【Agent智能体专栏】第3篇：工具使用

摘要

LLM 不仅擅长对话，还能通过“工具使用”（Tool Use）主动调用外部函数，获取实时信息、执行计算、操作数据库，甚至编写并运行代码。本文系统讲解工具使用的核心原理：从 LLM 如何“请求”调用函数，到现代框架（如 AI Suite）的简洁实现；从基础的日历查询到危险的代码执行沙箱；最后介绍最新标准 MCP（模型上下文协议），它如何将工具生态从“M×N”的重复劳动转变为“M+N”的高效协作。无论你是 AI 应用开发者还是技术决策者，掌握工具使用都是构建真正“能做事”的代理的关键一步。

适用人群 / 前置知识

适用人群：希望让 LLM 与外部系统交互的 AI 应用开发者；对代理工作流感兴趣的技术人员；正在评估 LLM 工具调用能力的架构师。

前置知识：了解 LLM 基本 API 调用（如 OpenAI 格式）；熟悉 Python 函数定义；知道什么是 JSON（用于理解工具描述）。无需深度机器学习背景。

正文

一、引言：为什么 LLM 需要“工具”？

大语言模型本质上是“知识固化”的系统。它知道的截止于训练数据，无法获取实时信息（如当前时间、最新股价），也无法主动采取行动（如发送邮件、修改日历）。但如果我们给 LLM 一套“工具”（即函数），让它自己决定何时调用，就能突破这些限制。

类比：人类用手只能抓起物品，但使用锤子就能钉钉子。LLM 单独只能生成文本，但使用工具就能执行动作。

工具使用的核心流程并不复杂：

1. 开发者定义一些函数（如 get_current_time、send_email）。
2. 将这些函数的名称、参数、描述告诉 LLM。
3. LLM 根据用户问题，决定是否需要调用某个函数，并以特定格式输出“我想调用函数 X，参数为 Y”。
4. 开发者解析该格式，实际执行函数，获取结果。
5. 将结果返回给 LLM，让它生成最终回答。

下面我们深入每一步。

二、核心概念：LLM 如何“请求”调用函数？

很多人误以为 LLM 能直接执行代码。实际上，LLM 只是一个文本生成器。它无法运行任何东西。工具调用的真实流程是：

用户提问 → LLM 生成特殊标记（如 FUNCTION: get_current_time） → 开发者代码检测到该标记 → 开发者调用对应函数 → 将函数返回值拼接到对话中 → LLM 生成最终回答

2.1 早期手工方式（理解原理）

在 LLM 未被专门微调前，开发者需要手写提示词约定格式。例如：

System: 你可以使用工具 getCurrentTime。当你需要获取当前时间时，请输出 “FUNCTION: getCurrentTime”。
User: 现在几点？
Assistant: FUNCTION: getCurrentTime

然后开发者写正则表达式提取 getCurrentTime，执行函数，将结果（如“14:30”）追加为一条新消息：

User: 现在几点？
Assistant: FUNCTION: getCurrentTime
Function result: 14:30
Assistant: 现在是下午2点30分。

这种方法的缺点：脆弱、格式不统一、难以传递参数。

2.2 现代方式：工具调用 API

如今，主流 LLM（GPT-4、Claude 3、Gemini 等）原生支持工具调用。开发者只需按照 API 规范提供工具列表，LLM 会直接返回结构化的函数调用请求（JSON 格式），无需手动解析特殊字符串。

以 OpenAI 为例：

tools = [{
    "type": "function",
    "function": {
        "name": "get_current_time",
        "description": "获取当前时间",
        "parameters": {
            "type": "object",
            "properties": {
                "timezone": {"type": "string", "description": "时区，如 Asia/Shanghai"}
            },
            "required": ["timezone"]
        }
    }
}]

response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "上海现在几点？"}],
    tools=tools
)
#response 中会包含 tool_calls 字段，格式为 JSON

三、实战：使用 AI Suite 简化工具调用

AI Suite 是一个开源库，封装了多提供商的工具调用逻辑。你只需定义 Python 函数并编写 docstring，库会自动生成 JSON schema。

示例：无参数的当前时间

import datetime
from aisuite import Client

def get_current_time():
    """获取当前的 UTC 时间。"""
    return datetime.datetime.now().isoformat()

client = Client()
response = client.chat.completions.create(
    model="openai:gpt-4o",
    messages=[{"role": "user", "content": "现在几点？"}],
    tools=[get_current_time],   # 直接传函数对象
    max_turns=5
)
print(response.choices[0].message.content)

示例：带时区参数的函数

import pytz
def get_current_time_in_timezone(timezone: str):
    """
    获取指定时区的当前时间。
    
    Args:
        timezone: 时区名称，例如 "America/New_York", "Pacific/Auckland"
    """
    tz = pytz.timezone(timezone)
    return datetime.datetime.now(tz).isoformat()

