当AI开始学会“使用工具“——从ReAct到MCP，大模型如何获得真正的行动力

摘星编程2026-05-04 10:30

当AI开始学会"使用工具"------从ReAct到MCP，大模型如何获得真正的行动力

大家好，我是摘星，今天我们来聊聊一个正在悄悄改变AI能力边界的话题------大模型的工具调用能力。

你可能已经注意到，最近半年，AI助手们突然变得"能动"了。它们不再只是呆呆地回答问题，而是能帮你查日历、发邮件、写代码并执行、甚至操控浏览器去完成复杂任务。这种变化的背后，是一套被称为"Agent"的技术架构正在快速成熟。从2023年的ReAct范式，到2024年的Function Calling，再到2025年的MCP（Model Context Protocol）协议，大模型获取"行动力"的路径越来越清晰，门槛也越来越低。

这篇文章，我会把这条技术演进脉络拆解清楚，告诉你AI是怎么从"能说"到"能做"的，以及2026年这个领域又出现了什么新东西。不管你是想用AI自动化办公流程，还是在搞智能客服、数字员工，这篇文章都会给你一些实打实的参考。

一、为什么AI需要"工具调用"能力

1.1 大模型的本质局限

大语言模型（LLM）本质是一个超级强大的"文本预测机器"。它能生成连贯、有逻辑的文本，但它无法直接与现实世界交互。你让GPT写一封邮件，它能给你一封完美的邮件文本------但它没办法帮你发出去。你让Claude查一下今天的天气，它能给你一个"天气晴，温度25度"的回答------但它没办法真的去访问气象API获取实时数据。

这种局限来自于模型训练的范式：LLM在训练时只能学习文本数据中的模式，无法直接调用外部系统。模型看到的只是"关于天气"的大量文本，而不是"如何获取天气"的真实数据。

这就是为什么我们需要给AI加上"工具调用"能力------让模型不再只是生成文本，而是能指挥一个执行引擎去真正做事。

1.2 从"嘴炮"到"实操"的跨越

要让AI真正变得有用，需要解决三个核心问题：

第一，感知实时信息。模型训练数据有截止日期，它不知道今天发生了什么，不知道你公司服务器的状态，不知道用户的最新订单。解决方案是让AI能调用搜索API、数据库查询、监控接口。

第二，执行具体操作。AI的输出只是文本，但现实操作需要调用各种系统：发邮件需要调用邮件服务商API，操作数据库需要执行SQL，修改文件需要调用文件系统。解决方案是让AI能调用预定义的函数/工具，并实际执行这些操作。

第三，完成多步骤任务。现实任务往往不是一句Prompt就能搞定的，需要拆解成多个步骤，每一步可能依赖上一步的结果。解决方案是让AI具备"规划-执行-反馈"的循环能力。

工具调用能力，就是为了解决这三个问题而诞生的技术。

二、技术演进：从ReAct到MCP的四代跨越

2.1 第一代：ReAct范式（2023年）

ReAct（Reasoning + Acting）是最早让LLM具备工具调用能力的框架，由Google和普林斯顿的研究者在2023年提出。

核心思想：让模型在"推理"和"行动"之间交替进行。模型先思考"我应该做什么"，然后执行一个动作，再根据执行结果继续推理，形成一个"思考→行动→观察→再思考"的循环。

工作流程：
是
否
是
否
用户输入任务
模型推理：下一步做什么
是否有工具可用?
选择并调用工具
获取工具返回结果
模型推理：根据结果判断
任务完成?
返回最终结果
直接生成文本响应

ReAct的关键prompt模板：

python 复制代码 
# ReAct风格的提示词模板
react_prompt = """
你是一个AI助手，需要完成以下任务：{task}

你可以选择以下工具：
- search(query): 搜索互联网信息
- calculator(expression): 计算数学表达式
- get_date(): 获取当前日期

你需要按照以下格式思考和行动：

思考：我需要...（分析当前情况，决定下一步）
行动：调用search("关键词")来获取信息
观察：搜索结果显示...
...（重复直到任务完成）

现在任务开始：
"""

