Function Calling（函数调用）

定义

Function Calling（函数调用）是现代AI代理系统的核心能力之一，它允许大语言模型在对话过程中识别需要执行特定操作的时机，并调用预先定义的外部函数来完成实际任务。与传统LLM仅输出文本不同，具备函数调用能力的模型可以触发代码执行、API请求、数据库操作等真实世界行为。

这项技术最早由OpenAI在2023年引入GPT-4 API中，随后被各大模型厂商广泛采用。它是实现AI代理（Agent）的关键技术基础，使得AI从"被动应答"转向"主动执行"。

工作原理

函数调用流程通常包含以下步骤：

1. 函数定义：开发者预先定义一组可用的函数，并使用JSON Schema格式描述每个函数的名称、参数和返回值。
2. 模型推理：当用户提出需要执行操作的问题时，模型分析上下文并判断是否需要调用某个函数。
3. 参数生成：模型根据函数签名和对话内容，生成符合参数规范的调用请求。
4. 外部执行：应用程序执行实际的函数调用，获取返回结果。
5. 结果整合：函数执行结果被返回给模型，模型基于结果生成最终回答。

应用场景

• 数据库查询：通过自然语言查询数据库，如"查找本月销售额最高的客户"。
• 日历管理：创建会议、查询可用时间、发送日程邀请。
• 实时信息获取：调用天气API、股票行情、新闻摘要等实时数据源。
• 自动化工作流：触发邮件发送、文件处理、CRM更新等业务流程。
• 多工具编排：组合调用多个工具完成复杂任务，如先搜索信息再发送邮件。

示例

示例：查询天气

// 1. 定义函数
functions = [{
  "name": "get_weather",
  "description": "获取指定城市的天气信息",
  "parameters": {
    "type": "object",
    "properties": {
      "city": {"type": "string", "description": "城市名称"}
    },
    "required": ["city"]
  }
}]

// 2. 用户提问
// "北京今天天气怎么样？"

// 3. 模型生成的函数调用
{
  "name": "get_weather",
  "arguments": {"city": "北京"}
}

// 4. 执行函数后返回结果
{"temperature": "28°C", "condition": "晴", "humidity": "45%"}

// 5. 模型生成最终回答
// "今天北京天气晴朗，气温28°C，湿度45%。"

相关术语

• Tool Calling（工具调用）：函数调用的广义概念，涵盖更广泛的工具交互。
• MCP（Model Context Protocol）：Anthropic推出的模型上下文协议，标准化工具调用交互。
• Agent Workflow（代理工作流）：利用函数调用构建的自动化业务流程。