延伸阅读

本章列出 Tool Use 相关的论文、规范、官方文档、博客与学习路径，并给出相邻主题的交叉引用。

学术论文

• Toolformer: Language Models Can Teach Themselves to Use Tools

  • 论文地址：https://arxiv.org/abs/2302.04761
  • 价值：自监督学习 API 使用的开山之作，理解模型如何学会“何时调用、如何调用、如何使用结果”。

• Gorilla: Large Language Model Connected with Massive APIs

  • 论文地址：https://arxiv.org/abs/2305.15334
  • 价值：展示通过 APIBench 微调模型以生成准确 API 调用，配套 BFCL leaderboard。

• Berkeley Function-Calling Leaderboard（BFCL）

  • 地址：https://gorilla.cs.berkeley.edu/berkeley-function-calling-leaderboard.html
  • 价值：评估模型函数调用能力的权威基准，包含多语言、并行调用、可执行性等维度。v3 榜单已转为展示性质，v4 为 2026 年主版本。

• ReAct: Synergizing Reasoning and Acting in Language Models

  • 论文地址：https://arxiv.org/abs/2210.03629
  • 价值：理解 Thought / Action / Observation 循环如何演变为现代 Tool Use。

• Executable Code Actions Elicit Better LLM Agents（CodeAct）

  • 论文地址：https://arxiv.org/abs/2402.01030
  • 价值：代码即动作的奠基工作，理解为什么“一个代码执行工具 + Python SDK”可能比几十个 JSON 工具更强。

• τ-bench: A Benchmark for Tool-Agent-User Interaction in Real-World Domains

  • 论文地址：https://arxiv.org/abs/2406.12045
  • 项目地址：https://github.com/sierra-research/tau2-bench
  • 价值：以最终世界状态与 pass^k 评估端到端工具使用可靠性，τ²-bench（arXiv 2506.07982）新增电信域与双控设定。

• The Bitter Lesson of Tool Calling（2026）

  • 论文地址：https://arxiv.org/abs/2608.06370
  • 价值：在 BFCL v4 上对比 programmatic tool calling 与 JSON 原生调用，14 个模型中前者在 11 个上持平或更优，但收益与模型代码能力正相关。

• Verified Tool Calls Improve LLM Agent Reliability Under Non-Atomic Failures（2026）

  • 论文地址：https://arxiv.org/abs/2608.02645
  • 价值：系统揭示工具调用的非原子失败（超时但实际成功、效果延迟可见），论证 verify-before-retry 优于盲目重试。

• OSWorld 2.0: Benchmarking Computer Use Agents on Long-Horizon Real-World Tasks（2026）

  • 论文地址：https://arxiv.org/abs/2606.29537
  • 价值：108 个长程真实桌面任务的新基准，取代旧版 OSWorld 成为计算机使用能力的主标尺；partial 与 binary 两种口径差异巨大，阅读厂商自报数字时需谨慎。

官方规范与文档

• OpenAI Function Calling Guide

  • 地址：https://platform.openai.com/docs/guides/function-calling
  • 覆盖：Chat Completions 与 Responses API 的工具定义、strict mode、tool_choice、并行调用。

• Anthropic Tool Use

  • 地址：https://docs.anthropic.com/en/docs/build-with-claude/tool-use
  • 覆盖：Claude 的 tool_use / tool_result 块、tool_choice、disable_parallel_tool_use。

• Anthropic Code Execution Tool

  • 地址：https://platform.claude.com/docs/en/agents-and-tools/tool-use/code-execution-tool
  • 覆盖：code_execution_20260120、REPL 状态持久化、programmatic tool calling、沙箱与计费。

• Anthropic Tool Search 与 Agent Skills

  • 地址：https://platform.claude.com/docs/en/agents-and-tools/tool-use/tool-search-tool
  • 覆盖：大规模工具集的按需检索绑定，以及 Skills 的渐进披露模式（元数据常驻、正文用时加载）。

• Google Gemini Function Calling

  • 地址：https://ai.google.dev/gemini-api/docs/function-calling
  • 覆盖：function_declarations、tool_config、并行与串行调用。

• Google: Improving Structured Outputs in the Gemini API（2026）

  • 地址：https://blog.google/innovation-and-ai/technology/developers-tools/gemini-api-structured-outputs/
  • 覆盖：structured outputs 的 JSON Schema 关键字扩展（anyOf、$ref、minimum/maximum、additionalProperties、prefixItems），可直接配合 Pydantic / Zod 使用。

• OpenAI DevDay 2026 Recap（InfoQ，2026-10）

  • 地址：https://www.infoq.com/news/2026/10/openai-devday-2026/
  • 覆盖：Agents API 公测（托管 computer use、tool search、context compaction）、GPT-6.1 Sol、Decisions API、Ultrafast 推理档等 DevDay 2026 发布全景。

