大模型除了说话什么都干不了？因为你没给它"装电话"大模型除了说话什么都干不了？因为你没给它"装电话" 你肯定听过这些词—

大模型除了说话什么都干不了？因为你没给它"装电话"

你肯定听过这些词——Function Calling、工具调用、Agent 智能体。

大模型能聊天，但好像除了说话什么都干不了？它能联网查资料吗？能帮你执行操作吗？

这篇就是帮你搞清楚一件事：大模型是怎么从"只会说话"变成"能动手做事"的。

先回答最根本的问题：大模型能"动手"吗？

先泼盆冷水：大模型本身什么也干不了。

它能聊天、能写文章、能分析代码——但这些都是"说"出来的。它不能联网查数据，不能计算复杂数学题，不能操作你的数据库，不能帮你发邮件。

不是它不想，是它没有这个能力。

大模型的本质是什么？我们在第一篇讲过——它就是一个读了超级多书的程序，根据前文预测下一个词。它没有手臂、没有网络、没有计算器，它只能输出文字。

那为什么现在很多 AI 应用能做到"查天气""搜新闻""操作数据库"？

答案就是这一篇要讲的：Function Calling。

Function Calling：大模型的"电话亭"

Function Calling（函数调用） ，简单说就是：让大模型能够调用外部工具的机制。

你把大模型想象成一个只会说话的顾问。这个顾问脑子特别好使，但有个致命问题——他没有手，只能说话。他不能帮你打电话、不能帮你查资料、不能帮你操作任何东西。

现在给他配一部电话。遇到需要动手的事情，顾问就说："你帮我打这个电话给计算器部门，让它们算一下这个数学题。"然后你的系统去执行这个"打电话"的操作，把计算器返回的结果告诉顾问，顾问再继续他的分析。

这就是 Function Calling。

核心机制：模型不执行，只"指挥"

最重要的一点：Function Calling 时，模型本身并不执行任何函数。

模型做的事情是：

判断：看到你的问题，判断需不需要调用工具
输出：输出一段结构化的"调用指令"，告诉你要调哪个函数、传什么参数
等待：等你的代码执行完，把结果传回来
继续：拿到结果后，继续生成回答

实际执行这些函数的，是你的代码、你的服务器，不是大模型本身。

举一个具体的例子。你问 AI："帮我查一下北京今天的天气。"

没有 Function Calling 时，AI 会瞎编一个天气，或者告诉你它不知道。

有了 Function Calling 时，AI 会输出这样的内容（伪代码）：

{
  "name": "get_weather",
  "arguments": {
    "location": "北京",
    "unit": "celsius"
  }
}

你的代码看到这段输出，就会去调用真正的天气 API，把真实数据拿回来，再传回给 AI。AI 拿到"北京今天 25 度，晴"这个结果，再组织成自然语言回答你。

整个过程中，AI 只是在"说话"，它告诉你该调什么函数、该传什么参数。真正打电话的是你。

常见的使用场景

联网搜索：AI 遇到实时信息需求，调用搜索工具
计算器：AI 遇到复杂数学运算，调用计算函数（而不是自己硬算）
数据库查询：AI 根据你的问题生成 SQL，调用数据库工具执行
发送消息：AI 生成邮件内容，调用邮件 API 发送
调用第三方 API：任何外部系统的操作，都可以通过 Function Calling 实现

一句话总结：Function Calling 就是给大模型装了一部电话，让它能"指挥"外部工具帮它做事——但它自己不动手，执行的是你。

Tool Use：不同的叫法，同一件事

你可能会在不同的文档里看到不同的词——OpenAI 叫它 Function Calling，Anthropic 叫它 Tool Use，Google 叫它 Extensions。

它们说的是同一件事：让模型能够调用外部工具的机制。

不同厂商的叫法：

厂商	叫法
OpenAI	Function Calling
Anthropic	Tool Use
Google (Gemini)	Extensions / Tool Use
通义千问	Function Calling / 工具调用

