背景与动机

大语言模型（LLM）最初以“文本到文本”的形式出现：输入一段自然语言，模型输出一段自然语言。这种方式在写作、翻译、摘要、开放式问答等任务上表现出色，但在需要精确事实、实时信息或与外部系统交互的场景中，暴露出三个结构性缺陷：知识截止、幻觉、以及无法行动。Tool Use（工具使用）正是为了弥合这些缺陷而诞生的接口层。

从纯文本生成到显式工具调用

工具调用并非一夜之间出现，它经历了四个阶段的演进：

1. 纯文本生成

早期的 LLM 只能生成字符串。如果用户问“今天北京天气如何？”，模型只能基于训练语料中的统计模式编造一个答案，既无法保证实时性，也无法验证。

2. Prompt Engineering

工程师尝试把更多事实、上下文、Few-shot 示例塞进 Prompt，让模型“背下来”。这种方法在闭域任务有效，但受限于上下文长度、知识更新成本和事实准确性，无法解决本质问题。

3. Chain-of-Thought（CoT）

CoT 让模型在最终答案前显式输出推理步骤，显著提升了数学与逻辑任务的准确性。但它仍然只是“想”，没有“做”——模型不能真正查询数据库、运行代码或调用 API。

4. ReAct（Reasoning + Acting）

ReAct 将推理过程与外部动作交替：模型输出 Thought，然后输出 Action，环境返回 Observation，模型继续 Thought。这一步把“工具”引入了循环，但 Action 通常是自由文本，需要额外的解析器，鲁棒性有限。

5. 显式 Tool Use

现代大模型直接在输出中生成结构化的工具调用描述，例如 OpenAI 的 tool_calls、Anthropic 的 tool_use 块。运行时可以精确解析参数、校验 schema、执行函数，并将结果以结构化形式喂回模型。这实现了“决策”与“执行”的清晰分离。

为什么需要 Tool Use

Tool Use 解决的核心问题可以归纳为三点：

• 知识截止：LLM 的训练数据有截止日期，无法天然掌握实时股价、天气、库存、私有文档等内容。
• 幻觉风险：当问题超出训练分布时，模型倾向于“合理编造”。工具返回的客观结果可以把生成锚定在事实之上。
• 无法行动：模型本身不能执行计算、读写数据库、发送邮件、控制设备。Tool Use 把模型的“决策能力”外化为“动作能力”。

此外，Tool Use 还带来了工程上的好处：

• 可验证性：工具调用的输入和输出都是结构化数据，便于校验、审计和回滚。
• 可组合性：多个工具可以像积木一样组合，完成更复杂的任务。
• 可扩展性：新增能力不需要重新训练模型，只需要注册新的工具定义。

学术源流

Tool Use 的工程化并非凭空出现，学术界早有相关探索：

Toolformer

Meta 在 2023 年提出的 Toolformer 展示了如何通过自监督方式，让模型学习“在何时调用何种 API、如何构造参数、如何使用返回结果”。它不依赖大量人工标注，而是从模型自身的文本生成中挖掘潜在的 API 调用位置，并用实际调用结果训练模型筛选有用调用。

Gorilla 与 APIBench

UC Berkeley 的 Gorilla 项目通过在海量 API 文档上微调模型，使其能够根据自然语言任务生成准确的 API 调用。APIBench 数据集包含大量 API 定义与调用样本，而 Gorilla 后续推出的 Berkeley Function-Calling Leaderboard（BFCL） 成为评估模型函数调用能力的重要基准。

ReAct / WebGPT / ACT-1

这些工作从不同角度验证了“模型输出动作、环境返回观察、模型再决策”的循环可行。Tool Use 可以看作是 ReAct 的工程化、结构化升级。

小结

Tool Use 的演进路径是：从“模型只生成文本”到“模型生成结构化动作描述，由运行时执行”。它不改变模型本身的知识边界，而是把模型变成一个“调度器”：理解意图、选择工具、构造参数、消费结果。下一章将从工程角度拆解它的核心概念。