ReAct的局限：

  1. 工具定义是散乱的，每个项目都要单独写工具描述
  2. 模型需要自己决定调用哪个工具，容易选错
  3. 没有统一的标准来描述工具的输入输出
  4. 循环次数不固定，需要控制max_steps防止无限循环

2.2 第二代：Function Calling / Tool Use（2023-2024）

2023年下半年，OpenAI在GPT-4 API中引入了Function Calling功能，随后各大厂商纷纷跟进。这标志着工具调用进入"标准化"时代。

核心改进：

  1. 模型输出从"自由文本"变成了"结构化调用指令"
  2. 工具定义有了统一的格式规范
  3. 调用结果被强制返回给模型继续处理

OpenAI Function Calling的调用格式：

python 复制代码 
# 定义工具（Functions）
functions = [
    {
        "name": "get_weather",
        "description": "获取指定城市的天气信息",
        "parameters": {
            "type": "object",
            "properties": {
                "city": {
                    "type": "string",
                    "description": "城市名称，比如'北京'、'上海'"
                },
                "unit": {
                    "type": "string",
                    "enum": ["celsius", "fahrenheit"],
                    "description": "温度单位"
                }
            },
            "required": ["city"]
        }
    }
]

# 调用示例
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "纽约今天热吗？"}],
    tools=functions,
    tool_choice="auto"
)

# 模型会输出类似这样的结构化调用：
# {"name": "get_weather", "arguments": {"city": "纽约", "unit": "celsius"}}

# 执行工具后，把结果传回模型继续处理
tool_result = get_weather(city="纽约", unit="celsius")
messages.append({"role": "tool", "tool_call_id": "...", "content": str(tool_result)})

# 模型基于工具返回结果生成最终回答
final_response = client.chat.completions.create(
    model="gpt-4o",
    messages=messages
)

Function Calling的优势：

  • 输出格式统一，解析简单
  • 工具定义清晰，模型选错工具的概率降低
  • 可以强制模型调用指定工具（通过tool_choice参数）

各厂商实现对比：

厂商 产品 Function Calling支持 特点
OpenAI GPT-4o, GPT-4-turbo ✅ 原生支持 最早实现，生态成熟
Anthropic Claude 3.5 ✅ 通过Tool Use 支持多轮工具调用
Google Gemini 1.5 ✅ 原生支持 支持百万token上下文
阿里 Qwen2.5 ✅ 支持 开源模型中做得最好的
Meta LLaMA 3 ⚠️ 需微调 官方不支持，需第三方实现

2.3 第三代：Agent架构的成熟（2024年）

2024年，AI Agent从"单工具调用"进化到"多步骤规划+执行"阶段。标志性事件是多个开源Agent框架的崛起和各大厂商发布的Agent平台。

Agent的核心架构：
外部系统
Agent核心
用户层
用户自然语言指令
规划器 Planner
记忆 Memory
工具箱 Tools
执行器 Executor
搜索API
数据库
文件系统
第三方服务

主流开源Agent框架对比：

框架 开发方 语言 特点 GitHub星标
LangChain LangChain团队 Python 生态最全，文档完善 50k+
LlamaIndex LlamaIndex团队 Python 数据连接更强 30k+
AutoGen Microsoft Python 多Agent协作 25k+
CrewAI CrewAI团队 Python 角色扮演Agent 20k+
Dify 独立团队 TypeScript 可视化编排，开源 35k+
Coze 字节跳动 云服务 插件市场丰富 国内领先

一个典型的LangChain Agent实现：

python 复制代码 
from langchain.agents import AgentExecutor, create_react_agent
from langchain.tools import Tool
from langchain.chat_models import ChatOpenAI

# 定义工具
def search_wiki(query: str) -> str:
    """搜索维基百科"""
    # 实现搜索逻辑
    return f"关于{query}的信息..."

def calculate(expression: str) -> str:
    """计算数学表达式"""
    return str(eval(expression))

tools = [
    Tool(name="search", func=search_wiki, description="搜索维基百科获取信息"),
    Tool(name="calc", func=calculate, description="计算数学表达式")
]

# 创建Agent
llm = ChatOpenAI(model="gpt-4o", temperature=0)
agent = create_react_agent(llm, tools)

# 执行任务
executor = AgentExecutor.from_agent_and_tools(
    agent=agent,
    tools=tools,
    verbose=True,
    max_iterations=10
)

result = executor.invoke({"input": "计算2的10次方是多少？并搜索相关历史"})

