AI应用开发必会：ReAct + Tool Calling

ReAct + Tool Calling 是什么？

先把名字拆开：

• ReAct = Reasoning + Acting（推理 + 行动）
• Tool Calling = 让大模型 “调用外部工具”（查天气、搜资料、查数据库、调用 API 等）

合在一起：ReAct + Tool Calling 是一种 AI 智能体（Agent）的工作方式，让大模型能一边思考、一边决定要不要调用工具、拿到结果再继续思考，直到给出答案。

ReAct 本质

它的核心是：思考→行动→观察循环。

ReAct 是一种 prompt / 架构范式，来自论文《REACT: Synergizing Reasoning and Acting in Language Models》。

它把过程拆成三步循环：

1. Thought（思考） ：我现在缺什么信息？要不要用工具？
2. Action（行动） ：决定调用哪个工具、参数是什么
3. Observation（观察） ：拿到工具返回结果，再回到 Thought

例子：

• 用户：“北京今天多少度？”
• Thought：我没有实时天气，需要调用查天气工具
• Action：调用 get_weather (city="北京")
• Observation：28℃，晴
• 再 Thought：信息够了，可以回答
• 最终：北京今天 28℃，晴

也就是说，ReAct用 “自然语言模板” 即可实现工具调用，适用所有模型。当然也可以结合原生 Tool Calling 使用。

Tool Calling 本质

它的核心是：模型输出结构化调用指令。

大模型本来只能输出自然语言，Tool Calling（函数调用 / Function Calling） 让它能输出固定格式的工具调用请求（通常是 JSON），由程序去真正执行工具，再把结果发回模型。

流程：

1. 你把 可用工具列表（名字、描述、参数）发给模型
2. 模型判断需要工具 → 输出结构化调用（如：{"name":"get_weather","parameters":{"city":"北京"}}）
3. 程序解析这个 JSON → 调用真实 API / 函数
4. 把结果塞回模型上下文
5. 模型结合结果生成最终答案

Tool Calling 是用 “原生 JSON 接口” 实现工具调用。