Function Calling
核心事实
Mainstream Agent architectures typically use a large language model as the brain, combined with memory modules, planning modules, and tool interfaces to accomplish complex tasks
Function Calling（Tool Use）是大模型调用外部工具的标准化机制，开发者预先声明工具名称、描述和参数Schema，模型自主判断何时调用
Tool Use（工具调用）的底层机制是开发者预先定义工具的名称、描述和参数结构（Schema），模型在推理时判断何时调用哪个工具并输出结构化调用指令
时间轴 (近 90 天)
插件在DeepSeek等大模型平台上以独立服务形式运行，模型通过函数调用（Function Calling）机制在对话中触发插件接口。
在关注点分离方面，用API做Function Calling时工具逻辑写在应用代码里，LangChain将工具逻辑与Python代码紧耦合，MCP采用解耦架构，Server运行在独立进程或容器中。
技术选型判断流程为：先准备测试数据验证可行性；基础能力不够时优先考虑RAG；需要对接外部系统则用Function Calling；只有在提高稳定性、降低推理成本、私有部署等场景下才考虑微调。
工具调用 JSON Schema 的参数描述含糊会显著提高模型调用错误率。
过度量化可能导致工具调用时JSON格式错误率上升。
Agent Loop与单次API调用在工具调用上的区别是：单次调用没有工具调用能力只能输出文本，Agent Loop可以调用文件系统、数据库、外部API等工具。
function calling 此后成为业界事实标准。
Function Calling机制将“模型能调用哪些工具”从提示词里的模糊约定变成了可校验的接口契约：参数不合规可以被拒绝，未注册的工具无法被调用，权限边界因此有了技术层面的落点。
传统的函数调用（Function Calling）需要为每个工具单独编写适配代码，而MCP让工具可以“即插即用”，大幅降低了Agent集成的开发成本。
相比用Function Calling直接查数据库再塞入上下文的方式，RAG的优势在于精准匹配，上下文占用可控，多轮对话下不易撑爆上下文窗口。
还有 40 条时间轴事件
全部知识事实 (20)
Mainstream Agent architectures typically use a large language model as the brain, combined with memory modules, planning modules, and tool interfaces to accomplish complex tasks
90%已验证Function Calling（Tool Use）是大模型调用外部工具的标准化机制，开发者预先声明工具名称、描述和参数Schema，模型自主判断何时调用
90%已验证Tool Use（工具调用）的底层机制是开发者预先定义工具的名称、描述和参数结构（Schema），模型在推理时判断何时调用哪个工具并输出结构化调用指令
90%已验证工具调用（Function Calling）机制允许模型在推理过程中调用外部工具，如文件读写、终端命令、搜索 API
90%已验证OpenAI于2023年6月首次引入Function Calling功能，随后Anthropic的Claude和Google的Gemini也相继支持
90%已验证OpenAI于2023年推出Function Calling规范，允许开发者以JSON Schema格式描述函数接口，模型可自主判断何时调用及传入什么参数
90%已验证MCP中每个工具都有严格的JSON Schema描述，包括名称、功能说明和参数规范
90%已验证一个典型的Agent由'感知—规划—行动—反思'的循环构成
85%已验证在MCP出现之前，开发者若想让AI调用外部服务，通常需要为每个服务单独编写函数调用（Function Calling）代码，且不同模型提供商的接口互不兼容。
80%已验证Function Calling的核心机制是开发者以JSON Schema格式描述外部函数签名，模型输出符合schema规范的结构化JSON调用指令
80%已验证Agent Loop的底层运行逻辑是一个「感知-规划-行动-观察」的迭代循环
80%已验证Function Calling机制允许LLM以结构化JSON格式声明需要调用的外部工具及参数，工具返回值会被原样注入下一轮模型输入
80%已验证DeepSeek R1默认不支持Function Calling，而DeepSeek V3支持Function Calling
80%已验证Function Calling是大模型与外部系统交互的核心机制，模型可以识别用户意图后调用预定义的函数
80%已验证在MCP出现之前，AI调用外部工具主要依赖OpenAI的Function Calling机制或各框架自定义的插件系统
80%已验证工具增强型AI（Tool-Augmented AI）是当前大模型应用的重要发展方向，OpenAI的Function Calling和Anthropic的Tool Use等机制在底层支撑这一范式
80%已验证Function Calling的原理是模型在推理时除了生成自然语言文本外，还能输出结构化的函数调用指令（包含函数名和参数的JSON）
80%已验证Function Call是OpenAI在2023年6月随GPT-3.5/GPT-4 API更新引入的一项能力，允许开发者在API请求中定义函数的JSON Schema描述
80%已验证MCP（Model Context Protocol）是Anthropic提出的开放协议，旨在标准化大模型与外部工具、数据源之间的交互方式
80%已验证OpenAI在2023年6月率先引入了Function Calling能力
80%