大模型 Agent 与 Function Calling 实践指南

一、基础知识

1.1 什么是 Agent（智能体）？

Agent（智能体）是指能够感知环境并采取行动以实现特定目标的自主系统。这个概念源于人工智能领域，强调系统的自主性、反应性和目标导向性。

在大模型时代，Agent 通常指基于大语言模型（LLM）构建的、能够自主决策并执行任务的智能系统。它不再只是被动回答问题的聊天机器人，而是能够主动规划、调用工具、完成复杂任务的"数字助手"。

Agent 的核心架构

一个典型的 Agent 系统包含以下核心组件：

组件	功能描述	示例
大语言模型（LLM）	作为"大脑"，负责理解意图、推理决策、生成响应	GPT-4、Claude、Kimi 等
工具（Tools）	外部能力接口，扩展模型的边界能力	搜索、计算、代码执行、API 调用、数据库查询
记忆（Memory）	存储对话历史、上下文信息和长期知识	短期记忆（对话历史）、长期记忆（知识库）
规划（Planning）	将复杂任务分解为可执行的子步骤	任务分解、反思修正、链式思考

💡 通俗理解：如果把 Agent 比作一个人，LLM 是"大脑"，Tools 是"手脚"，Memory 是"记忆"，Planning 是"思维方式"。

1.2 什么是 Function Calling / Tool Calling？

Function Calling（函数调用，OpenAI 等厂商也称为 Tool Calling）是大模型的一项核心能力，它允许模型在需要时生成结构化的函数调用请求，而不是直接生成最终答案。

为什么需要 Function Calling？

大模型虽然知识丰富，但存在以下局限：

❌ 无法获取实时信息（如天气、股价）
❌ 无法执行精确计算（如复杂数学运算）
❌ 无法与外部系统交互（如发送邮件、控制设备）
❌ 知识有截止日期，不了解最新事件

Function Calling 正是解决这些问题的关键技术，它让大模型从"只会说话"升级为"能动手做事"。

Function Calling 工作流程

┌─────────┐     ┌─────────┐     ┌─────────┐     ┌─────────┐     ┌─────────┐
│  用户   │────▶│  大模型  │────▶│ 生成调用 │────▶│ 外部执行 │────▶│ 返回结果 │
│ 提问    │     │ 理解意图 │     │ 请求     │     │ 函数     │     │ 生成回复 │
└─────────┘     └─────────┘     └─────────┘     └─────────┘     └─────────┘
                      │                                              │
                      └──────────── 循环（多轮调用）──────────────────┘

详细步骤：

用户提出问题 —— 如"北京今天天气怎么样？"
模型判断是否需要工具 —— 识别需要调用天气查询工具
生成结构化调用请求 —— 输出标准格式的函数调用（函数名 + 参数）
json
```
{"name": "get_weather", "arguments": {"city": "北京", "date": "今天"}}
```
外部系统执行函数 —— 调用天气 API，获取实时数据
模型整合结果回复 —— 根据返回数据生成自然语言回答

🎯 核心优势：模型只负责"决策"和"理解"，具体的"执行"交给专业的外部工具，实现能力互补。

二、实践：测试大模型的 Tool Calling 能力

以下演示如何通过 API 测试大模型对函数调用的支持。我们将以控制机器人轮子移动为例。

2.1 测试方法

使用兼容 OpenAI API 格式的接口进行测试：

bash

curl http://127.0.0.1:11434/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kimi-k2.5:cloud",
    "messages": [{"role": "user", "content": "向前走"}],
    "tools": [{
      "type": "function",
      "function": {
        "name": "wheel_move",
        "description": "控制机器人轮子移动",
        "parameters": {
          "type": "object",
          "properties": {
            "direction": {
              "type": "string",
              "enum": ["forward", "backward", "left", "right"],
              "description": "移动方向"
            },
            "speed": {
              "type": "number",
              "description": "移动速度，范围 0-100"
            }
          },
          "required": ["direction"]
        }
      }
    }],
    "tool_choice": "required"
  }'

