在 AI Agent 的能力体系中，工具调用（Function Calling） 是大模型从 "对话问答" 走向 "任务执行" 的核心拐点，也是所有智能体系统的底层基础。本文结合标准时序流程图，从零拆解单工具调用的全链路执行过程，帮你彻底理解 Agent 是如何让大模型对接真实世界能力的，适合作为技术知识库归档内容。
下图为完整的单工具调用时序流程，覆盖了从用户提问到返回答案的全部环节：
一、参与角色说明
整个流程共有 4 个核心参与方，分工明确，共同构成 "决策 - 执行 - 生成" 的完整闭环：
表格
| 角色 | 定位 | 核心职责 |
|---|---|---|
| 用户 | 任务发起方 | 用自然语言提出具体需求，无需感知底层工具调用逻辑 |
| Agent | 调度执行中枢 | 衔接用户、大模型、外部工具；负责参数组装、工具执行、结果转发、状态管理 |
| 大模型 | 推理决策大脑 | 理解用户意图、判断是否调用工具、匹配工具、提取参数、基于工具结果生成最终回答 |
外部工具（示例：get_weather） |
能力扩展单元 | 提供大模型自身不具备的能力（实时查询、联网搜索、代码执行、数据读写等），输出结构化结果 |
二、分步拆解：工具调用完整执行链路
我们沿着时序图的箭头顺序，一步步拆解每一步的动作与设计逻辑：
第 1 步：用户发起自然语言请求
用户向 Agent 提出问题：杭州天气如何？
- 这是任务的起点，用户仅需用日常自然语言描述需求，不需要知道工具的存在，也无需指定调用方式。
第 2 步：Agent 组装请求上下文
Agent 收到用户问题后，不会直接把问题丢给模型，而是会组装两部分核心信息，形成标准请求参数：
- 用户的原始问题（对话消息）
- 可用工具的完整定义信息（Tools Schema），也就是图中标注的工具信息：
name：工具唯一名称get_weatherdescription：工具功能描述查询天气parameter：工具入参定义city（城市名称）
这一步相当于 Agent 把 "用户问题" 和 "工具说明书" 一起打包，交给大模型做决策判断。 对应的标准工具定义格式（JSON）如下：
json
{
"name": "get_weather",
"description": "查询指定城市的实时天气情况",
"parameters": {
"type": "object",
"properties": {
"city": {
"type": "string",
"description": "需要查询天气的城市名称"
}
},
"required": ["city"]
}
}第 3 步：Agent 第一次调用大模型
Agent 将组装好的「用户问题 + 工具列表」作为输入，调用大语言模型。
- 这是第一次模型调用，核心目的是做工具决策，而非直接生成最终回答。
第 4 步：模型进行工具调用判断
大模型接收到请求后，完成两步核心推理：
- 是否需要调用工具：识别到用户询问实时天气，属于自身静态知识库无法覆盖的场景，因此判定需要调用外部工具。
- 工具匹配与参数提取 ：通过语义匹配选中
get_weather工具，并从用户问题中提取出参数值city: 杭州。
最终模型向 Agent 返回结构化的「工具调用指令」，也就是图中标注的【调用工具】。
注：这一过程本质是模型通过下一词元预测（Next Token Prediction）生成符合格式的结构化 JSON，并没有独立的 "决策模块"，这是 Function Calling 的底层原理。
第 5 步：Agent 执行外部工具
Agent 接收到模型的工具调用指令后，由自身真实执行对应的外部工具：
- 调用天气查询 API，传入参数
杭州 - 获取工具返回的原始结果：
The weather in Hangzhou is sunny!
这是 Agent 与纯大模型的核心边界：大模型只负责 "动脑决策"，真正 "动手执行" 的是 Agent。大模型本身无法直接联网、调用接口、操作文件，所有与真实世界交互的动作，全部由 Agent 层完成。
第 6 步：Agent 携带工具结果第二次调用模型
Agent 拿到工具返回的原始数据后，会将「原始用户问题 + 工具执行结果」一起，第二次调用大模型。
- 这一次调用的目的，是让模型基于真实的工具结果，生成符合人类表达习惯的自然语言回答。
第 7 步：模型分析结果，生成最终回答
大模型接收工具返回的结果，理解数据含义后，整理成通顺的自然语言回答：杭州天气晴朗！
第 8 步：Agent 向用户返回最终答案
Agent 将模型生成的自然语言回答返回给用户，整个工具调用流程结束。
- 用户全程只感知到 "问了一个问题，得到了答案"，完全感知不到中间两次调用模型、执行工具的复杂过程。
三、核心机制深度解析
3.1 为什么必须调用两次模型？
两次调用是工具调用的标准设计，各司其职，在时序上无法合并：
表格
| 调用阶段 | 执行主体 | 核心动作 | 设计目的 |
|---|---|---|---|
| 第一次调用 | 大模型 | 判断是否调用工具、选择工具、提取参数 | 完成意图理解与决策推理 |
| 工具执行 | Agent | 真实调用接口 / 函数，获取结果 | 安全可控地连接外部能力 |
| 第二次调用 | 大模型 | 基于工具结果生成自然语言回答 | 完成信息整合与内容生成 |
工具结果必须在模型输出调用指令后才能真实获取，因此存在严格的先后顺序。第二次调用的本质，是让大模型基于真实数据 "重新思考并表达"，而非简单回传原始数据。
3.2 工具定义的核心作用
工具定义（Tool Schema）就是给大模型看的 "工具说明书"，是调用准确率的核心前提：
name：工具的唯一标识，Agent 通过名称匹配执行对应的函数description：工具的功能语义描述，模型依靠它判断 "什么时候该用这个工具"，描述越精准，调用准确率越高parameters：工具的入参规范，模型会按照这个格式从用户问题中提取对应参数
3.3 Agent 与大模型的边界
很多初学者会混淆 Agent 和大模型，通过这张图可以清晰划分二者的边界：
- 大模型是纯推理大脑：只负责理解、决策、生成文本，不执行任何真实操作
- Agent 是完整执行体：包裹着大模型，负责和外界交互、调度工具、管理状态、执行指令
没有大模型，Agent 没有智能；没有 Agent，大模型只能停留在对话层面，无法落地执行任何真实任务。
四、从单工具调用到完整 AI Agent
本文讲解的「单轮单工具调用」，是 AI Agent 最基础的最小执行单元。真实业务中的复杂 Agent，都是在这个基础上扩展而来：
- 多工具选择：同时注册数十上百个工具，由模型自主匹配最合适的工具组合
- 多轮规划执行：面对复杂任务，模型自主拆解成多步，依次调用多个工具逐步完成，出错时可自我修正
- 并行工具调用：多个无依赖的工具同时执行，提升任务执行效率
- 记忆与上下文：携带多轮对话历史与任务状态，连续完成跨轮次的复杂任务
- 自主目标驱动：无需用户逐次下达指令，自主设定目标、规划路径、完成长流程任务
五、总结
工具调用（Function Calling）是大模型能力的重要拐点：它让大模型突破了自身静态知识的边界，获得了对接真实世界的能力。而 Agent 正是这套能力的载体与执行者，从单工具调用到多工具多轮规划，最终的演进方向就是具备完整自主执行能力的智能体系统。 理解这张基础流程图，是深入学习所有复杂 AI Agent 机制的起点。