AI 是怎么「用工具」的?拆解 Function Calling

你有没有发现，现在的 AI 好像「长出手」了，能帮忙干活了，比如之前很火的帮忙买奶茶、点咖啡？

以前它只会陪你聊天、写文案。可现在你跟它说「帮我查下明天上海的天气」, 它真能给你一个实时结果；你说「帮我点一杯xxx奶茶」, 它也能根据实时定位查询附近门店，帮忙下订单。

奇怪的是 —— 它明明只是个「语言模型」, 肚子里装的是文字，它到底是怎么把活干成的？

先说结论：AI 自己啥也没干。它干的事，和你在电商 App 上购物时那个「帮你下单的助手」一模一样 ——它从不进仓库发货，只负责把你的话，变成一张平台能识别的「标准订单」。真正发货的是仓库，它只是那个帮你把单下明白的人。

这个「下单」的动作，就是今天要讲人话的主角:Function Calling (函数调用)。

一、先破个误会：AI 不会「自己动手」

很多人以为，AI 能查天气，是因为它「自己上网查了一下」。

不是的。大模型的本质，还是我们之前讲过的那件事 ——猜下一个字。它擅长的是理解语言、组织语言，但它没有手，不能真的点鼠标、敲回车、打开一个网页。

打个比方:

❌ 你以为的：你在 App 上说「买瓶洗发水」, 这个助手转身冲进仓库，亲自打包、贴单、送货上门。

✅ 实际发生的：助手站在原地没动, 只是帮你生成一张订单 ——「洗发水 ×1, 寄到公司」, 提交给平台。发货是仓库的事，它一件货都没碰。

AI 也是这样。它不发货，它只负责听懂你要什么，然后生成一张标准订单。

二、那它到底干了啥？—— 生成一张「标准订单」

当你说「查下明天上海的天气」,AI 在幕后做的，不是查天气，而是生成一张结构工整的订单, 长得大概像这样:

要用的工具：查天气；城市：上海；日期：明天

你看，它把你一句大白话，拆成了「调用哪个工具 + 传什么参数」。这张订单会被交给一个真正能查天气的程序去执行，程序查完，把结果 ("明天上海小雨，22~28℃") 再塞回给 AI,AI 最后总结回答。

先讲到这，再点术语:AI 生成的这张「标准订单」, 专业上叫函数调用请求; 它能调用的那些工具 (查天气、发邮件), 叫函数或Tools; 整套「让模型决定该下哪张单、怎么下」的机制，就叫Function Calling。

所以记住一句话就够了:模型负责「下单」, 工具负责「发货」。模型永远不碰货。

三、全流程走一遍：一张订单的旅行

还是用「查明天上海的天气」这个例子，把幕后四步完整跑一遍:

听懂

AI 读你的话，判断出「这活我自己答不了，得查实时数据」, 并挑中「查天气」这个工具。

下单

它生成标准订单 —— 工具 = 查天气，城市 = 上海，日期 = 明天。注意，这一步 AI 只是 "下单", 没有 "发货"。

仓库发货

外部程序拿着这张订单，真的去调天气接口，拿回数据。

签收 + 翻译

数据回到 AI 手里，它再把冷冰冰的结果，组织成回复:「明天上海有小雨，记得带伞，22 到 28 度。」

整个过程，你只感觉「AI 帮我查了天气」, 但其实是它下单、工具履约、它再报结果。它像个特别靠谱的导购，自己不进仓库，但知道该把订单派给谁。

四、为什么非得这么绕？直接让 AI 答不行吗？

好问题。直接让模型凭记忆回答，不是更快？

不行，而且这么绕恰恰是它的聪明之处。原因有三个:

它记的是 "旧的"模型的知识停在训练那一刻，它不知道 "明天" 上海下不下雨。实时的事，必须交给工具查。它算数会飘让模型硬算一笔复杂账，它可能一本正经地算错 (这就是我们讲过的 "幻觉")。但交给计算器工具，答案分毫不差。它够不着你的系统

