Tool Calling 工具调用完全指南

"那天晚上，我问GPT今天的天气。它说：'抱歉，我没有实时数据。'我叹了口气。后来有人教会了它Tool Calling，它可以查天气、搜资料、写代码。我终于明白，AI不是不会，只是缺了把手。"

🔧 一句话理解

Tool Calling = AI伸向外部的手。没有它，AI只是一个困在训练数据里的聊天机器人；有了它，AI可以搜索网页、调用API、操作文件、执行代码——真正帮你干活。

💡 周星驰式吐槽理解

Tool Calling就像给AI配了个秘书团。你说"帮我订个披萨"，AI自己不送外卖，但它会拿起电话（调用工具）打给披萨店。你说"查一下明天航班"，AI会上网搜索。你说"帮我写代码"，AI会打开编辑器。AI还是那个AI，但它学会了用工具——这就是人类和动物的区别，也是聪明AI和普通AI的区别。

🧠 工作原理

Tool Calling的核心流程是一个对话循环：

用户: 明天北京天气怎么样？
      ↓
AI: 我需要调用天气查询工具
   → 生成工具调用请求:
     {
       "tool": "get_weather",
       "arguments": {
         "city": "北京",
         "date": "明天"
       }
     }
      ↓
系统: 执行工具，获取结果 "晴，25°C"
      ↓
AI: 明天北京天气晴朗，气温25°C，适合出门！

关键特征：

声明式：AI不直接执行，而是生成调用请求
结构化：使用JSON等格式传递参数
可组合：多个工具可以链式调用
并行化：现代模型支持同时调用多个工具

⚖️ Tool Calling vs Function Calling

特性	Function Calling	Tool Calling
范围	狭义：调用预定义函数	广义：使用任何外部能力
复杂度	单函数调用	支持多工具、链式调用
标准	OpenAI首创	行业通用术语
使用场景	结构化输出、简单任务	复杂Agent、多步骤任务

💡 简单理解：Function Calling是Tool Calling的子集。所有Function Calling都是Tool Calling，但Tool Calling还包括浏览器、搜索引擎等更广义的工具。

⚡ OpenClaw实战：Tool Calling配置

OpenClaw中的Tool Calling通过Skills系统实现。当Agent配置了Skills后，会自动在对话中触发工具调用：

# openclaw.json 配置示例
{
  "agents": {
    "defaults": {
      "skills": ["web_search", "browser"]
    }
  }
}

# 对话中自动触发
用户: 搜索一下最新的AI新闻
AI: → 调用 web_search 工具
    → 返回搜索结果
    → 整理并回复用户

OpenClaw支持并行Tool Calling：

用户: 同时查北京和上海明天的天气
AI: → 并行调用 get_weather(city="北京")  
    → 并行调用 get_weather(city="上海")
    → 等待两个结果都返回
    → 综合回复

🛠️ 代码示例：定义工具

在OpenClaw中定义工具的三种方式：

方式1：Python装饰器

from openclaw import tool

@tool
def calculate(expression: str) -> str:
    """
    计算数学表达式
    
    Args:
        expression: 数学表达式，如 "2 + 2"
    """
    try:
        result = eval(expression)  # 简化示例，生产环境需安全检查
        return f"结果是: {result}"
    except:
        return "计算出错，请检查表达式"

方式2：YAML声明

# skill.yaml
name: calculator
description: 数学计算器
tools:
  - name: calculate
    description: 计算数学表达式
    parameters:
      expression:
        type: string
        description: 数学表达式

方式3：MCP协议

{
  "name": "weather",
  "tools": [
    {
      "name": "get_weather",
      "description": "获取指定城市天气",
      "inputSchema": {
        "type": "object",
        "properties": {
          "city": {"type": "string"},
          "date": {"type": "string"}
        },
        "required": ["city"]
      }
    }
  ]
}

💡 最佳实践

工具描述要清晰：AI靠描述判断何时使用工具
参数命名要直观：city比c更易理解
返回结果要结构化：方便AI解析和展示
错误处理要完善：工具失败时给AI友好的错误信息
权限控制要到位：敏感操作需要确认机制

Tool Calling 工具调用