Tool Use

Tool Use / Function Calling 是把模型的语言能力连接到外部函数、API、数据库、文件系统或业务系统的机制。

1. 解决什么问题

LLM 本身只能生成文本。很多任务需要它真正“做事”：

• 查询数据库
• 调用 API
• 读取文件
• 执行计算
• 创建工单
• 修改代码

Tool Use 的价值是把“会说”变成“能调用外部能力”。

2. 基本流程

用户目标
  -> 模型判断是否需要工具
  -> 生成结构化工具参数
  -> 系统执行工具
  -> 工具返回结果
  -> 模型继续分析或输出答案

3. 工具定义应包含什么

一个好的工具定义至少包括：

• 名称
• 用途说明
• 输入 schema
• 输出 schema
• 错误格式
• 权限边界
• 是否有副作用

工具描述不是越长越好，而是要让模型准确知道何时调用、如何调用、不能用来做什么。

4. 工程护栏

4.1 参数校验

不要相信模型生成的参数一定合法。

需要：

• schema 校验
• 类型校验
• 枚举校验
• 长度和范围限制

4.2 权限控制

工具执行必须按用户和任务权限限制。

高风险工具要人工确认，例如：

• 删除数据
• 发起支付
• 修改权限
• 发布生产变更

4.3 幂等与回滚

有副作用的工具要考虑：

• 重试是否安全
• 是否需要幂等 key
• 是否可回滚
• 是否记录审计日志

4.4 输出约束

工具返回给模型的内容应尽量结构化，避免返回大量无关文本。

5. 常见失败模式

• 工具描述模糊，模型误调用
• 工具参数缺少校验
• 工具返回噪声太多
• 工具权限过大
• 错误信息不结构化，模型无法恢复
• 有副作用工具被重复调用

6. 与 MCP 的关系

Tool Use 是能力模式，MCP 是一种标准化接入协议。

可以理解为：

• Tool Use：模型调用工具这件事
• MCP：用统一协议把工具、资源和提示暴露给 AI 应用

7. 一句话总结

Tool Use 的重点不是“让模型能调用函数”，而是让工具调用在权限、参数、错误和副作用上可控。