核心要点
讲清机制：你给模型一组工具（函数名 + 参数 schema），模型判断需要时返回「调哪个函数、传什么参数」，你的代码执行后把结果回灌给模型继续生成
能举具体例子：查天气、查订单状态、查数据库、算数、发邮件——让模型从「只会聊天」变成「能行动 + 拿实时数据」
强调它解决幻觉/时效问题：实时数据由真实接口给，不靠模型记忆瞎编
工程注意点：校验模型给的参数、做错误处理、控制权限（危险操作要确认/限权）
标准回答
机制
Function Calling 是把你的功能以「工具」形式描述给模型：每个工具有名字、用途说明和参数 schema（字段、类型、是否必填）。模型在对话中判断需要调用时，不会自己瞎编结果，而是返回一个结构化的「函数名 + 参数」，由你的后端真正执行，再把执行结果回灌给模型，模型据此生成最终回复。
举例：查订单的客服机器人
用户问「我那个订单到哪了」。模型返回要调用 get_order_status(order_id="12345")。后端查数据库拿到「已发货，预计明天到」，回灌给模型，模型再用自然语言答复用户。整个过程实时数据来自真实接口，不靠模型记忆，避免幻觉。
为什么它重要
它让模型能「行动」——查天气、查库存、下单、算数、发通知、操作数据库，是 Agent 能干活的基础。
工程要点
模型给的参数不可全信：要做 schema 校验和兜底（比如 order_id 格式不对就拒绝）；调用要有 try/catch 和超时；危险/写操作（退款、删数据）要加权限校验或人工二次确认，绝不让模型直接执行高风险动作。
常见误区
⚠️ 常见踩坑
直接信任模型返回的参数就去执行——可能字段缺失、类型错或被诱导调用越权操作；必须先校验参数、限制可调工具范围、对写操作加确认。
追问
追问 1：模型调用工具时参数给错了怎么办？
先做 schema 校验，缺字段/类型错就不执行，把错误信息回灌让模型修正重试；设重试上限避免死循环。对枚举值用白名单约束，必填项缺失直接拒绝并提示。
追问 2：Function Calling 和 MCP 是什么关系？
Function Calling 是模型层面「会请求调工具」的能力；MCP（Model Context Protocol）是一套标准协议，让工具/数据源以统一方式接入模型，省去为每个模型各写一套对接。可理解为前者是能力，后者是把工具标准化暴露的接口规范。
延伸学习
与本题相关的知识库文章、术语、工具与行业资讯。