Tool Calling 工具调用

什么是 Tool Calling？

Tool Calling（工具调用）是让 AI 模型能够调用外部工具和 API 的能力。它让 AI 从"只会说话"进化到"能做事情"。

Tool Calling vs Function Calling

现在业界更倾向于使用 Tool Calling 这个术语，因为它更准确地描述了 AI 调用各种外部资源的能力。

为什么 Tool Calling 很重要？

• 突破知识边界 - AI 可以获取最新信息
• 执行实际操作 - 不只是回答问题，还能解决问题
• 扩展能力范围 - 通过工具实现无限可能
• 提高准确性 - 用工具验证和补充信息

工作原理

Tool Calling 的执行流程

用户请求
    ↓
AI 分析请求 → 决定是否需要工具
    ↓
生成工具调用请求（工具名 + 参数）
    ↓
系统执行工具 → 返回结果
    ↓
AI 整合结果 → 生成最终回答

工具定义结构

{
  "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，如：北京"
      }
    },
    "required": ["city"]
  }
}

工具调用请求示例

{
  "tool_calls": [{
    "id": "call_abc123",
    "type": "function",
    "function": {
      "name": "get_weather",
      "arguments": "{\"city\": \"北京\"}"
    }
  }]
}

OpenClaw 实战应用

OpenClaw 内置工具

场景一：自动化报告生成

1. web_search: 搜索最新行业数据
2. web_fetch: 抓取详细报告内容
3. read: 读取历史数据文件
4. write: 生成新报告文件
5. message: 发送报告到飞书群

场景二：代码开发助手

1. read: 读取现有代码
2. exec: 运行测试命令
3. edit: 修复代码问题
4. exec: 再次测试验证
5. exec: git commit 提交

代码示例

OpenClaw 工具调用示例

# AI 自动决定调用工具

用户: "帮我搜索 OpenClaw 的最新教程"

AI 思考: 需要使用 web_search 工具

工具调用:
{
  "name": "web_search",
  "arguments": {
    "query": "OpenClaw 教程 2026",
    "count": 5
  }
}

工具返回: [搜索结果...]

AI 回复: "我找到了以下 OpenClaw 教程..."

自定义工具开发

// 定义自定义工具
const myTool = {
  name: "send_email",
  description: "发送邮件到指定地址",
  parameters: {
    type: "object",
    properties: {
      to: { type: "string", description: "收件人邮箱" },
      subject: { type: "string", description: "邮件主题" },
      body: { type: "string", description: "邮件正文" }
    },
    required: ["to", "subject", "body"]
  },
  execute: async (params) => {
    // 实现发送逻辑
    return { success: true, messageId: "msg_123" };
  }
};

相关资源

• OpenClaw Tools 文档
• OpenAI Function Calling
• MCP 模型上下文协议
• Agent Workflow 工作流