工具调用（Tool Calling）基础与函数接口设计

学习目标

• 理解工具调用在人工智能应用中的作用。
• 能设计一个边界清晰的函数接口。
• 知道模型参数必须经过程序校验。

核心概念

工具调用（Tool Calling）让模型不只生成文本，还能选择调用程序提供的工具。模型负责理解用户意图并生成工具名和参数，程序负责校验、执行、记录和返回结果。

工具接口应该窄而明确。每个工具最好对应一个清晰动作，例如查询课程、创建工单、获取订单状态。不要设计一个 do_everything 工具，让模型传入自由文本决定执行什么。

工具返回也要结构化。模型拿到工具结果后，才能继续生成面向用户的解释或下一步建议。

示例与拆解

课程助手需要查询章节信息，可以提供工具：

复制
1type GetChapterInput = {
2  slug: string;
3};
4
5type GetChapterResult = {
6  title: string;
7  roadmap_slug: string;
8  summary: string;
9  next_chapter_slug: string | null;
10};

用户问：

复制
学完 prompt-basics 后下一章是什么？

模型可以产生工具调用：

复制
1{
2  "tool_name": "get_chapter",
3  "arguments": {
4    "slug": "prompt-basics"
5  }
6}

程序校验 slug 合法后执行查询，再把结果交回模型生成回答。真实数据库查询、权限判断和错误处理都不应该由模型直接完成。

常见误区

• 误区一：把工具说明写得很宽泛。宽泛工具会降低可控性。
• 误区二：认为模型生成的参数一定正确。参数可能缺失、类型错误或越权。
• 误区三：工具返回自然语言即可。结构化返回更利于后续推理和界面展示。

小练习

为“查询用户学习进度”设计一个工具接口，写出输入字段、输出字段和至少 2 条执行前校验规则。

实操检查点

把工具接口写成类型定义，并补一条拒绝调用的例子。工具设计必须能说明“什么时候不执行”，否则模型很容易把错误参数传给真实系统。

复制
1type GetLearningProgressInput = {
2  user_id: string;
3  roadmap_slug?: string;
4};
5
6type GetLearningProgressResult = {
7  completed_chapters: string[];
8  current_chapter_slug: string | null;
9  completion_percent: number;
10};

拒绝示例：当前登录用户不是 user_id 对应用户，程序返回权限错误，不把进度数据交给模型。

随堂测验

完成本章测验，重点检查你能否正确理解模型和程序在工具调用中的分工。

本章总结

工具调用把模型连接到真实系统。关键是工具边界清楚、参数可校验、执行受程序控制。

下一步学习指引

下一章学习工作流编排，把多个工具和模型步骤组织成可控任务流。