Function Calling / Tool Use 的实现原理是什么？

在 prompt 中声明工具 JSON Schema，模型生成 tool_calls 结构化输出，宿主执行函数后将 observation 塞回 messages，模型据此继续回答。

一、先讲调用闭环

Function Calling / Tool Use 的核心是：模型不直接执行代码，而是根据工具 schema 输出一个结构化调用请求，例如工具名、参数 JSON 和调用 id。应用层拿到这个请求后，负责校验参数、执行函数或 API，再把 tool result 作为新消息回传给模型，模型最后基于结果继续回答。

二、拆开实现细节

一次完整链路通常是：定义工具 schema → 用户提问 → 模型判断是否需要工具 → 返回 tool_calls → 宿主程序执行工具 → 回填工具结果 → 模型生成最终答案。Schema 里最重要的是 工具描述、参数类型、必填字段、枚举范围和失败说明。如果工具描述含糊，比如 “search” 没有说明搜什么、何时用，模型就容易乱调或漏调。

三、补上安全和可靠性

生产环境里，工具调用的风险在应用层。参数必须校验，高危操作要人工确认，工具执行要有超时、重试和审计日志；工具返回内容也不能完全信任，尤其是网页、邮件、RAG 文档这类外部文本，可能包含 prompt injection。并行 tool calls 能提升效率，但也要处理依赖顺序和部分失败。