你有沒(méi)有想過(guò)，為什么 AI 能回答“今天上海天氣怎么樣？”這種實(shí)時(shí)問(wèn)題，甚至幫你預(yù)訂機(jī)票？明明它的訓(xùn)練數(shù)據(jù)截止到去年，怎么會(huì)對(duì)現(xiàn)在的事情了如指掌？

答案就藏在一個(gè)核心技術(shù)里——工具調(diào)用（Tool Calling）。

簡(jiǎn)單說(shuō)，工具調(diào)用就是讓大模型在遇到自己搞不定的問(wèn)題時(shí)，能像我們一樣，打開(kāi)一個(gè)“工具箱”，借用外部工具來(lái)完成任務(wù)。

這個(gè)“工具箱”里什么都有：網(wǎng)頁(yè)搜索、計(jì)算器、API 調(diào)用、數(shù)據(jù)庫(kù)查詢……任何能幫它完成特定任務(wù)的，都可以是它的工具。

目前，工具調(diào)用技術(shù)已經(jīng)相當(dāng)成熟，幾乎所有主流的 AI 大模型和開(kāi)發(fā)平臺(tái)都已支持。

AI 真的會(huì)“自己”調(diào)用工具嗎？

一聽(tīng)到“工具調(diào)用”，很多人會(huì)誤以為是 AI 服務(wù)器自己去執(zhí)行了某個(gè)工具。

大錯(cuò)特錯(cuò)！

真相是：AI 只負(fù)責(zé)“提要求”，而真正干活的，是我們自己的應(yīng)用程序。

整個(gè)過(guò)程更像是一個(gè)分工明確的團(tuán)隊(duì)協(xié)作。我們以“什么是 MCP？”這個(gè)問(wèn)題為例，看看團(tuán)隊(duì)是如何配合的：

1. 用戶：提出問(wèn)題：“什么是 MCP？”

2. 程序（項(xiàng)目經(jīng)理）：將問(wèn)題轉(zhuǎn)達(dá)給 大模型（技術(shù)專家）。

3. 大模型（技術(shù)專家）：分析后發(fā)現(xiàn)知識(shí)庫(kù)里沒(méi)有，判斷需要上網(wǎng)搜索，于是向程序提要求：“我需要用「網(wǎng)頁(yè)抓取工具」查一下，關(guān)鍵詞是 MCP”。

4. 程序（項(xiàng)目經(jīng)理）：收到請(qǐng)求，立刻安排 網(wǎng)頁(yè)抓取工具（實(shí)習(xí)生） 去執(zhí)行。

5. 網(wǎng)頁(yè)抓取工具（實(shí)習(xí)生）：勤勤懇懇地完成抓取，把數(shù)據(jù)返回給程序。

6. 程序（項(xiàng)目經(jīng)理）：將抓取到的信息整理好，再次交給 大模型（技術(shù)專家）。

7. 大模型（技術(shù)專家）：閱讀信息，總結(jié)提煉，生成一份通俗易懂的回答。

8. 程序（項(xiàng)目經(jīng)理）：最后，將這份完美的答案呈現(xiàn)給用戶。

網(wǎng)頁(yè)抓取工具網(wǎng)頁(yè)抓取工具 (實(shí)習(xí)生)大模型 (技術(shù)專家)應(yīng)用程序 (項(xiàng)目經(jīng)理)用戶
 網(wǎng)頁(yè)抓取工具
 網(wǎng)頁(yè)抓取工具 (實(shí)習(xí)生)
 大模型 (技術(shù)專家)
 應(yīng)用程序 (項(xiàng)目經(jīng)理)
 用戶核心：AI 不直接執(zhí)行工具，由應(yīng)用程序協(xié)調(diào)AI 只負(fù)責(zé)思考和決策工具在安全可控的環(huán)境中執(zhí)行1. 提問(wèn): "什么是MCP？"
 2. 傳遞用戶問(wèn)題
 3. 分析問(wèn)題，發(fā)現(xiàn)知識(shí)盲區(qū)4. 請(qǐng)求調(diào)用工具工具: 網(wǎng)頁(yè)抓取工具參數(shù): 搜索 "MCP"
 5. 執(zhí)行網(wǎng)頁(yè)抓取
 6. 返回抓取結(jié)果
 7. 將結(jié)果傳回
 8. 分析信息，生成回答9. 返回最終答案
 10. 呈現(xiàn)答案

看明白了嗎？AI 只是“大腦”，負(fù)責(zé)思考和決策，而我們的應(yīng)用程序才是“手腳”，負(fù)責(zé)執(zhí)行和落地。

為什么要設(shè)計(jì)得這么“麻煩”？

你可能會(huì)問(wèn)：為什么不讓 AI 直接調(diào)用工具，一步到位？這樣來(lái)回傳遞不浪費(fèi)時(shí)間嗎？

這背后最重要的考量是——安全！

這種設(shè)計(jì)確保了 AI 永遠(yuǎn)無(wú)法直接觸碰你系統(tǒng)的核心資源。所有操作都必須經(jīng)過(guò)你程序的“批準(zhǔn)”，你擁有絕對(duì)的控制權(quán)，可以決定 AI 能做什么，不能做什么。

舉個(gè)極端點(diǎn)的例子：假如你開(kāi)發(fā)了一個(gè)“房屋爆破”工具。

• 現(xiàn)在的方式：用戶對(duì) AI 說(shuō)“幫我把這棟樓炸了”。AI 分析后，會(huì)向你的程序申請(qǐng)：“我需要使用「房屋爆破」工具”。這時(shí)，你的程序可以立刻拒絕這個(gè)危險(xiǎn)請(qǐng)求，從而避免災(zāi)難。
• 如果 AI 直接調(diào)用：AI 覺(jué)得這個(gè)需求很合理，直接就執(zhí)行了。等你反應(yīng)過(guò)來(lái)，房子可能已經(jīng)沒(méi)了。

把決定權(quán)留在我們自己手里，既能利用 AI 的智慧，又能保證系統(tǒng)的安全，還能減輕 AI 服務(wù)器的負(fù)擔(dān)，何樂(lè)而不為呢？

工具調(diào)用 vs 功能調(diào)用

如果你在看技術(shù)文檔時(shí)遇到 Function Calling（功能調(diào)用） 這個(gè)詞，別懵，它和 Tool Calling（工具調(diào)用） 說(shuō)的完全是同一件事！只是不同廠商或開(kāi)發(fā)者習(xí)慣的叫法不同。

Spring AI 的官方文檔開(kāi)篇就明確了這一點(diǎn)：

我個(gè)人更喜歡“工具調(diào)用”這個(gè)說(shuō)法，因?yàn)樗蜗蟆！癋unction”一聽(tīng)就像是程序員的黑話，而“工具”則更加通俗易懂，不是嗎？

好了，今天關(guān)于“工具調(diào)用”的分享就到這里。

希望這篇文章能幫你徹底搞懂 AI 是如何借助外部力量變聰明的。