• Model Context Protocol（MCP）Specification

  • 地址：https://modelcontextprotocol.io/specification
  • 覆盖：tools/list、tools/call、JSON-RPC、schema、annotations、elicitation、structuredContent、OAuth。
  • 规范演进日志：https://blog.modelcontextprotocol.io/ （含 2025-03 Streamable HTTP + annotations、2025-06 elicitation + structuredContent、2026-07 无状态化 RC 等里程碑）。

• LangGraph Tool Calling

  • 地址：https://langchain-ai.github.io/langgraph/how-tos/tool-calling/
  • 覆盖：@tool、bind_tools、ToolNode、tools_condition。

• OpenAI Agents SDK

  • 地址：https://openai.github.io/openai-agents-python/
  • 覆盖：@function_tool、Runner、trace、handoff。

• AutoGen Documentation

  • 地址：https://microsoft.github.io/autogen/
  • 覆盖：FunctionTool、AssistantAgent、多 Agent 工具调用。

工程博客与文章

• OpenAI: Function calling and other API updates

  • 地址：https://openai.com/index/function-calling-and-other-api-updates/
  • 价值：Function Calling 最初发布的官方解读。

• Anthropic: Tool use overview

  • 地址：https://docs.anthropic.com/en/docs/build-with-claude/tool-use
  • 价值：Claude 生态工具使用的完整指南。

• MCP: Introducing the Model Context Protocol

  • 地址：https://www.anthropic.com/news/model-context-protocol
  • 价值：理解 MCP 的设计动机与开放生态愿景。

• Invariant Labs: Tool Poisoning Attacks & mcp-scan

  • 地址：https://invariantlabs.ai/blog/
  • 价值：MCP 工具投毒与 rug pull 攻击的系统披露，以及 mcp-scan 静态扫描工具（已并入 Snyk），是工具供应链安全的必读物。

• OX Security: MCP STDIO Command Injection Advisory（2026-04）

  • 地址：https://www.ox.security/blog/mcp-supply-chain-advisory-rce-vulnerabilities-across-the-ai-ecosystem/
  • 价值：横跨多语言 MCP SDK 的命令注入 CVE 家族，理解 MCP 部署的默认风险面。

• Speakeasy: Comparing Progressive Discovery and Semantic Search for Dynamic MCP（2025-11）

  • 地址：https://www.speakeasy.com/blog/100x-token-reduction-dynamic-toolsets
  • 价值：渐进披露 vs 语义检索的实测对比（400 工具下约 100 倍 token 削减），渐进披露落地的量化依据。

• Browser Use（开源浏览器 Agent）

  • 地址：https://github.com/browser-use/browser-use
  • 价值：DOM/CDP 级浏览器工具路线的代表实现，亦实现了兼容 Anthropic browser toolset 的动作集合。

相邻主题交叉引用

主题	链接	与本主题关系
Agent Runtime	/05-agent/agent-runtime/	Tool Use 生成调用描述，Runtime 负责执行。
MCP	/05-agent/mcp/	MCP 标准化外部能力发现与调用。
Planning	/05-agent/planning/	Planning 决定多工具编排顺序。
Memory	/05-agent/memory/	Memory 保存工具结果与调用历史。
Multi-Agent	/05-agent/multi-agent/	Agent 之间可通过 Tool Use 互相委托。
Agent OS	/05-agent/agent-os/	Agent OS 为 Tool Use 提供进程、调度、沙箱与资源治理。
RAG	/06-rag/	检索器本质上是一种返回文档片段的工具。
AI SRE	/07-ai-sre/	AI SRE 把工具调用作为关键 span 与 SLI。
Benchmark + Evaluation	/07-ai-sre/benchmark-evaluation/	评测工具调用正确性、参数准确性、工具使用覆盖率。
Reflection	/05-agent/reflection/	Reflection 基于工具结果进行自我修正。

推荐学习路径

1. 入门：先读完 OpenAI 与 Anthropic 的官方 Function Calling / Tool Use 文档，动手写一个天气查询 Demo。
2. 进阶：阅读 Gorilla 论文与 BFCL v4，理解函数调用能力如何被评估；用 τ-bench 的思路给自建工具链做端到端可靠性评测（关注 pass^k）；用 LangGraph 或 OpenAI Agents SDK 搭建多工具 Agent。
3. 深入：阅读 Toolformer、ReAct 与 CodeAct 论文，理解“代码即动作”的脉络；学习 MCP 规范（含 annotations、elicitation、structuredContent），尝试把内部能力封装为 MCP Server。
4. 生产：回到本主题第 8、9 章，结合自己业务场景设计 Registry、工具检索、权限、熔断、供应链安全与可观测性方案。

一句话收尾

Tool Use 是连接“语言模型”与“真实世界”的桥梁，而桥梁的稳固程度取决于 schema 设计、执行隔离、权限治理与可观测性工程。