Function Calling

让 LLM 输出结构化 JSON 调用预定义函数 / API，是 LLM 与外部世界交互的底层机制，AI Agent 的核心能力之一。

定义

Function Calling 是 LLM API 提供的一项能力：开发者把函数签名（函数名、参数、类型）作为 schema 传给模型，模型在判断需要调用时返回结构化 JSON（函数名 + 参数），由应用代码解析并执行函数，将结果再喂给模型继续推理。

技术细节

典型 Function Calling 流程：

1. 开发者定义 functions schema（JSON Schema 格式）
2. 用户问题 + functions schema 一起发给 LLM
3. LLM 判断 → 直接回复 OR 输出 {"name": "get_weather", "arguments": {"city": "Beijing"}}
4. 应用代码执行 get_weather("Beijing") → 拿到结果
5. 把结果作为 tool message 喂给 LLM 继续推理
6. LLM 综合工具结果生成最终回复

主要玩家

• OpenAI — 2023-06 首发 Function Calling API（GPT-3.5/4）
• Anthropic — Tool Use API（含 Computer Use 子能力）
• Google — Gemini Function Calling
• 开源模型 — LLaMA / Qwen / DeepSeek 等通过微调获得能力

在 AI 产业链中的角色

Function Calling 是 AI Agent 的底层能力——没有 Function Calling，Agent 无法调用工具，只能停留在文本生成。所有主流 Agent 框架（LangChain / CrewAI / AutoGen 等）都基于此构建。

演进历史

• 2023-06 OpenAI 首发 Function Calling API
• 2024 主流模型厂跟进，Tool Use 成为标配
• 2024-10 Anthropic 推出 Computer Use，Function Calling 扩展到 GUI 操控
• 2025 Parallel Function Calling、Streaming Function Calling 等增强

相关概念

• Tool Use / ReAct / AI Agent

∈ belongs_to::4-03-模型生态与工具链