function call

AI Agent 模型成本控制实战：Token 消耗优化与监控技巧很多团队在做 AI Agent 时，都会经历一个阶段：尤其是当你引入：你会很快发现：成本不是线性增长，而是指数级增长。

使用 LangSmith 专业调试 AI Agent：追踪、评估与问题定位在前一篇《LangGraph 与 ReAct Agent 调试技巧》中，我们已经讲过：这些方法已经足够帮你排掉 80% 的问题。

LangGraph 与 ReAct Agent 调试技巧：从日志到可视化全解析很多人第一次做 ReAct Agent，都会有一种挫败感：这和普通 CRUD 系统很不一样。传统后端开发里，你通常面对的是：

两行注解把企业 RPC 接口变成 AI 工具标签：Java Agent j-langchain RPC Dubbo Feign @AgentTool @Param @ParamDesc 前置阅读：AgentExecutor：用一行代码启动 ReAct Agent 适合人群：希望把已有 Dubbo / Feign / gRPC 等 RPC 服务快速接入 AI Agent 的 Java 开发者

MCP HTTP 传输详解：比 SSE 简单，但有一个意外的坑标签：Java MCP HTTP OkHttp Session SSE格式解析 j-langchain 前置阅读：MCP SSE 传输详解：双通道设计与异步请求匹配适合人群：需要对接支持 HTTP 传输的 MCP 服务、或希望理解三种传输方式差异的 Java 开发者

三个 Agent 并行调研：用 concurrent 节点构建并发-汇聚式旅游规划助手标签：Java Agent ReAct j-langchain 多Agent 并行 concurrent 旅游规划 AgentExecutor 前置阅读：双 Agent 串联：用分析 Agent + 执行 Agent 构建客服工单处理流水线适合人群：已掌握多 Agent 串联用法，希望让多个 Agent 并行工作以提升效率的 Java 开发者

第一个简单 Agent 实战：天气查询 + 计算器工具 Agent前面几篇，我们已经讲了 Agent 最核心的几个基础：但到这里，很多人还是会觉得：概念我懂了，可我还是不知道怎么把它们真正拼起来。

McpAgentExecutor 混合挂载：HTTP 工具与 NPX 服务器同时接入同一 Agent标签：Java MCP Agent j-langchain McpAgentExecutor 混合工具 Function Calling 前置阅读：McpAgentExecutor：用几行代码让模型自主调用 HTTP 工具多步推理 → McpAgentExecutor + McpClient：让 Agent 直接操作文件系统和数据库适合人群：已分别接入 HTTP 工具和 NPX 服务器，希望在同一个 Agent 中串联使用的 Java 开发者

多步骤 ReAct 实战：让 Agent 自主完成航司比价与订票标签：Java ReAct Agent j-langchain 多步骤推理工具调用 AgentExecutor 前置阅读：Java 实现 ReAct Agent：工具调用与推理循环 → AgentExecutor：告别手写 ReAct 循环适合人群：已会用 AgentExecutor 和 @AgentTool，希望串联多个工具完成完整业务流程的 Java 开发者

Skill 为什么“淘汰”了 MCP？

带娃的IT创业者

LLM Function Calling 的 Schema 陷阱与纯语言输出双重保障第二季系列文章第 12 篇（总第 29 篇） - JSON Schema · OpenAI Function Calling · 语言约束 · 后处理过滤 · Prompt Engineering

还是码字踏实

智能体平台Dify的模型接口与 Agent 架构深度解析让我用一个具体例子带你从头到尾走一遍！假设用户问：“北京今天天气怎么样？顺便帮我搜索一下明天的航班”系统会：

【大模型应用开发】Langchain4j基础知识(持续更新中~)主要描述：1.JAVA大模型应用开发框架：LangChain4j。2.同时如何快捷整合RAG、function calling等功能，快速搭建属于我们javer的智能体世界。

LLM函数调用（Function Call）：智能扩展AI能力2023年6月13日 OpenAI 公布了 Function Call（函数调用）功能，Function Call 允许开发者向 GPT-4 和 GPT-3.5-turbo 模型描述函数，模型会智能地选择输出一个包含调用这些函数参数的JSON对象。这是一种更可靠地将 GPT 的功能与外部工具和 API 相连接的新方法。

带娃的IT创业者

Function Call实战效果：准确率提升86%背后的数据与思考，兼谈MCP的未来发布时间: 2025年10月标签: #效果评估 #性能分析 #ROI #MCP #技术升级 #MCP 阅读时间: 16分钟实战代码仓库地址: https://github.com/wyg5208/mailmind 一个完全实战的项目，从规则匹配到FUNCTION CALL的迭代过程，再到MCP的思考

flutter实现Function Call根据Function Call实现用大模型来调用方法。以下实现用操作空调。阿里云百炼：筛选具有Function Call能力的模型

构建AI智能体：四十二、使用 Qwen-Agent Assistant 调用高德 API 实现天气查询随着大模型技术的发展，智能助手（Agent）已成为连接用户需求与外部服务的核心载体。Qwen-Agent作为基于通义千问大模型的智能框架，支持通过工具调用扩展能力，而高德天气API则提供了稳定、实时的气象数据服务。本文旨在实现Qwen-Agent的Assistant助手与高德天气API的无缝集成，构建一个能响应用户自然语言查询、返回精准天气信息的智能系统。

威化饼的一隅

【大模型LLM学习】function call/agent学习记录记录一下使用langchain做简单的function call/agent(或者说意图识别，如果函数有返回值再进行summary即可)，以及冷启动的场景下造训练数据+微调的过程。

MCP的基础知识一、了解MCP的基础知识1.函数调用Function CallingFunction Calling是openai在2023年推出的一个非常重要的概念：Function Calling（函数调用）本质上就是提供了大模型与外部系统的交互能力，类似于给大模型安装了一个“外挂工具箱“，当大模型自己无法直接回答问题时，他会主动调用预设的函数（如查询天气、计算数据、访问外部数据库）、获取实时的或者精准信息后再生成回复。

开源模型中的 Function Call 方案深度剖析在本文中，我们梳理了开源模型 Function Calling 能力的相关信息，包括采用的 chat template，function call 训练方案等。涉及模型 LlaMa 3.1， Mistral Large 2，glm-4-9b-chat，Qwen 2。