函数调用

模型从不执行函数，只做「决定与填参」。流程：客户端在请求中声明工具列表（名称、描述、参数 JSON Schema）；模型判断需要调用时返回结构化的工具调用意图（工具名加符合 schema 的参数），通常 finish_reason 为 tool_calls；客户端在自己代码里真正执行函数（查数据库、调 API）；把结果作为 tool 角色消息回传，模型基于结果继续生成最终答复或发起下一次调用。这个循环由客户端驱动，直到模型给出无工具调用的普通响应。理解要点：执行权在应用侧，模型只是指令翻译器，因此参数校验、鉴权、超时都要客户端兜底；流式模式下工具参数也是增量拼接出来的；并行调用时模型一次返回多个调用，可并发执行后统一回传。能完整走一遍消息序列即满分。

描述是给模型看的接口文档，质量直接决定准确率。要点：名称动词化且自解释（get_weather、search_orders），避免 query_tool 这类万能名；description 说清三件事——做什么、何时该用、何时不该用（与相近工具的边界），一两句即可但边界信息最值钱；参数每个都给描述与示例值，枚举值用 enum 收敛，格式用 format 约束（date-time、uri）；必填与可选明确，可选参数说明默认行为；复杂参数拍平或拆工具——深层嵌套对象错误率高，能拆成多个简单工具更好；少用自由字符串参数，多用结构化字段（城市加日期优于一个 query 万物参数）。有严格模式（strict 与工具 json_schema）时开启，保证参数百分之百合法。错误驱动迭代：把线上误用的 case 补进 description 的「不要」示例里。能讲名称、边界描述、结构化参数三点即优秀。

原则是「错误要喂回模型让它自纠」，而不是程序侧直接崩。三类失败：临时性错误（网络超时、限流）由程序重试（退避），重试成功对模型透明；业务性错误（城市不存在、日期格式非法、权限不足）不要抛异常终止，而是把结构化错误返回给模型，附上「为什么错、该怎么改」的可读信息，模型下一轮通常能自己修正参数（这是函数调用最强大的容错机制）；危险或不可恢复错误（鉴权失效）走人工告警。错误返回设计：错误消息面向模型可读（错误原因加期望格式加示例），带错误码便于程序判断；不要把原始堆栈与技术细节塞回（浪费 token 且可能泄漏）；区分「工具坏了」与「参数错了」，参数错误回喂、工具坏了换路或降级。配合：最大工具调用轮数限制防死循环、每轮耗时与失败率监控。能讲「可自纠错误回喂」机制即满分。

现代模型可在一次响应里发起多个工具调用（parallel function calling），客户端应识别调用数组并并发执行再统一回传，整体延迟从串行叠加变为最慢者决定。注意点：执行顺序依赖——若工具间有依赖（先建用户再发券），客户端要识别依赖串行执行，或提示词要求模型分轮调用；幂等与并发安全——并发执行写操作要防重复与竞争（锁、幂等键）；结果对应——回传时 tool 消息要按 tool_call_id 一一对应，顺序错乱模型会混淆归属；失败隔离——部分失败时回传各自结果与错误，模型可决定重试缺的那部分；资源控制——并发上限与限流（外部 API 配额），用信号量约束。多工具编排：工具多于二十个时考虑动态挂载（按任务检索相关工具子集）或两级选择（先选工具类别再选具体工具），准确率与 token 双收益。能讲 id 对应与依赖判断即优秀。

之前每个应用接工具都是私有实现：各家 SDK 的函数定义格式不同，同一套内部工具要在 Claude、OpenAI、自研助手里各写一遍胶水，数据源（网盘、数据库、Slack）与工具能力无法跨客户端复用。MCP 用统一协议标准化三件事：tools（可调用函数）、resources（可读取数据）、prompts（可复用模板），通信走 JSON-RPC，传输支持 stdio（本地进程）与 streamable HTTP（远程服务）。架构是客户端-服务器：宿主应用（IDE、聊天客户端）内嵌 MCP client，连接 MCP server（文件系统、GitHub、数据库的适配器），能力发现与调用都按协议进行，于是工具实现一次、所有兼容客户端可用，个人与企业都能沉淀私有 server 生态。工程意义类比 USB-C 接口：模型侧与工具侧解耦，选型不被锁死；安全上仍要审视 server 权限与数据外流。能类比 USB-C 讲清 tools 与 resources 即完整。