- 综合排序
- 最热优先
- 最新优先
- 来自专栏DotNet NB && CloudNative
MCP 和 Function Calling：示例
本文以实际例子来加深对 MCP 和 Function Calling 的理解。 实现这样一个场景：和大模型聊天，然后让大模型将回答的内容总结后保存到 flomo 笔记中。 Function Calling 我们知道 Function Calling 和模型的能力有关，我使用的是 qwen2.5:7b 模型，用 ollama 在本地运行。 2、利用 qwen-agent 框架来实现 function calling ，最终调用自定义开发的 api 接口。 = last_response['function_call']['name'] function_to_call = available_functions[function_name = function_to_call( content=function_args.get('content'), ) print('# Function
79810编辑于 2025-05-25 - 来自专栏windealli
OpenAI | Function calling 上手体验
在 OpenAI 发布 Function calling 之前，我们可能会议文本输入的方式，在Prompt中要求LLM格式化输出，或者通过LangChain框架提供的 Parsers 相关的抽象。 现在，OpenAI 提供了 Function calling 用于将LLM的输出格式化成 Function calling 所需要的参数。 Function calling 介绍 简单的说， Function calling 就是基于（自定义）函数调用所需要的参数，输出可识别的格式化的输出。 Function calling 使用流程 我们以查询指定城市指定日期天气为例，介绍 Function calling 的使用流程, 天气查询使用高德的API。 输出结果： **(llm) ➜ function_calling python 01_function_calling.py {"province": "\\u5e7f\\u4e1c", "city
3.5K21编辑于 2023-11-22 - 来自专栏一个正经的测试
如何理解 ChatGPT API function calling？
概述 函式呼叫(function calling) 可说是这次ChatGPT API 更新的杀手级更新。 choices": [{ "index": 0, "message": { "role": "assistant", "content": null, "function_call get_current_weather", "arguments": "{ \"location\": \"Boston, MA\"}" } }, "finish_reason": "function_call , {"role": "assistant", "content": None, "function_call": {"name": "get_current_weather", "arguments ": "{ \"location\": \"Boston, MA\"}"}}, {"role": "function", "name": "get_current_weather", "content
71810编辑于 2024-01-22 LLM 系列（十二）：解读 Function Calling
Function Calling 的提出：从文本生成到任务执行 为了解决上述问题，业界提出了 Function Calling（函数调用）机制。 Function Calling 则将这种引导过程形式化和标准化。 相比之下，Function Calling 是一种声明式的交互模式。 Function Calling vs. Function Calling vs. 传统 API 集成 Function Calling 也代表了一种与传统软件开发中 API 集成方式截然不同的新范式。
89110编辑于 2025-11-04- 来自专栏架构驿站
MCP vs Function Calling，该如何选？
2、Function Calling 设计理念：集成化、模型驱动与轻量级的功能扩展方案 集成化与高效性：Function Calling 将函数调用逻辑直接嵌入 LLM 中，从而简化了系统架构并减少了中间层 —04 — MCP vs Function Calling，该如何选 ？ 1、使用 Function-Calling 的场景 Function-Calling 以其结构化和高效的特点，成为许多特定任务的首选方法。 在上述这些场景中，Function-Calling 能够以较低的开发成本和较高的可控性，快速满足业务需求。 例如，在一个客户支持系统中，可以通过以下方式结合两者： Function-Calling 用于工单分类：利用 Function-Calling 的结构化特点，快速将用户提交的工单分类为“账单问题
1.7K21编辑于 2025-04-21 - 来自专栏.Net Core技术分享
Function Calling 执行流程和历史消息结构
在 function calling（工具调用）的场景中，传递给大语言模型（LLM）的历史消息需要包含完整的对话上下文，包括用户输入、模型生成的工具调用请求（tool_calls），以及工具执行后的返回结果 : "assistant", "content": null, "tool_calls": [ { "id": "call_abc123", "type": "function ", "function": { "name": "get_weather", "arguments": "{\"location\": \"Beijing\ ", "function": { "name": "get_weather", "arguments": "{\"location\": \"Beijing ", "function": { "name": "get_current_datetime", "description
66510编辑于 2025-03-28 - 来自专栏圣杰的专栏
.NET+AI | MEAI | Function Calling 基础（3）
.NET+AI | MEAI | Function Calling 基础 一句话概括 Function Calling 是让大模型能够识别用户意图并返回结构化函数调用指令的能力,而不是模型主动调用函数。 为什么需要Function Calling? 大模型虽然强大,但它只能基于训练数据生成文本回复,无法: 获取实时数据(天气、股票等) 执行具体操作(发邮件、查数据库) 访问外部系统(API调用) Function Calling 打破了这个限制 一句话总结 Function Calling = 大模型的"插件系统"，让 AI 从"能说会道"变成"能说会做"。 参考资料 OpenAI Function Calling 官方文档 Semantic Kernel Function Calling 实践