2024年的关键进展：

  1. 多Agent协作：多个专业Agent组队工作，比如一个写代码，一个review，一个测试
  2. 长期记忆：Agent能记住跨会话的上下文，不只是单次对话
  3. 主动规划：Agent能自己拆解复杂任务为步骤，而不是等用户一步步指挥
  4. 错误恢复：Agent能检测工具调用失败，自动重试或换方案

2.4 第四代：MCP协议（2025-2026）

2025年，Anthropic发布了一个可能改变游戏规则的东西------MCP（Model Context Protocol，模型上下文协议）。这是一个专门为AI工具调用设计的开放协议。

MCP要解决什么问题？

在MCP出现之前，每个AI应用要接入外部工具都需要单独开发适配器。如果你的AI助手需要调用Slack、GitHub、数据库、文件系统等10个不同的系统，你就得写10套不同的集成代码。而且这些集成之间无法复用，换一个AI模型可能就要重写一遍。

MCP就是要把这些集成标准化，让AI能"即插即用"各种外部系统。

MCP的核心架构：
外部工具 MCP Server MCP Host AI模型 用户 外部工具 MCP Server MCP Host AI模型 用户 发送任务："帮我查一下今天Slack上的未读消息" 请求工具列表 发现Slack连接器 查询Slack API 返回未读消息列表 格式化结果 提供工具调用建议 执行get_slack_messages工具 调用Slack工具 返回消息数据 工具执行结果 汇总并展示未读消息

MCP的三层架构：

python 复制代码 
# MCP协议的核心概念：Resources（资源）、Tools（工具）、Prompts（提示模板）

# 1. Resources - AI可以读取的数据
{
    "type": "resource",
    "name": "slack_messages",
    "uri": "slack://channels/general/messages",
    "description": "Slack #general 频道的最新消息"
}

# 2. Tools - AI可以调用的函数
{
    "type": "tool",
    "name": "send_slack_message",
    "description": "向Slack频道发送消息",
    "input_schema": {
        "type": "object",
        "properties": {
            "channel": {"type": "string"},
            "text": {"type": "string"}
        }
    }
}

# 3. Prompts - 预定义的提示模板
{
    "type": "prompt",
    "name": "summarize_channel",
    "description": "总结频道今日讨论要点",
    "arguments": [{"name": "channel", "type": "string"}]
}

MCP的实战示例：

python 复制代码 
# 使用Python SDK连接MCP服务器
from mcp import Client

# 连接到文件系统MCP服务器
async with Client("mcp://filesystem") as fs:
    # 列出目录
    files = await fs.list_resources("file:///projects")

    # 读取文件
    content = await fs.read("file:///projects/README.md")

    # 执行操作
    await fs.call_tool("create_file", {
        "path": "/projects/test.txt",
        "content": "Hello MCP!"
    })

# 连接到Slack MCP服务器
async with Client("mcp://slack") as slack:
    # 获取未读消息
    messages = await slack.call_tool("get_unread_messages", {})

MCP vs Function Calling 对比：

维度 Function Calling MCP
适用范围 单模型单次调用 跨模型跨会话复用
工具发现 每次调用时手动传入 自动发现可用工具
连接管理 应用自行管理 协议统一管理
生态 厂商私有 开放标准
状态保持 无状态 有状态（session管理）

MCP的生态现状（2026年5月）：

目前已有超过200个官方的MCP Servers，覆盖：

  • 文件系统（本地文件读写）
  • 数据库（PostgreSQL、MySQL、MongoDB）
  • GitHub（PR、Issue、代码审查）
  • Slack/Discord（消息推送）
  • 数据库（SQL执行）
  • 网页浏览（Playwright驱动）
  • S3/云存储

三、实战：用MCP搭建一个多工具AI助手

3.1 项目需求

我们来实战一下：用MCP协议，把搜索、文件系统、Github三个工具接进来，让AI能帮我们完成"搜资料→整理到文件→提交PR"的全流程。

3.2 环境准备

bash 复制代码 
# 安装MCP Python SDK
pip install mcp

# 安装Anthropic Claude API客户端
pip install anthropic

# 或者使用OpenAI
pip install openai

3.3 代码实现

python 复制代码 
import asyncio
from anthropic import Anthropic
from mcp import Client
from mcp.server.stdio import stdio_server

