函数调用原理

从工具 schema、模型请求、运行时分发到工具结果回灌，证明模型只提出调用而执行权属于应用。

学习目标

能解释“函数调用原理”如何把模型提出工具请求与运行时执行副作用严格分离
能区分工具 schema、工具请求、注册表、工具结果、调用标识，并指出它们在请求、状态或执行边界中的位置
能固定输入，沿以下证据定位首个分叉：工具定义版本、调用 id、模型参数、校验结果、策略判定、执行时长、结果摘要与错误类别
能注入“把模型生成的工具名拼进 eval，并把异常堆栈原样回传”，在同一预算和权限下完成故障、恢复与重放

来源、课程编排与适用边界

“函数调用原理”以Anthropic 公开全文《Building effective agents》为总纲，并用Anthropic《Building effective agents》核对本单元机制；工具与外部能力的角色再由MCP 官方规范交叉检查。

这不是一本具有“官方九章目录”的纸质书。平台把公开文章中的 augmented LLM、工作流、智能体、上下文和工具工程重组为 9 个教学单元；下列 72 个节点是站内课程地图，不冒充 Anthropic 原文目录。正文、代码、图表和练习均为独立教学重写，产品或模型版本变化时应重新验证。

本单元的八个课程坐标

函数调用原理：作为“把模型提出工具请求与运行时执行副作用严格分离”的第 1 个课程坐标，必须进入正文解释、交互观察或练习证据。
工具 schema：作为“把模型提出工具请求与运行时执行副作用严格分离”的第 2 个课程坐标，必须进入正文解释、交互观察或练习证据。
工具选择：作为“把模型提出工具请求与运行时执行副作用严格分离”的第 3 个课程坐标，必须进入正文解释、交互观察或练习证据。
参数对象：作为“把模型提出工具请求与运行时执行副作用严格分离”的第 4 个课程坐标，必须进入正文解释、交互观察或练习证据。
注册表分发：作为“把模型提出工具请求与运行时执行副作用严格分离”的第 5 个课程坐标，必须进入正文解释、交互观察或练习证据。
工具结果：作为“把模型提出工具请求与运行时执行副作用严格分离”的第 6 个课程坐标，必须进入正文解释、交互观察或练习证据。
调用标识：作为“把模型提出工具请求与运行时执行副作用严格分离”的第 7 个课程坐标，必须进入正文解释、交互观察或练习证据。
执行权限：作为“把模型提出工具请求与运行时执行副作用严格分离”的第 8 个课程坐标，必须进入正文解释、交互观察或练习证据。

术语与状态合同

、、、、。

本页不变量是：每个工具结果都能追溯到唯一请求、已验证参数、策略判定和具体实现。任何“成功”结论都要保存以下证据：工具定义版本、调用 id、模型参数、校验结果、策略判定、执行时长、结果摘要与错误类别，不能把模型口头确认当作环境事实。

关键机制与可推翻实验

工具 schema 是 agent-computer interface

名称、描述、字段和示例共同影响模型是否选对工具。相似工具边界模糊时，模型即使能力足够也会稳定误选。

动手试：为两个相近搜索工具加入正反例，比较误选率。

模型生成请求，应用决定执行

tool-use block 只是带名称和参数的候选动作。应用必须在注册表中查找实现、校验参数和策略，再决定执行或拒绝。

动手试：构造未知名称、错类型和越权参数，确认三者都停在运行时。

工具结果要绑定调用标识

并发或多轮调用必须用稳定 id 把结果回送到正确请求。只按工具名关联会在重复调用时串线。

动手试：并发调用同一工具两次并乱序返回，确认观察仍各归其位。

错误也是结构化观察

超时、权限拒绝和业务失败应以受控结构回灌，让下一轮能改计划；堆栈、密钥和内部路径不得直接暴露给模型。

动手试：注入超时，检查模型看到错误类别和可恢复建议而非内部堆栈。

先预测，再操作三类证据

分步1 / 3

1. 模型与结构边界

在“函数调用原理”中先画出责任、数据或候选空间，再预测“把模型提出工具请求与运行时执行副作用严格分离”会在哪个节点改变结果。

可交互

第 1 / 5 步 · ① 模型先看到「工具清单」——屋里有哪些电话能打（每个工具带名字和说明）

函数调用一回合：看工具清单 → 输出请求 → 外部执行 → 结果回灌 → 据此作答。可暂停、单步、拖进度。

函数调用的本质：模型不亲自执行工具，它只输出「调哪个工具、传什么参数」的请求；真去执行、把结果塞回来的，永远是外部运行时——模型再据此作答。

最小可运行实现

def dispatch(call, registry, policy):
    tool = registry.get(call.name)
    if tool is None:
        return {"call_id": call.id, "ok": False, "error": "unknown_tool"}
    args = tool.schema.validate(call.input)
    policy.authorize(tool, args)
    try:
        return {"call_id": call.id, "ok": True, "value": tool.run(**args)}
    except TimeoutError:
        return {"call_id": call.id, "ok": False, "error": "timeout"}

这段实现只负责暴露“把模型提出工具请求与运行时执行副作用严格分离”的最小合同。交付版本还要补齐超时、日志、权限、密钥隔离和可重复评测；缺少以下证据时，代码能运行也不代表本章结论成立：工具定义版本、调用 id、模型参数、校验结果、策略判定、执行时长、结果摘要与错误类别。

练习与答案

练习

问题 1：系统边界。 怎样用最小输入证明“每个工具结果都能追溯到唯一请求、已验证参数、策略判定和具体实现”？

问题 2：课程坐标。 函数调用原理、工具 schema、工具选择、参数对象、注册表分发、工具结果、调用标识、执行权限如何进入可操作验证？

问题 3：故障恢复。 怎样证明“把模型生成的工具名拼进 eval，并把异常堆栈原样回传”已经修复？

本章回顾

“函数调用原理”的主问题是把模型提出工具请求与运行时执行副作用严格分离。
核心不变量是每个工具结果都能追溯到唯一请求、已验证参数、策略判定和具体实现。
首要反例是把模型生成的工具名拼进 eval，并把异常堆栈原样回传。
最小证据包包含工具定义版本、调用 id、模型参数、校验结果、策略判定、执行时长、结果摘要与错误类别。

名词解释

本章出现的专业名词，用大白话再讲一遍。

工具 schema: 向模型描述工具名称、用途和参数合同的结构。在“函数调用原理”中必须能按以下证据重新定位：工具定义版本、调用 id、模型参数、校验结果、策略判定、执行时长、结果摘要与错误类别。
工具请求: 模型生成的候选工具名、参数与调用标识。在“函数调用原理”中必须能按以下证据重新定位：工具定义版本、调用 id、模型参数、校验结果、策略判定、执行时长、结果摘要与错误类别。
注册表: 由允许名称映射到受控实现的确定性表。在“函数调用原理”中必须能按以下证据重新定位：工具定义版本、调用 id、模型参数、校验结果、策略判定、执行时长、结果摘要与错误类别。
工具结果: 运行时执行后回灌给模型的结构化观察。在“函数调用原理”中必须能按以下证据重新定位：工具定义版本、调用 id、模型参数、校验结果、策略判定、执行时长、结果摘要与错误类别。
调用标识: 把请求与异步或多轮结果唯一关联的 id。在“函数调用原理”中必须能按以下证据重新定位：工具定义版本、调用 id、模型参数、校验结果、策略判定、执行时长、结果摘要与错误类别。

阅读导航

← 结构化输出 · ReAct 循环 →