函数调用（Tool Calling）：Agent 怎么"动手"调外部系统

模型刚能对话时，只能产出连贯文本，工程界为了把模型和外部系统接上，约定让模型输出一段结构化指令，由代码去真正执行。这种方式后来被多家模型支持，名字叫函数调用，也叫 Tool Calling。

函数调用是 Agent 从“陪聊”跨进“办事”的那道门槛，没有它，模型难以接入你的业务系统。下面拆解它的定义、原理、工程价值和落地方式，帮你判断自己的系统该不该、怎么接上这层能力。

函数调用是什么

函数调用指模型根据用户问题，生成一段结构化调用指令，写明要执行的工具名称和参数取值。

它和普通的文本回复不一样。普通回复是自然语言，系统通常无法直接据此操作数据库或接口。函数调用输出带字段的 JSON 结构，例如 {"tool":"query_order","params":{"order_id":"12345"}}。系统解析这段结构，调用对应服务，拿到结果再交给模型组织答案。

这一步把"理解"和"执行"拆成两层：模型负责读懂意图、挑工具、填参数；系统负责跑通接口并返回数据。

从意图到执行的四步链路

函数调用跑通需要四个环节配合。

第一步，注册工具。你把可用工具的名称、功能描述、参数 schema 告诉模型，通常是一组 JSON Schema，写清每个参数的类型、是否必填、取值范围。

第二步，模型决策。模型读用户问题并比对工具描述，判断该调哪个、参数是什么，输出结构化指令。

第三步，系统执行。你的代码解析指令，发起 REST API 请求或运行本地函数，取得返回值。

第四步，结果回灌。执行结果作为新消息送回模型，模型据此生成最终回复，或继续发起下一轮调用。

这条链路让模型能够串联多个工具。先查订单状态，接着调物流接口取轨迹，最后把结果汇成一句人话回复用户。模型通常不存储真实业务数据，它靠函数调用去取、去写，数据源头通常留在你的系统里。

常见误区

误区一，以为写完工具描述模型就调得对。参数抽取常常出错：用户说"上周的订单"，模型可能填成具体日期却算错时区，也可能漏掉必填字段导致接口报错。工具描述要写清约束，系统侧还要做参数校验，不能全信模型输出。

误区二，以为调用越多越好。每多一个外部调用，就多一处权限暴露和失败概率。没做鉴权、没限频、没超时控制，调用越多窟窿越大。按业务最小必要原则开放工具，每个接口配权限边界和输入校验。一个常被忽略的维护成本：参数 schema 一旦变更，所有调用方要同步，否则旧字段名可能导致请求失败。

误区三，忽略结果可信度。模型拿到返回可能误读或编造，关键环节要让人确认，或加规则校验返回结构。给每个外部调用设超时，单接口响应经验上通常建议控制在较低延迟水平，否则一个慢接口可能影响整条长流程。

函数调用能办哪些事

问数场景。用户用自然语言问"华东区本月销售额"，Agent 调数据库接口取数，再生成图表和解读，模型和数据库之间靠函数调用打通。

智能客服。用户问"我的退款到哪了"，Agent 调订单接口和物流接口，拼出当前状态再回复，不必让用户自己翻多个页面。

代码审查。Agent 调代码扫描工具，拿到静态检查结果，整理成修改建议。

会议纪要。Agent 调语音转写和摘要工具，把录音变成结构化纪要。

这些场景有一个共同点：模型不保管业务数据，它通过函数调用去取、去写，有助于保持数据源头统一，也有助于避免把敏感信息塞进模型上下文。

小艾智能体里的函数调用落地

小艾智能体的动态 Agent 编排系统把函数调用做成了可配置能力。它的 REST API 节点对应"调用外部接口"这一步，你在 YAML 或 JSON 里写明地址、方法、参数映射，工作流运行时可支持发起请求。Skill Node 对应"调用本地或内置能力"，系统启动时自动扫描技能目录并注册，工作流通过 Skill Node 调度代码审查、会议纪要这类原子能力。

在小艾的问数场景里，Agent 工作流可用 REST API 节点连数据库取数；在客服场景里，可用 Skill Node 或 REST API 节点对接下单、查询接口。条件路由节点可支持 Agent 根据返回结果选择下一步分支，状态传递可将前一个节点输出传递给下一个节点。函数调用在这里不仅是概念，更是工作流里可拖拽、可组合的节点。