AI Suite 会自动从函数的签名和 docstring 中提取参数名称、类型和描述，构建 JSON schema 传给 LLM。LLM 返回的 tool_calls 中包含 arguments（如 {“timezone”: “Pacific/Auckland”}），库会自动调用你的函数并将结果返回。

四、进阶：代码执行工具——最强大的瑞士军刀

与其为每种计算（加、减、乘、除、平方根、指数、三角函数……）都单独写一个工具，不如给 LLM 一个“代码执行”工具。让 LLM 自己编写 Python 代码，然后运行它，获得结果。

工作流：

1. 用户问：“2 的平方根是多少？”
2. LLM 生成代码：import math; print(math.sqrt(2))
3. 开发者执行这段代码（在安全沙箱中），得到 1.4142135623730951
4. 将结果返回 LLM，LLM 回答：“2 的平方根大约是 1.4142。”

示例提示词设计：

System: 你可以编写 Python 代码来解决用户的问题。请将你的代码放在
<execute_python> 和 </execute_python> 标签之间。代码的输出将会被执行并返回给你。
User: 计算 500 美元本金，年利率 5%，10 年后的复利终值。

LLM 可能生成：

<execute_python>
principal = 500
rate = 0.05
years = 10
amount = principal * (1 + rate) ** years
print(amount)
</execute_python>

执行后得到 814.447…，最终回答：“10 年后您将拥有约 814.45 美元。”

4.1 安全警告：永远沙箱执行

真实事故：某团队使用自主编码代理，该代理主动执行了 os.remove(“star.py”)，删除了项目文件。虽然有备份未造成损失，但警示我们：绝不能直接 exec() LLM 生成的代码。

最佳实践：

1. 使用 Docker 容器隔离执行。
2. 使用 E2B、CodeBox 等轻量级云沙箱。
3. 限制可用的 Python 内置函数（如禁止 os、subprocess、eval、import）。
4. 设置资源限制（CPU 时间、内存、网络）。

示例使用 subprocess 调用安全脚本：

import subprocess
result = subprocess.run(["python", "-c", code], capture_output=True, timeout=5, text=True)

五、生态革命：MCP（模型上下文协议）

当你的应用需要集成多个外部系统（Slack、Google Drive、GitHub、数据库）时，为每个系统编写适配器的工作量巨大。MCP 应运而生。

核心思想：将“工具/数据源”与“应用”解耦。

• MCP 服务器：提供一组标准化的工具和资源（例如 GitHub MCP 服务器提供
  list_pull_requests、get_file_content 等工具）。
• MCP 客户端：应用通过 MCP 协议与服务器通信，无需关心底层 API。

传统模式：M 个应用 × N 个数据源 = M×N 个适配器。
MCP 模式：M 个应用 + N 个服务器 = M+N 个连接。

示例：使用 MCP 客户端查询 GitHub 仓库的最新 PR。

用户输入：“列出 AI Suite 仓库的最新 pull requests。”
MCP 客户端自动调用 GitHub MCP 服务器的 list_pull_requests 工具，传入参数 repo=“aisuite”，获取 PR 列表，再交给 LLM 生成总结。

目前已有大量 MCP 服务器可用：文件系统、PostgreSQL、Slack、Google Drive、Brave 搜索等。你也可以编写自己的 MCP 服务器，将内部 API 暴露给任意 LLM 应用。

六、常见问题与注意事项

问题	解决方案
LLM 调用错误的工具	提高工具描述质量；使用更强大的模型（如 GPT-4o 或 Claude 3.5 Sonnet）
工具调用陷入循环	设置 max_turns（如 5）强制终止
代码执行安全风险	使用 Docker/E2B 沙箱；禁用危险模块；限制网络访问
时区/实时数据不准	让 LLM 通过工具获取，而不是依赖模型内部知识
工具参数缺失	在函数描述中明确参数是否必需；LLM 会要求用户补充信息

七、总结

工具使用是 LLM 从“聊天机器人”进化为“代理”的核心能力。通过赋予 LLM 一组精心设计的函数，它能够：

• 获取实时信息（时间、天气、股价）
• 操作外部系统（发送邮件、修改日历、查询数据库）
• 执行任意计算（通过编写代码）

现代 API 和开源库（如 AI Suite）极大地简化了实现。而 MCP 标准则正在重塑整个工具生态，让开发者能像“插拔”一样集成海量工具。

最后，永远记住：让 LLM 执行代码时，务必使用沙箱。安全是生产级应用的生命线。

下一步，你可以尝试在自己的项目中实现一个简单的工具调用——比如给 LLM 一个天气查询函数，然后问“明天北京会下雨吗？” 你会惊讶于它如何自主决定调用工具并给出答案。