大模型底层逻辑（五）：Function Calling 与Tools

LukeLi
3 阅读2分钟

在之前的学习中，AI 始终是在“说话”。哪怕它说得再对，如果你不手动复制它的代码去运行，或者不手动把它的建议录入系统，它依然只是个“清谈客”。

Function Calling（函数调用） 的出现，标志着 LLM 正式向 Agent（智能体） 进化。

1. 什么是函数调用？（指令的反转）

通常是我们给模型指令，但 Function Calling 是模型向系统发回指令。

  • 传统对话： * 用户：“查一下今天北京天气。”

    • AI：“对不起，我没法实时查天气。”（或通过 RAG 查到旧数据）。

  • 带 Tool 的对话：

    • 用户：“查一下今天北京天气。”
    • AI： （内心 OS） 我不需要直接回答，我应该调用 get_weather 这个函数。
    • AI 发出请求：{ "name": "get_weather", "arguments": "{'location': 'Beijing'}" }

2. 工具使用的“四部曲”

这是一个闭环，模型在其中扮演的是“决策者”而非“执行者”。

代码段

graph TD
    User((用户: 帮我查股价)) --> LLM[1. LLM 决策: 发现需要 Tool]
    
    subgraph Tool_Definition [工具箱 / Tool Definition]
        T1[查询股价函数: 需要参数 symbol]
        T2[发送邮件函数]
    end
    
    LLM -. 参照工具定义 .-> T1
    LLM -- 2. 发出调用请求: query_stock, symbol=AAPL --> Runtime[ 运行环境]
    
    Runtime -- 3. 执行真实代码 --> API[外部 API / 数据库]
    API -- 返回结果: 220.50 USD --> Runtime
    
    Runtime -- 4. 结果喂回 --> LLM
    LLM -- 最终回答: 苹果目前股价是 220.50 美元 --> Final((用户))

    style LLM fill:#69f,stroke:#333
    style Runtime fill:#f96,stroke:#333
    style T1 fill:#dfd,stroke:#333

3. 工具的定位：Tools vs. Skills

在开发中，我们必须区分这两个概念：

  • Tools (原子工具)： 它是“螺丝刀”。比如一个具体的 API 接口，只管干一件事（读文件、调接口）。

  • Skills (复合技能)： 它是“组装家具”。一个 Skill 内部可能包含多个 Tools 的调用逻辑。

    • 例子： “会议摘要 Skill” 会先调用 Recording_Tool 获取音频，再调用 Translate_Tool 翻译，最后输出摘要。

4. MCP 协议的介入

在没有 MCP (Model Context Protocol) 之前，开发者要为 OpenAI 写一套工具定义，为 Anthropic 写一套。 MCP 的作用就是： 它统一了 Tool 的描述格式。 你只需要写一个符合 MCP 标准的 Tool Server，不管是哪个模型，都能通过这根“标准数据线”瞬间理解并学会使用你的工具。

加载原理： 当你问 AI “帮我管理 GitHub”时，系统通过 MCP 动态挂载 (Mount) 了相关的 GitHub Tools。模型在这一瞬间，突然“学会”了操作 GitHub。

5. 总结：第五课的心得记录

  • AI 是决策者，不是执行者： 模型本身不运行代码，它只是生成调用指令，由外部环境（Harness）执行。
  • 描述（Schema）重于一切： 模型怎么知道该用哪个工具？全靠你给工具写的那个 description。如果描述写得烂，模型就会“拿错工具”。
  • 闭环才是智能： 只有当执行结果能回传给模型（Observation），模型才能根据结果调整下一步行动。
avatar
文章
阅读
粉丝