你的日历、你的周报数据、公司的报销系统，模型本身进不去。得借助工具调用才能获取到具体信息。

对比一下就懂了:

❌ 不用工具:「明天上海天气？」→ AI 凭感觉编一个「应该是晴天吧」, 可能全错。

✅ 用工具:「明天上海天气？」→ AI 判断应该调查天气工具进行查询 → 天气接口返回真实数据 → AI 如实转述。

Function Calling 的意义，就是给 "只会猜字" 的模型，接上了一双能碰到真实世界的手。它从一个「知识渊博但两耳不闻窗外事」的书呆子，变成了「能查、能算、能办事」的助理。

五、你可能会踩的坑

理解了原理，用起来就能避开两个最常见的坑:

坑一：工具没配好，AI 巧妇难为无米之炊。

❌ 你以为只要 AI 够聪明，它就能订奶茶。实际上如果没人给它接上「工具」, 它连订单都提交不出去，只能干着急。

✅ AI 能不能干某件事，取决于有没有给它配对应的工具。这也是为什么同样一个 AI, 有人用它能操作一堆软件，有人用它只能聊天 —— 差在工具。

坑二：话说不清，AI 就下错单。

❌ 你说「帮我订张票」, 不说时间、不说地点。助手拿着半张空白订单，只能瞎猜，或者反过来追问你。

✅ 你说「订下周三上午、北京到上海的高铁票，二等座」。信息给全，AI 一次就把订单下对，仓库照单发货，又快又准。

说白了：AI 用工具的水平，一半看工具配得全不全，一半看你话说得清不清。这也是为什么会写 Prompt 的人，用 AI 办事的成功率天然更高 —— 他们天生就懂「怎么把订单下明白」。

六、顺带说清：Function Calling、MCP、Skill 到底谁是谁

讲到这，肯定有人开始犯晕：又是 Function Calling, 又是 MCP、Skill, 这几个到底啥关系？是不是一回事？

先给结论：它们不是三选一，而是各管一段。还是用网购下单举例来说明，一下就清楚了。

想象你在电商 App 上买东西:

Function Calling = 你按下「提交订单」这个动作

它把你 "我要买这个" 的意图，变成一张平台能识别的标准订单(买哪件、几个、寄到哪)。它只是个下单机制, 本身不生产任何商品。

工具、函数 = 货架上真实的商品和背后的仓库

你下的单最终能发货，是因为商家早就把货上架、配好了库存。对应到 AI, 就是开发者事先把 "查天气"" 订奶茶 " 这些工具接好了。没上架的东西，你下单也买不到。

MCP = 平台的「统一入驻标准」

它让天南海北的商家、第三方仓库，用同一套规则接入平台，你在一个 App 里就能买遍全网。对应到 AI,MCP 就是那个让各种外部系统 (数据库、日历、公司内网) 用统一插头接进来的标准协议 —— 我们上一篇叫它 "AI 世界的 USB-C"。

Skill = 金牌导购的「服务手册」

它不卖货，也不管仓库，它教店员怎么问清你的需求、怎么帮你选对、怎么把单下得又快又准。对应到 AI,Skill 是一份说明书，教它 "遇到这类活该分几步、注意什么"。

❌ 误解:「Function Calling 调用的方法，是 MCP 或 Skill 提供的。」

✅ 准确:下单动作是 Function Calling; 商品 (工具) 是开发者上架的；MCP 是让外部货源统一接入的入驻标准；Skill 是教 AI 怎么把单下对的导购手册。

Function Calling 负责「下单」, 工具负责「供货」,MCP 负责「把全网货源接进来」,Skill 负责「教 AI 怎么下对单」。四个各司其职，谁也替代不了谁。

模型负责下单，工具负责发货，模型永远不碰货。

AI 不是自己长了手，而是学会了生成一张平台看得懂的标准订单, 把真正的活派给能干的工具。这就是它从 "会聊天" 迈向 "会办事" 的第一块基石。