16310编辑于 2025-12-28 ERNIE Bot Agent开发框架 & function calling 开发实践
2 ERNIE Bot Agent开发框架ERNIE Bot Agent 基于文心模型的 Function Calling（下⾯简称FC） 能力实现了多工具编排和自动调度功能，并且允许工具、插件、知识库等不同组件的混合编排 fa2600005a22</file> INFO - [LLM][End] ERNIEBot finished running with output: role: assistant function_call words_result_num": 3 } INFO - [LLM][Start] ERNIEBot is about to start running with input: role: function words_result_num": 3} INFO - [LLM][End] ERNIEBot finished running with output: role: assistant function_call 当前单词本中有如下单词：BEWARE，释义如下BEWARE的详细释义"}INFO - [LLM][Start] ERNIEBot is about to start running with input: role: function
58910编辑于 2024-06-17- 来自专栏码匠的流水账
聊聊langchain4j的Tools(Function Calling)
序本文主要研究一下langchain4j的Tools(Function Calling)示例tool@Slf4jpublic class WeatherTools { @Tool("Returns Since the user specifically mentioned the weather for a city (London), the getWeather function is the right choice.The getWeather function requires a city name as an argument, so I called it with "London But just to make sure, calling getTomorrow would ensure the correct date is mentioned. Calling)提供了Low-level及High-level两层抽象。
1.3K00编辑于 2025-03-15 - 来自专栏XINDOO的专栏
OpenAI的多函数调用（Multiple Function Calling)简介
我在六月份写了一篇关于GPT 函数调用（Function calling) 的博客https://blog.csdn.net/xindoo/article/details/131262670，其中介绍了函数调用的方法 tools = [ { "type": "function", "function": { = tool_call.function.name function_to_call = available_functions[function_name] function_args = json.loads(tool_call.function.arguments) function_response = function_to_call openAI改变了api中传递function的参数，废弃了 functions和 function_call，改用了tools和tool_choice两个新参数，我猜测是为了未来增加更多的工具支持。
1K10编辑于 2024-08-07 - 来自专栏AI
从普通开发到 AI：Function Calling 的演变与应用
一、引言函数调用（Function Calling）是编程中最基本的操作之一。无论是简单的数学计算，还是复杂的系统交互，函数调用都是实现功能的核心机制。 函数调用的底层实现在传统软件开发中，函数调用的底层实现主要依赖于栈（Stack）和调用约定（Calling Conventions）。栈用于存储函数调用时的上下文信息，包括局部变量、返回地址等。 factorial(int n, int acc = 1) { if (n <= 1) return acc; return factorial(n - 1, n * acc); // 尾调用}函数对象（Function
41010编辑于 2025-03-28 一文说明 Function Calling、MCP、A2A 的区别！
其中最具代表性的三种机制分别是： OpenAI 推出的 Function Calling Anthropic 提出的 MCP（Model Context Protocol） Google 推出的 A2A 今天这篇文章就带你一文看懂 Function Calling、MCP 和 A2A 的核心差异与联系。 Function Calling：给大模型“装外挂” OpenAI 的 Function Calling 是为了解决一个经典问题：大模型知识无法实时更新。 ✅ 优势： 标准化协议，解决了 Function Calling 中“一对多”的对接难题。 扩展新工具、新模型成本大大降低（从 M×N 变成 M+N）。 总结 Function Calling、MCP 和 A2A 分别解决了大模型与工具调用、工具标准接入、Agent 协作三个关键问题。
2.4K10编辑于 2025-05-31- 来自专栏AI SPPECH
从Function Calling到MCP：AI工具调用的范式级变化
背景动机与当前热点 1.1 Function Calling的兴起与局限 Function Calling自2023年由OpenAI推出以来，迅速成为AI工具调用的主流方式。 跨平台的标准协议，支持不同模型和工具的互操作 Function Calling是平台特定的，不同平台不兼容 异步优先设计 全面支持异步通信，提高系统的并发处理能力 Function Calling主要支持同步调用 ，异步能力有限 2.2 从Function Calling到MCP的范式转变 维度 Function Calling MCP v2.0 范式变化 设计理念 模型增强 能力外置 从模型为中心转向生态为中心 与主流方案深度对比 4.1 MCP vs Function Calling 维度 Function Calling MCP v2.0 优势方 平台兼容性 平台特定 跨平台支持 MCP 部署方式 云端唯一 结论与行动建议 7.1 结论 从Function Calling到MCP，代表了AI工具调用的范式级变化。