本质完全一样，不用纠结叫什么，记住它的作用就行。

一句话总结：Tool Use 是 Function Calling 的广义说法，不同厂商叫法不同，作用都是让模型能调用外部工具。

Agent（智能体）：会自己做决定的程序

现在你有了 Function Calling，大模型能调用各种工具了。

但还有一个问题：谁来决定什么时候调什么工具？按什么顺序调？调完结果怎么处理？

这就是 Agent 要解决的问题。

Agent（智能体）= 大模型（大脑）+ 工具（手脚）+ 编排逻辑（手脚怎么动）

你可以把 Agent 理解成一个升级版的顾问。不再是你问他答、答完结束，而是：

给你一个目标
顾问自己决定该用哪些工具
按他自己判断的顺序调用
根据每次调用的结果，决定下一步该干什么
直到达成目标，或者判断无法达成

简单说，Agent 是能自主做决策的程序。它不只是回答问题，而是会自己规划、自己执行、自己调整。

Agent 不是新模型，是一种架构

最重要的一点：Agent 不是一种新的大模型。

Agent 是在现有大模型基础上，用一套逻辑把模型和工具组织起来的方式。就像一个人脑子够用，但需要有人告诉他什么时候该干什么；Agent 就是那套"告诉他什么时候干什么"的逻辑。

所以你会看到，同一个大模型，可以跑在不同的 Agent 框架里（LangChain、AutoGen、CrewAI 等），表现出来的"能力"完全不一样——不是模型变了，是组织方式变了。

Agent 的基础工作流程

一个最简单的 Agent 循环：

感知（Perceive） ：接收用户的问题或当前状态
思考（Think） ：让大模型判断该做什么
行动（Act） ：调用工具执行操作
观察（Observe） ：获取工具返回的结果
循环：把结果反馈给大模型，继续思考下一步

直到任务完成，或者达到某个终止条件（比如循环次数超限）。

这就是经典的 OODA 循环（Observe-Orient-Decide-Act）的变体。

常见的 Agent 能力

自主规划：把一个大任务拆成多个小步骤
工具选择：判断当前该用什么工具
自我纠错：执行后发现结果不对，调整策略重来
记忆：把之前的交互结果存下来，影响后续决策

一句话总结：Agent 是在 Function Calling 基础上，让模型能自主决定"调什么工具、按什么顺序调、调完怎么办"的程序——它不是新模型，是用大模型做大脑、用工具做手脚的软件系统。

Function Calling 和 Agent 是什么关系？

讲到这里，两者的关系就很清楚了：

Function Calling：基础能力，让模型能"调用工具"。模型输出调用指令，你来执行。
Agent：在 Function Calling 基础上，加上了"自主决策"的逻辑。模型自己决定什么时候调什么、调完怎么干。

打个比方：

大模型 = 只会说话的顾问
Function Calling = 给顾问配了一部电话，能叫人帮忙
Agent = 让顾问当组长，自己决定什么时候叫谁、叫来干什么、结果怎么用

Function Calling 是 Agent 的基础能力，但有了 Agent 才是真正能"自主做事"的开始。

这篇我们只讲基础概念。复杂的多 Agent 协作、Agent 的深度架构设计，我们留到 06 篇。

小结

概念	一句话
Function Calling	给大模型装了一部电话，让它能"指挥"外部工具——模型不执行，只输出调用指令
Tool Use	Function Calling 的广义说法，不同厂商叫法不同，本质一样
Agent	在 Function Calling 基础上，让模型能自主决定"调什么工具、按什么顺序调"的程序

常见误区

误区一："Function Calling 是让 AI 自己执行函数"

不是。Function Calling 时，模型只是输出一个"调用指令"（JSON 格式），告诉你的代码该调哪个函数、传什么参数。实际执行这个函数的，是你的代码，不是模型本身。

误区二："Agent 是一种新的大模型"

不是。Agent 不是模型，是一种架构、一种组织方式。同一个大模型，跑在不同的 Agent 框架里，可以表现出完全不同的能力——这不是模型变了，是"大脑指挥手脚的方式"变了。

误区三："有了 Agent 就不用写代码了"

不是。Agent 只是降低了"让 AI 操作工具"的门槛，但你仍然需要：

定义好这个 Agent 能用哪些工具
设计好 Agent 的决策逻辑
处理各种边界情况和错误
把 Agent 的输出接入到你的实际业务里

Agent 是一个组件，不是一个能独立运行的系统。

概念速查卡片

表格

术语	英文	大白话
Function Calling	Function Calling	给大模型装电话，让它能"指挥"外部工具，模型不执行只输出指令
工具调用	Tool Use	Function Calling 的广义说法，不同厂商叫法不同
Agent	Agent / 智能体	能自主决定"用什么工具、怎么用"的程序，大模型做大脑，工具做手脚

下一篇我们聊：06 篇把 Agent 深度讲透——ReAct、Plan-and-Execute、RAG、Skill、MCP，这些名词怎么配合在一起，让 AI 真正变成你的得力助手。

这是「老开发的 AI 笔记」专栏的第 5 篇，用开发者听得懂的话讲 AI。觉得有用的话，点赞收藏走一波，后续持续更新。