大语言模型本身不会直接调 API，也不会真的操作数据库。它能做的是先理解你的意图，再告诉你的应用：“现在该调哪个函数，参数是什么。”Function Calling 就是让 LLM 和你的代码这样分工协作的机制。

Function Calling（函数调用）的核心只有三件事：1）LLM 判断是否需要用工具；2）你的应用真正去执行函数；3）LLM 拿到结果后再把它组织成人话回答用户。所以它不是“AI 自己干活”，而是“AI 指挥，程序执行”。

Function Calling 流程

Function Calling 中，谁来决定调用哪个函数？

• 用户手动选择
• 应用程序预设的规则
• 大语言模型自动判断
• 随机选择

Function Calling 的关键在于：你需要用 JSON 格式描述每个函数的名称、参数和用途。LLM 正是根据这些描述来判断何时调用哪个函数。来试试自己组装一个函数定义——

组装函数定义

Function Calling 最适合用在“需要真实操作”的场景：查天气、搜航班、读数据库、发邮件、操作文件。别把它理解成“AI 会了魔法”，它其实只是让 LLM 更擅长做决策，让你的程序更擅长去执行。

Function Calling 让 AI 从「会说的嘴」变成了「能做事的手」。但每个 AI 平台的函数格式都不一样，能不能有个统一标准呢？这就是下一关要学的 MCP 协议。