工具调用 / Function Calling

模型通常输出文字或结构化调用请求。所谓「调用工具」，是模型输出一段格式固定的请求，比如「我要调用 get_fund_nav，参数是 000001」。真正执行的是你的程序。程序把结果再发回给模型，模型据此继续。

OpenAI 文档的定义是：函数调用（也叫工具调用）让模型能够连接外部系统，访问训练数据之外的数据。

为什么需要它？前面几节讲过模型的几个短板：知识有截止日期、会幻觉（第 15 讲（幻觉））、算术不可靠（第 20 讲（程序辅助与自我改进）用 PAL 让模型写程序来算）。工具调用让模型把这些事交给可靠的外部系统去做。

OpenAI 文档把流程写成五步：

1. 带上可用工具清单向模型发请求；
2. 模型返回一个工具调用（要调哪个、参数是什么）；
3. 你的程序拿这些参数执行代码；
4. 带上工具结果再向模型发一次请求；
5. 模型给出最终回答，或者继续发起新的工具调用。

第 5 步的「或者」就是第 28 讲（什么是 Agent）说的循环：只要模型还在要工具，程序就继续执行、回传，直到它给出回答，或者碰到轮数上限。

文档还提醒：一次回复里可能有零个、一个或多个调用，要按「可能有多个」来处理。每个调用都有一个 call_id，回传结果时要带上它，模型才知道哪个结果对应哪个调用。

一份函数工具定义有五个字段：type（固定为 function）、name、description、parameters（用 JSON Schema 描述参数，见第 21 讲（结构化输出））、strict（是否严格遵守 schema）。

演示：一次完整的「查基金净值」（示意）

① 程序发给模型的工具定义（照 OpenAI 文档的格式写的示意）：

{
  "type": "function",
  "name": "get_fund_nav",
  "description": "查询某只公募基金最近一个交易日的单位净值。用户问净值、涨跌时使用；问基金经理、持仓时不要用。",
  "parameters": {
    "type": "object",
    "properties": {
      "fund_code": {"type": "string", "description": "6 位基金代码，例如 000001"},
      "date": {"type": ["string", "null"], "description": "日期 YYYY-MM-DD；不指定就填 null，表示最近一个交易日"}
    },
    "required": ["fund_code", "date"],
    "additionalProperties": false
  },
  "strict": true
}

用户问：「000001 现在净值多少？」

② 模型返回的不是回答，而是一个调用：

{"type": "function_call", "call_id": "call_abc", "name": "get_fund_nav",
 "arguments": "{\"fund_code\":\"000001\",\"date\":null}"}

③ 程序执行：解析参数，查数据库，得到 {"name":"示例基金","date":"2026-10-30","nav":1.2345}。

④ 程序回传：

{"type": "function_call_output", "call_id": "call_abc",
 "output": "{\"name\":\"示例基金\",\"date\":\"2026-10-30\",\"nav\":1.2345}"}

⑤ 模型回答：「000001（示例基金）在 2026-10-30 的单位净值是 1.2345。」

（基金名、日期、净值为示意。）

严格模式：strict: true 让调用可靠地符合 schema，不是「尽量符合」。它基于第 21 讲（结构化输出）讲的结构化输出，因此有两条要求：每个对象都要设 additionalProperties: false；所有字段都要列进 required。可选字段的写法是在类型里加上 null，就像上面的 date。OpenAI 建议始终打开严格模式。

几个开关：

• tool_choice：默认 auto，由模型决定调不调、调几个；也可以设成 required（必须调用）、指定某个函数，或者 none（不调用）；
• parallel_tool_calls: false：每轮最多只调用一个工具。

工具定义也占 token：文档说，函数定义会被放进系统消息，计入上下文长度，也按输入 token 计费。工具越多，越占地方。

Anthropic 的《Writing effective tools for agents》（2025 年 9 月）开头讲了一个关键观点：传统函数是确定性系统之间的约定，同样的输入每次都得到同样的结果；而工具是确定性系统和不确定的智能体之间的约定。用户问「今天要带伞吗？」，智能体可能调天气工具，也可能凭常识回答，还可能先问你在哪。所以工具要专门为智能体设计，不能照搬给程序员用的 API。

下面把 Anthropic 文章和 OpenAI 文档的建议合在一起：

两个真实案例（来自 Anthropic 文章）：

• 推出网页搜索工具时，他们发现 Claude 总是没必要地在搜索词后面加「2025」，搜索结果因此有偏差。改进工具描述后解决了；
• 对工具描述做了精确的修改后，Claude Sonnet 3.5 在 SWE-bench Verified 上达到当时最好的成绩。

演示：一条「有用的报错」如何让模型自己纠正（示意）

1. 模型调用 get_fund_nav(fund_code="华夏成长")，传的是基金名，不是代码。
2. 差的返回：Error 400。模型不知道错在哪，可能原样重试，陷入循环。
3. 好的返回：「fund_code 需要 6 位数字代码，你传的是基金名称。可以先用 search_fund(name=...) 查代码。」
4. 模型改为调用 search_fund(name="华夏成长")，拿到代码后再查净值。

现在的模型通过专门训练学会了工具调用。早期一个有代表性的工作是 Toolformer（Schick 等，2023）。它让模型自己教自己：

1. 在普通文本里，让模型试着插入 API 调用，比如论文图 1 里，在「1400 名参与者中有 400 人（即 29%）通过」这句话中插入计算器调用 400 / 1400；
2. 真的执行这些调用，拿到结果；
3. 只保留那些「把结果插进去之后，后面的文字更容易预测」的调用（损失下降超过一个阈值）；
4. 用保留下来的数据微调模型。

它基于 67 亿参数的 GPT-J，工具有问答、维基百科搜索、计算器、日历、机器翻译。

在三个数学应用题数据集上，67 亿参数的 Toolformer 远超 1750 亿参数的 GPT-3：ASDiv 40.4 对 14.0，SVAMP 29.4 对 10.0，MAWPS 44.0 对 19.8。论文说在 97.9% 的例子里它都用了计算器。还有一个对照值得看：同一个 Toolformer 如果禁止调用工具，三项只有 14.8、6.3、15.0，比原版 GPT-J（7.5、5.2、9.9）略好，说明微调本身带来一点数学能力，但大头的提升来自真的去调用计算器。规模更小的模型（低于约 7.75 亿参数）学不会有效地用工具。

论文自己列出的局限：不能把多个工具串起来用；不能根据结果交互式地改写查询；推理时每个输入最多调用一次。这些正是后来「工具调用 + 循环」的智能体要解决的问题，也就是第 28 讲（什么是 Agent）和第 30 讲（ReAct：边想边做）的内容。

• OpenAI, Function calling 指南：platform.openai.com
• Anthropic, Writing effective tools for agents — with agents, 2025-09-11：anthropic.com
• Schick et al., Toolformer: Language Models Can Teach Themselves to Use Tools, 2023：arxiv.org