31710编辑于 2026-01-03 《Java 携手 Function Calling：智能业务流程再造的深度剖析》
Function Calling技术在后台实时监听用户的输入，并将其转化为可执行的指令。 借助Java和Function Calling技术，银行可以构建一个智能风险评估系统。 通过Java和Function Calling技术，电商企业可以实现零代码的销售数据分析。 利用Java和Function Calling技术，制造企业可以实现对生产流程的实时监控和分析。 同时，Function Calling技术在处理用户指令时，也需要对敏感信息进行识别和保护，避免数据泄露。
18500编辑于 2025-06-11- 来自专栏Goboy
它和 Function Calling、AI Agents 有哪些不同？
Function Calling、AI Agents、Retrieval-Augmented Generation（RAG）这些方案已经被广泛讨论和应用。 那 MCP 和 Function Calling、AI Agents 有啥不一样？我们可以从几个维度来理解 MCP 与其它方案的区别：1. 和 Function Calling 相比OpenAI 的 Function Calling 本质上是一种“模型调用函数”的能力，开发者在调用模型时附带一组函数定义，模型会根据意图调用函数。 可以理解为 MCP 是 Function Calling 的升级版 —— 从“模型内部注册函数”走向了“模型动态发现外部工具”。2. 这种“多工具流水线”是 Function Calling 很难做到的，也是当前 Agent 系统实现起来比较繁琐的。那 MCP 会带来什么变化？
79520编辑于 2025-05-08 - 来自专栏openclaw
OpenClaw Skill 与 OpenAI Function Calling 深度对比：一文看懂本质差异
🚀 本文收录于Github：AI-From-Zero 项目 —— 一个从零开始系统学习 AI 的知识库。如果觉得有帮助，欢迎 ⭐ Star 支持！
28220编辑于 2026-03-13 Go 做 Function Calling 服务端：解析 tool_calls 与执行逻辑
Function Calling 与 tool_calls 是什么？ Function Calling（Tool Use）指：你把可调用的函数列表以 JSON Schema 等形式传给大模型，模型在需要时会在回复里带 tool_calls，指明函数名和参数。 定义结构体与解析 OpenAI 兼容接口里，choices[0].message.tool_calls 里每个元素含 id、function.name、function.arguments（arguments , tc.Function.Arguments)，把每个结果收集起来。 写在最后 用 Go 做 Function Calling 服务端，核心三步：解析 tool_calls（含 arguments 的 JSON）、执行（注册表分发）、回写（role: "tool" + tool_call_id
15010编辑于 2026-03-02- 来自专栏AI SPPECH
从Function Calling到AI工具生态中枢的范式转变
本文深入探讨MCP的定义、核心价值、与传统插件的区别，以及从Function Calling到MCP的范式转变。 安全性堪忧：直接的Function Calling缺乏有效的权限管理和审计机制，容易引发越权调用和安全漏洞。 可扩展性差：传统插件式架构难以支持动态能力协商和大规模工具编排。 Calling和插件架构形成鲜明对比： 能力外置而非模型增强：MCP强调将工具能力外置，与模型解耦，避免模型膨胀和能力固化。 2.3 MCP与传统工具调用的范式差异 维度 传统Function Calling 传统插件架构 MCP v2.0 架构 模型-工具直接调用 模型内置插件 三层分布式架构 通信方式 同步为主 同步调用 性能开销：相对于直接的Function Calling，MCP的分层架构会带来一定的性能开销。 生态碎片化风险：如果MCP未能成为真正的行业标准，可能导致新的生态碎片化。
29410编辑于 2026-01-03 - 来自专栏《三桥君 | AI大模型落地方法论》
大模型到AI Agent技术在进化，Function Calling将如何助力这场变革？
然而，要真正理解AI Agent为何非来不可，你必须先吃透Function Calling这一关键技术。 本文三桥君将深入探讨 Function Calling 在 AI Agent 中的核心作用，分析其技术原理、应用场景以及局限性。 三、Function Calling：让AI“动起来”的秘密武器Function Calling是AI Agent能够执行复杂任务的关键技术。 简单来说，Function Calling允许AI Agent在需要时，动态调用外部API或执行特定的函数。 四、Function Calling的局限性尽管Function Calling在AI Agent中发挥了重要作用，但它仍然存在一些局限性。
41720编辑于 2025-08-02 - 来自专栏AI智能体从入门到实践
构建AI智能体：Function Calling - 解锁大语言模型的实际行动力+案例解析
先忽略Function Calling的名称，看看“解锁大语言模型的实际行动力”，为什么有此一说？难道大模型也会有到达不了的彼岸？ 然而它本质上是一个知识丰富的聊天者，能让人惊叹的做出完美的解决方案，唯一缺陷的是没有办法做真正的事情处理，好比能告诉我们最优秀完美的旅游方案，却没有办法去定一张机票，鉴于此，Function Calling （函数调用）完美登场，助力解锁大语言模型的实际行动力，让AI不只是“说”，更能“做”，让我们今天就好好了解Function Calling原理与应用指南！ 一、概念解析 Function Calling 是大模型提供的一项革新能力。它充当了模型思考与外部行动之间的关键桥梁。 、类型、描述）；2.Function Calling 过程拆解 第一步（开发者）：声明函数列表（名称、描述、参数）并告知大模型 第二步（用户）：发送请求，包含或不包含调用函数的请求 第三步（大模型）
74840编辑于 2025-10-29
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号