# 初始化Claude客户端
client = Anthropic()

# 定义MCP服务器配置
MCP_SERVERS = {
    "filesystem": {
        "command": "npx",
        "args": ["-y", "@modelcontextprotocol/server-filesystem", "/tmp"]
    },
    "github": {
        "command": "npx",
        "args": ["-y", "@modelcontextprotocol/server-github"],
        "env": {"GITHUB_TOKEN": "your_token_here"}
    },
    "brave-search": {
        "command": "npx",
        "args": ["-y", "@modelcontextprotocol/server-brave-search"],
        "env": {"BRAVE_API_KEY": "your_brave_key"}
    }
}

class MCPHost:
    """MCP协议的主机实现"""

    def __init__(self):
        self.servers = {}
        self.tools = []

    async def connect_servers(self):
        """连接所有MCP服务器"""
        for name, config in MCP_SERVERS.items():
            try:
                # 启动MCP服务器进程
                server = await Client.connect(
                    command=config["command"],
                    args=config["args"],
                    env=config.get("env", {})
                )
                self.servers[name] = server

                # 获取该服务器提供的工具
                resources = await server.list_tools()
                self.tools.extend(resources)
                print(f"✅ 已连接 {name}，发现 {len(resources)} 个工具")

            except Exception as e:
                print(f"❌ 连接 {name} 失败: {e}")

    async def execute_tool(self, tool_name: str, arguments: dict):
        """执行指定工具"""
        for name, server in self.servers.items():
            try:
                result = await server.call_tool(tool_name, arguments)
                return {"success": True, "result": result}
            except:
                continue
        return {"success": False, "error": f"Tool {tool_name} not found"}

    async def cleanup(self):
        """关闭所有服务器连接"""
        for server in self.servers.values():
            await server.close()

# 主执行逻辑
async def main():
    host = MCPHost()

    # 连接所有工具
    await host.connect_servers()

    # 用户任务：搜一下最新的AI Agent框架，选一个写个简单介绍
    user_task = """
    请帮我完成以下任务：
    1. 搜索一下2026年最新的AI Agent开源框架
    2. 选择一个框架，写一份500字的介绍
    3. 把介绍保存到 /tmp/agent-intro.md 文件
    """

    # 构建消息
    messages = [
        {"role": "user", "content": user_task}
    ]

    # 第一次调用：让模型决定需要哪些工具
    response = client.messages.create(
        model="claude-sonnet-4-5-20250501",
        max_tokens=4096,
        messages=messages,
        tools=[{"name": t.name, "description": t.description, "input_schema": t.input_schema}
               for t in host.tools]
    )

    # 处理工具调用
    while response.stop_reason == "tool_use":
        messages.append({"role": "assistant", "content": response.content[0].text})

        for block in response.content:
            if block.type == "tool_use":
                tool_name = block.name
                tool_args = block.input

                print(f"🔧 调用工具: {tool_name}")
                result = await host.execute_tool(tool_name, tool_args)

                messages.append({
                    "role": "user",
                    "content": [{
                        "type": "tool_result",
                        "tool_use_id": block.id,
                        "content": str(result)
                    }]
                })

        # 继续对话，让模型处理结果
        response = client.messages.create(
            model="claude-sonnet-4-5-20250501",
            max_tokens=4096,
            messages=messages,
            tools=[{"name": t.name, "description": t.description, "input_schema": t.input_schema}
                   for t in host.tools]
        )

    # 输出最终结果
    print("\n" + "="*50)
    print("AI最终回复:")
    print(response.content[0].text)

    # 清理
    await host.cleanup()

if __name__ == "__main__":
    asyncio.run(main())

3.4 运行结果与调试

运行上述代码后，你会看到类似这样的输出：

复制代码 
✅ 已连接 filesystem，发现 5 个工具
✅ 已连接 github，发现 12 个工具
✅ 已连接 brave-search，发现 2 个工具

