速成为行业参考标准。
• 2023 年 11 月：OpenAI 发布 GPT-4 Turbo，引入并行工具调用；LangChain、LlamaIndex 等框架将工具调用封装为一等公民，推动智能体应用爆发。
• 2024 年 3 月：Anthropic 发布 Claude 3 系列并官方命名「Tool Use」功能，成为主流 API 标配。
• 2024 年 11 月：Anthropic 发布 MCP（Model Context Protocol），尝试将工具连接标准化为独立开放协议层，推动跨平台生态建设。
• 2025 年起：主流模型竞相优化工具调用准确率与速度，工具调用成为 AI 智能体产品的基础必选项，MCP 逐步获得多家厂商采纳。