Tool Use
LLM 调用外部工具（计算器 / 搜索 / API / 代码执行 / 浏览器）完成任务的能力，是 AI Agent 范式的核心组件。
定义
Tool Use 是 Function Calling 的更宽泛概念，泛指 LLM 通过调用外部工具扩展能力的范式。常见工具包括：
- 计算器 / 代码执行：数学计算、数据处理
- 搜索 / 检索：网页搜索、知识库查询（与 RAG 结合）
- API 调用：第三方服务（天气、股价、地图、订票）
- 数据库查询：SQL 生成与执行
- 文件系统：读写文件、执行命令
- 浏览器：Anthropic Computer Use 等 GUI 操控
技术细节
实现方式：
- Function Calling 模式：LLM 输出 JSON 调用，应用代码执行（主流）
- 代码生成模式：LLM 直接生成 Python 代码，沙盒执行（如 Code Interpreter）
- ReAct 模式：思考-行动-观察循环（ReAct）
主要玩家
- Anthropic — Tool Use API，含 Computer Use（GUI 操控）
- OpenAI — Function Calling + Code Interpreter
- LangChain — Tool 抽象（开源框架层面）
- CrewAI — 多 Agent 工具协作
在 AI 产业链中的角色
Tool Use 让 LLM 从"语言模型"进化为"通用任务执行器"，是 AI Agent 商业化的必要前提。Tool Use 的成熟度直接决定 Agent 能解决多复杂的任务。
演进历史
- 2022 Meta Toolformer 论文奠基
- 2023 ReAct / Function Calling / Code Interpreter 商业化
- 2024 Anthropic Computer Use 把 Tool Use 扩展到 GUI 操控
- 2025 Computer Use / Browser Use / MCP（Model Context Protocol）等协议生态形成
相关概念
∈ belongs_to::4-03-模型生态与工具链