🔧 调用工具: brave_search
🔧 调用工具: filesystem_write
🔧 调用工具: filesystem_read

==================================================
AI最终回复:
根据我的搜索结果，2026年最值得关注的AI Agent开源框架是 **AutoGPT-Next**...
（完整回复内容）

如果遇到工具调用失败，MCP会返回详细的错误信息。你可以在循环中加入重试逻辑：

python 复制代码 
async def execute_with_retry(self, tool_name: str, arguments: dict, max_retries=3):
    """带重试的工具执行"""
    for attempt in range(max_retries):
        try:
            result = await self.execute_tool(tool_name, arguments)
            if result.get("success"):
                return result
        except Exception as e:
            if attempt == max_retries - 1:
                raise
            print(f"⚠️ 第 {attempt+1} 次尝试失败，重试中...")
            await asyncio.sleep(1)

四、2026年工具调用技术的最新进展

4.1 多模态工具调用成为现实

2026年，大模型不再只能调用文本工具。Claude 3.7、GPT-4o Vision等模型已经能理解图片、PDF、甚至视频内容，并基于这些内容调用工具。

实际应用场景：

  • 上传一张截图，AI自动识别界面元素并帮你操作
  • 上传一份PDF合同，AI提取关键条款并录入数据库
  • 上传一段视频，AI生成描述并存入知识库
python 复制代码 
# 多模态工具调用示例
response = client.messages.create(
    model="claude-sonnet-4-5-20250501",
    messages=[{
        "role": "user",
        "content": [
            {"type": "image", "source": {"type": "base64", "data": screenshot_b64}},
            {"type": "text", "text": "这个界面报错了，帮我分析一下原因"}
        ]
    }],
    tools=[...]  # 可以包含截图分析工具
)

4.2 并行工具调用提升效率

传统方式下，模型需要串行调用工具------等一个完成再调用下一个。2025年底开始，支持并行调用的模型开始普及，AI可以一次性决定调用多个独立的工具，大幅提升执行效率。

并行vs串行对比：

场景 串行耗时 并行耗时 提升
查天气+搜新闻+发邮件 9秒 3秒 3倍
读取3个数据库表 6秒 2秒 3倍
分析5个文件 25秒 5秒 5倍
python 复制代码 
# 并行工具调用示例（Anthropic Claude的新特性）
response = client.messages.create(
    model="claude-3-7-sonnet-20251101",
    messages=[...],
    tools=[...],
    tool_choice={"type": "auto"},
    # 允许并行调用最多3个工具
    max_parallel_tool_calls=3
)

# 返回结果中会包含多个工具调用
for block in response.content:
    if block.type == "tool_use":
        # 处理每个工具调用
        print(f"工具: {block.name}, 参数: {block.input}")

4.3 工具调用的安全性进展

随着AI能做的事情越来越多，安全性变得至关重要。2026年，各厂商都在工具调用安全方面做了大量改进：

主要安全措施：

  1. 工具权限分级：用户可以设置"高危工具"需要额外确认
  2. 调用审计日志：所有工具调用都被记录，方便追溯
  3. Sandbox隔离：危险操作在隔离环境中执行
  4. 速率限制：防止恶意批量调用
python 复制代码 
# 安全配置的示例
tool_config = {
    "dangerous_tools": ["delete_file", "format_disk"],
    "require_confirmation": True,
    "rate_limit": {
        "max_calls_per_minute": 60,
        "max_calls_per_day": 1000
    },
    "audit_log": True
}

五、工具调用能力的应用场景

5.1 智能客服与数字员工

这是工具调用最直接的应用场景。AI不再只是回答问题，而是能真正帮你做事：

典型场景：

  • 回答用户"我的订单到哪了"→ AI直接查物流系统 → 把状态告诉你
  • 用户说"帮我退个货" → AI登录电商后台 → 填写退货单 → 发送确认邮件

实现架构：
查订单
退货
投诉
用户咨询
NLU理解意图
意图分类
调用订单系统API
调用退换货流程
创建工单系统
组装回复
用户收到回复

5.2 代码审查与自动化

开发者可以利用工具调用能力搭建自动化代码审查流程：

python 复制代码 
# 自动代码审查Agent
code_review_prompt = """
你是代码审查助手，请完成以下工作：
1. 从GitHub获取最新的PR代码
2. 运行代码质量检查工具
3. 运行安全扫描
4. 检查代码风格
5. 综合以上结果，给出审查意见
"""

