Function Calling 是什么？让 AI 能调用外部工具的核心能力

一句话解释

Function Calling（函数调用）让大语言模型不再只能生成文字，而是能输出一段结构化的“函数调用指令”，告诉外部系统“请帮我查询天气”或“发送一封邮件”。开发者只需按模型指定的格式调用对应 API，就能把结果返回给模型继续生成回答。

为什么会被关注

在 Function Calling 出现之前，AI 模型只能基于训练数据生成文本，无法主动获取实时信息或执行操作。这项能力让模型从“聊天机器人”升级为“行动智能体”，可以订餐、查股票、操作数据库，甚至多步骤完成任务。它极大地扩展了 AI 在企业自动化、个人助手、智能客服等领域的落地空间。

核心逻辑

开发者预先定义一系列函数（每个包含名称、描述、参数结构），在调用模型时将这些函数描述作为上下文注入。当用户提出需要真实数据或执行操作的请求时，模型会判断是否应该调用函数，并输出一个 JSON 格式的调用请求（如 {"function": "get_weather", "arguments": {"city": "北京"}}）。开发者解析该请求后执行实际函数，将结果返回给模型，模型即可基于结果生成最终回复。整个过程无需人类手动干预。

常见场景

实时信息查询：当用户问“今天北京会下雨吗”，模型调用天气 API 获取数据后回答。企业办公自动化：模型读取员工请假申请后调用日历 API 创建会议，同时更新数据库。多步骤任务：用户说“帮我订一张明天从上海到深圳的机票”，模型依次调用航班查询、座位选择、支付接口。这些场景都依赖 Function Calling 将语言能力与外部系统无缝对接。

容易混淆的点

有人误以为 Function Calling 是模型自动调用外网 API——实际上模型只输出调用指令，执行权在开发者手中。它也常和“插件”混为一谈：插件是允许模型访问多工具的框架，而 Function Calling 是底层使能技术。此外，“结构化输出”虽然同样产生 JSON，但仅用于格式化结果，不涉及外部执行。理解这些区别有助于正确设计 AI 应用。