Function Calling

函数调用

让 LLM 输出"该调用哪个函数、参数是什么"的结构化指令，由你的代码实际执行。

详解

Function Calling 是 Agent 工程的发动机。它的关键洞察是：模型本身并不会执行任何函数，它只是看到你提供的工具描述（Tool Schema），然后输出一段结构化的 JSON 告诉你"我建议调用 get_weather，参数是 {city: 北京}"。真正的执行——HTTP 请求、数据库查询、Shell 命令——全部由你的代码完成。执行完成后，你把结果作为一条 role="tool" 的新消息追加到对话历史里，再次调用模型，模型才能基于工具返回值给出最终回答。所以一次完整的 Function Calling 至少包含两次模型调用：第一次决定调什么工具，第二次基于工具结果回答用户。

一个类比

像你和老板沟通：你先告诉他你能做什么（工具清单）；他说"去查张三的合同"（function call）；你跑去执行；执行完把结果汇报回来（tool result）；他基于这个结果再做决策。模型扮演老板，你的代码是执行者。

举个例子

用户问："北京今天多少度？"
模型输出（第一轮）：{"tool_calls": [{"name": "get_weather", "arguments": {"city": "北京"}}]}
你的代码执行 get_weather('北京')，拿到 "22°C 晴"
再次调用模型（带上 tool result），模型输出（第二轮）："北京今天 22 度，天气晴朗。"

PYTHON 示例