# 工具：get_pr_code, run_linter, run_security_scan, post_review_comment

5.3 个人生产力助手

把AI变成真正的私人助手：

  • 邮件管理：AI读取邮件内容，决定是否重要，需要回复还是归档
  • 日程管理：AI根据你的日历和任务，自动安排会议时间
  • 信息收集：AI定期搜索你关注的领域，推送最新进展

六、常见问题与避坑指南

6.1 工具调用失败怎么办

问题：模型选错了工具，或者工具执行报错。

解决方案：

  1. 给工具加更清晰的description，减少模型误选
  2. 在工具返回错误时，返回详细的错误信息给模型，让它能正确重试
  3. 设置max_retries防止无限循环
python 复制代码 
def wrapper_tool(args):
    try:
        return actual_tool(args)
    except Exception as e:
        # 返回详细错误，帮助模型纠错
        return {
            "error": str(e),
            "error_type": type(e).__name__,
            "hint": "如果是要读取文件，请检查路径是否正确..."
        }

6.2 模型总是"过度规划"

问题：模型面对简单任务也要调用多个工具，效率低。

解决：

  1. 用tool_choice="required"强制指定工具
  2. 优化prompt，明确告诉模型"什么情况不需要调用工具"
  3. 给简单任务设计专用的prompt模板

6.3 工具定义太大，模型处理不过来

问题：定义了20+个工具，模型选择困难。

解决：

  1. 按场景分组，每次只给模型暴露相关工具
  2. 用层级化的工具注册机制
  3. 对工具按功能打标签，模型根据意图动态选择

总结

从2023年的ReAct到2026年的MCP，大模型的工具调用能力走过了一条从"能用"到"好用"的进化路径：

  • ReAct告诉我们AI可以边想边做
  • Function Calling让工具调用变得标准化
  • Agent架构让AI能处理复杂多步骤任务
  • MCP让工具生态真正走向互联互通

2026年，工具调用能力已经成为AI应用的标配。未来，我们期待AI能更自然地融入我们的工作流，成为真正的"数字同事"。

如果你还在用AI做"文字游戏"，建议试试给它装上工具调用能力。你可能会惊讶------原来AI可以这么有用。

参考资源：

相关推荐
花椒技术3 小时前
3个AI维度，揭秘直播平台如何从零搭出主播画像
人工智能·ai编程
格林威3 小时前
工业视觉检测：单样本学习 vs 传统监督学习
人工智能·深度学习·数码相机·学习·计算机视觉·视觉检测·工业相机
light blue bird3 小时前
设备数据变化上传图表数据汇总组件
大数据·前端·信息可视化
遇见~未来3 小时前
Token、输入输出与缓存——AI开发计费全解
人工智能·缓存
陈序缘3 小时前
AI Agent 的道与术
人工智能·职场和发展·agi
FrontAI3 小时前
深入浅出 LangGraph —— 第12章：多Agent系统架构
人工智能·langchain·ai agent·langgraph
2501_918126913 小时前
开源祭祖网页index
前端·开源·html
Web3VentureView3 小时前
SYNBO走进以太坊中国高校行复旦大学专场：链接Web3下一代开发者
人工智能·web3·区块链·加密货币·synbo
狐狐生风3 小时前
LangChain实现简易版-----PDF 文档问答机器人
人工智能·langchain·机器人·pdf·prompt
热门推荐
01要裂开了！ChatGPT要手机号验证了？注册Codex要求验证电话号码怎么办？2026年登陆Codex要手机号验证的解决办法02GitHub 镜像站点03【AI】2026 年具身智能模型和世界模型总结04Codex 接入 DeepSeek API 完整配置文档05裂开！ChatGPT 居然开始要手机号验证，附详细解决方法06零基础教你claude code 接入 deepseek V4072026年AI前瞻：量子AI、具身智能与科学发现的新纪元08在Windows 11上安装Docker的踩坑记录09CVE-2026-31431 (Copy Fail) 漏洞复现与验证记录10实测可用｜小米 MiMo 百万亿 Token 免费领，开发者速冲