什么是 Function Calling？AI 从"只会说"到"能动手"

大模型本质只会做一件事：预测下一个词、生成文字。可你有没有想过——它凭什么能帮你查实时天气、做精确计算、查数据库、订日程？这些都不是”编一段话”能搞定的。背后的关键机制，就是 Function Calling（函数调用，也叫工具调用）。这篇讲清它是什么、怎么工作，以及和 Agent、MCP 的关系。

为什么光靠”生成文字”不够

大模型有几个天生的短板：

不知道实时信息：它的知识停在训练那一刻，问它”今天天气""现在股价”只能瞎猜
不擅长精确计算：它是”猜下一个词”，算大数、精确运算容易翻车
碰不到外部世界：发邮件、查你的数据库、下订单——这些它自己做不到

结论很清楚：要让 AI 真正有用，它得会”借助外部工具”，而不只是动嘴。 Function Calling 就是让它学会”用工具”的那套机制。

Function Calling 是怎么工作的

核心思路一句话：模型不自己硬编答案，而是”说出”它想调用哪个工具、传什么参数，由外部程序真正去执行，再把结果还给它。

以”北京今天天气怎么样”为例，分四步：

告诉模型有哪些工具：开发者预先注册好可用函数，比如 查天气(城市)、计算(算式)、发邮件(收件人, 内容)
模型决定调用：它发现回答不了，就输出一个结构化请求——查天气(城市="北京")，而不是瞎编一个温度
程序执行：外部代码真的去调天气 API，拿到”晴，26℃”
结果回填：把这个真实结果交回模型，它再用自然语言组织成一句人话回复你

关键点：模型本身不执行工具，它只负责”决定用哪个、传什么参数”；真正干活的是外部程序。模型学会的是”该在什么时候、如何开口要工具”。

一个好懂的比喻

把大模型想成一个聪明但被”关在屋里”的大脑：它知识渊博、会推理，但看不到外界、也伸不出手。

Function Calling 就像给了它一部电话和一串服务号码：需要天气时,它打给气象台；需要算账时,打给计算器;需要寄东西时,打给快递。它不用自己会做这些事,只要知道**“该打哪个电话、报什么信息”**就行。

和 Agent、MCP 有什么关系

这三个词经常一起出现，其实分工清晰（详见 MCP 那篇的对比）：

Function Calling：模型的一种能力——会”说出”要调用哪个工具、传什么参数
AI Agent：决策层——规划多步、决定”现在该调哪个工具”，一步步逼近目标
MCP：连接标准——统一规定工具怎么被描述和调用，让工具能跨应用复用

用开车打比方：Agent 是司机（决定去哪、怎么走），Function Calling 是方向盘和油门（下达具体操作的方式），MCP 是统一的道路和接口标准。像 Manus 这类能自主干活的智能体，正是把这三者组合起来：用 Function Calling 调工具、用 Agent 逻辑规划多步、用 MCP 接入各种外部服务。

它带来了什么，又要注意什么

带来的改变：

AI 从”聊天框”变成”能办事的助手”——查、算、订、发都能做
是智能体、自动化工作流的技术地基

要注意的：

给工具即给权限：能发邮件、能改数据的工具一旦被滥用或被提示词注入劫持，后果比乱说话严重得多
模型仍可能选错工具、传错参数——关键操作要有校验和人工确认
调用也花钱花时间：每次工具调用和结果回填都占用上下文和 Token

小结

Function Calling 是 AI 从”只会说”迈向”能动手”的关键一步：模型不自己硬编，而是决定调用哪个工具、传什么参数，由外部程序执行后再把结果交回。 它像给关在屋里的大脑配了一部电话——大脑负责决策，工具负责干活。它和 Agent（决策）、MCP（连接标准）各司其职，共同撑起了如今能自主办事的 AI。理解了它，你就看懂了智能体这类产品的底层逻辑。不想自己写代码接工具的话，Zapier 提供了同一件事的无代码版本。