关键参数说明

参数	类型	说明
`tools`	Array	定义可用的函数列表，每个函数需包含名称、描述、参数结构
`tool_choice`	String	`"required"` 强制调用工具；`"auto"` 由模型自行判断；`"none"` 禁止调用
`functions.parameters`	Object	使用 JSON Schema 定义参数类型、约束和描述

⚠️ 注意：description 字段很重要，它帮助模型理解函数的用途，影响调用决策的准确性。

2.2 返回结果解析

json

{
  "id": "chatcmpl-376",
  "object": "chat.completion",
  "created": 1776310139,
  "model": "kimi-k2.5:cloud",
  "system_fingerprint": "fp_ollama",
  "choices": [{
    "index": 0,
    "message": {
      "role": "assistant",
      "content": "我来帮您控制机器人向前移动。",
      "reasoning": "用户要求向前走，这是中文。我需要使用 wheel_move 函数，direction 参数设置为 \"forward\"。...",
      "tool_calls": [{
        "id": "functions.wheel_move:0",
        "index": 0,
        "type": "function",
        "function": {
          "name": "wheel_move",
          "arguments": "{\"direction\":\"forward\"}"
        }
      }]
    },
    "finish_reason": "tool_calls"
  }],
  "usage": {
    "prompt_tokens": 41,
    "completion_tokens": 135,
    "total_tokens": 176
  }
}

关键字段解读

字段	说明
`tool_calls`	模型生成的函数调用列表，可能包含多个调用
`tool_calls[].id`	调用的唯一标识符，用于匹配请求和结果
`tool_calls[].function.name`	要调用的函数名称
`tool_calls[].function.arguments`	JSON 格式的函数参数，可直接解析执行
`finish_reason`	`"tool_calls"` 表示模型选择调用工具；`"stop"` 表示直接生成回答
`reasoning`	模型的思考过程（部分模型支持），有助于调试和理解决策逻辑

三、完整交互流程示例

一个完整的 Function Calling 交互通常包含多轮对话：

第一轮：用户提问
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
用户：向前走

第二轮：模型返回调用请求
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
模型：{
  "tool_calls": [{
    "function": {
      "name": "wheel_move",
      "arguments": "{\"direction\":\"forward\"}"
    }
  }]
}

第三轮：系统执行并返回结果
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
系统：{"role": "tool", "content": "移动成功，当前位置已更新"}

第四轮：模型生成最终回复
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
模型："已完成向前移动指令，机器人正在向前行进。"

四、总结与最佳实践

Function Calling 的核心价值

通过 Function Calling，大模型实现了三大能力跃迁：

🧠 意图理解 —— 准确识别用户指令背后的真实需求
🎯 参数提取 —— 将自然语言精准映射为结构化数据
⚡ 能力扩展 —— 无缝集成外部系统，突破模型本身的能力边界

应用场景

🤖 机器人控制 —— 语音/文字指令控制硬件动作
🔍 智能搜索 —— 实时获取最新信息，增强回答准确性
🧮 复杂计算 —— 调用计算器、代码解释器处理精确运算
🌐 API 集成 —— 连接企业内部系统，实现自动化工作流
📊 数据分析 —— 查询数据库、生成报表、可视化展示

开发建议

建议	说明
✅ 清晰的函数描述	用准确的 `description` 帮助模型理解函数用途
✅ 参数约束明确	使用 `enum`、`required` 等约束减少错误调用
✅ 错误处理机制	函数执行失败时，将错误信息返回给模型重试
✅ 权限控制	敏感操作需增加身份验证和权限校验
✅ 日志记录	记录工具调用历史，便于调试和审计

📚 延伸阅读：Function Calling 是实现 ReAct、LangChain、AutoGPT 等 Agent 框架的基础技术，掌握它是构建复杂 AI 应用的关键一步。

大模型支持agent本质是支持tool 参数和返回

评论区 0