第十章 Tool Calling：让 AI 第一次拥有行动能力
目录
零基础认识大语言模型（LLM）工作原理目录 - GuZhenYin - 博客园
本章导读
在前面的章节中，我们已经了解了大语言模型（LLM）的工作原理。
无论模型多么强大，它始终只能完成一件事情：根据已有上下文，预测下一个 Token。
因此，对于模型来说，整个世界只有两件事情：
输入文本
↓
生成文本如果只是聊天、翻译、总结、写代码，这已经足够了。
但是，当我们开始尝试让 AI 帮助完成真实工作时，很快就会遇到一个问题
当我们问模型:
帮我查询今天武汉天气。
模型知道武汉吗？
知道。
模型知道天气是什么吗？
知道。
但是它知道今天武汉到底有没有下雨吗？
不知道。
因为今天的天气属于实时信息，训练模型的时候还没有发生。
再比如：帮我计算下面 Excel 的销售总额。
模型会计算吗？
当然会。
但是它能够直接打开你的 Excel 文件吗？
不能。
又比如：帮我查询数据库中库存不足的商品。
模型懂 SQL 吗？
懂。
但是它能够直接连接你的 MySQL 数据库吗？
仍然不能。
于是，一个越来越明显的问题出现了：LLM 很聪明，但它无法直接与现实世界交互。
10.1 LLM 为什么不会使用工具？
这一点其实很好理解。
回忆一下第二章介绍过的内容。
模型看到的输入其实并不是：
今天天气怎么样？而是经过 Tokenizer 处理之后的一串 Token ID。
例如（示意）：
[4512,10345,821,...]模型最后输出的也不是：
今天武汉小雨。而是另一串 Token ID。
整个推理过程中，Transformer 从头到尾处理的都是数字向量。
模型既不会访问互联网，也不会打开浏览器，更不会执行操作系统命令。
换句话说，对于 LLM 来说：
世界上不存在"API""数据库""浏览器"这些概念，它只认识 Token。
因此，下面这些动作：
-
查询天气
-
调用地图
-
执行 Python
-
打开浏览器
-
查询数据库
-
发送邮件
对于模型来说，本质上都是模型之外发生的事情。
10.2 如果让模型自己完成，会发生什么？
来看一个简单的例子。
假设用户输入：
今天武汉天气怎么样？模型开始推理。
根据训练数据，它可能知道：
-
武汉夏天比较热；
-
七月份经常下雨；
-
天气回答通常包含温度、湿度等内容。
于是，它可能生成：
今天武汉多云，最高气温33℃......问题是,这是真的吗？
模型根本不知道。
它只是根据历史统计规律，生成了一段最像天气预报的文字。
这就是我们第八章提到的幻觉（Hallucination）。
如果模型能够真正访问天气 API，它就不需要猜了。
因此,工具调用（Tool Calling）的本质，就是让模型停止猜测，转而获取真实数据。
10.3 Tool Calling 到底是什么？
很多人第一次接触 Tool Calling，会觉得非常好用。
例如：
你在 ChatGPT 中输入：北京今天会下雨吗？
几秒钟后，它真的告诉你：今天北京有小雨......
甚至还能给出未来几天的天气。
很多人以为：ChatGPT 学会了查询天气。
实际上，并不是它学会了某项技能。
真正调用的流程其实是：
用户输入
│
▼
LLM 判断：
需要查询天气
│
▼
调用天气 API
│
▼
获得真实天气数据
│
▼
再次交给 LLM
│
▼
生成最终回答这里,请注意真正查询天气的不是 LLM，而是外部程序。
LLM 做的事情只有两件：
-
判断是否需要调用工具；
-
根据工具返回的结果重新组织语言。
这就是 Tool Calling 的本质。
10.4 Tool Calling 是谁调用谁？
很多初学者容易产生一个误区：是不是模型自己调用 API？
答案是否定的。
真正调用工具的是 Agent Runtime（或者聊天应用）。
模型只是生成了一段特殊的信息，例如：
{
"tool":"weather",
"city":"北京"
}程序看到这段内容之后，会根据返回的值做下面的事情：
-
调用天气接口；
-
获得返回结果；
-
再把结果放回上下文；
-
继续让模型推理。
因此，一个完整流程其实是：
用户
│
▼
LLM
│
是否需要工具？
│
┌──────┴──────┐
│ │
否 是
│ │
▼ ▼
直接回答 Agent Runtime
│
▼
调用真实工具
│
▼
返回执行结果
│
▼
再次调用 LLM
│
▼
输出最终答案这里有一个非常重要的角色第一次出现了：
Agent Runtime（智能体运行时）
它就像整个系统的"调度中心"。
模型负责思考，Runtime 负责执行。
10.5 Tool Calling 为什么如此重要？
Tool Calling 的出现，可以说是 AI 应用发展的一个重要分水岭。
在它出现之前，大模型更像一个知识渊博的顾问：
-
能解释概念；
-
能回答问题；
-
能写文章；
-
能生成代码。
但所有能力都停留在"说"的层面。
有了 Tool Calling 之后，大模型第一次拥有了与外部世界交互的能力：
-
查询实时天气；
-
搜索互联网；
-
调用企业 API；
-
查询数据库；
-
执行 Python 程序；
-
控制浏览器；
-
操作本地文件。
虽然真正执行这些动作的依然是外部程序，但从用户的角度来看，AI 已经不再只是一个聊天机器人，而开始像一个真正能够"做事"的助手。
因此可以说Tool Calling 并没有改变 LLM 的工作原理，却极大扩展了 LLM 的能力边界。
本章总结
本章我们回答了三个问题：
-
为什么 LLM 无法直接操作现实世界？
- 因为模型本质上只能处理 Token，无法直接访问外部系统。
-
Tool Calling 到底是什么？
- 模型负责判断"是否需要工具"，真正执行工具的是外部程序（Agent Runtime）。
-
为什么 Tool Calling 如此重要？
- 它让 AI 从"只会说"迈向了"能够做"，成为现代 AI Agent 的基础能力。
下一章预告
下一章，我们将继续回答一个自然产生的问题：
如果每个 AI 平台都要重新开发一套工具接口，为什么不制定一套统一标准？
这正是 MCP（Model Context Protocol） 出现的原因。下一章我们将从"为什么需要 MCP"开始，一步步讲清楚它如何成为 AI 世界连接工具和模型的通用协议。