大模型 Function Calling怎么选？Claude/GPT/Gemini 工具调用避坑指南（2026）

ai_liu_de_hua

372人浏览 · 2026-03-25 11:24:33

ai_liu_de_hua · 2026-03-25 11:24:33 发布

Function Calling（函数调用）是让大模型能够调用外部工具的核心能力，也是开发 AI Agent 的基础。简单说，就是你告诉模型"你有哪些工具可以用"，模型根据用户的问题决定调哪个工具、传什么参数。

听起来很简单？实际开发中坑不少。我上周就遇到一个：同一套工具定义，GPT-5.4 调用正常，Claude 4.6 偶尔漏参数，Gemini 2.5 直接把 JSON 搞坏。排查两天发现各家对参数格式的处理逻辑不一样。

这篇文章把三家的 Function Calling 能力做了系统实测，告诉你：该怎么选、怎么用、怎么避坑。

什么是 Function Calling？

先用一个例子说明白。假设你在做一个购物助手，用户说"帮我搜一下 500 块以下的蓝牙耳机"。

没有 Function Calling 的模型：只能回复一段文字，告诉你去哪里搜。

有 Function Calling 的模型：直接输出一个结构化的调用请求：

{
  "name": "search_products",
  "arguments": {
    "query": "蓝牙耳机",
    "price_range": { "min": 0, "max": 500 },
    "sort_by": "rating"
  }
}

你的后端拿到这个 JSON，调用真正的商品搜索 API，把结果返回给模型，模型再组织成自然语言回复用户。

整个流程：用户说话 → 模型决策调哪个工具 → 输出结构化参数 → 后端执行 → 结果返回模型 → 模型回复用户。

工具定义怎么写？

使用 Function Calling 的第一步是定义工具。三家模型都支持 JSON Schema 格式，这里给一个完整的例子：

{
  "tools": [
    {
      "name": "search_products",
      "description": "搜索商品信息，支持按类目、价格区间和排序方式筛选",
      "parameters": {
        "type": "object",
        "properties": {
          "query": {
            "type": "string",
            "description": "搜索关键词，比如'蓝牙耳机'、'机械键盘'"
          },
          "category": {
            "type": "string",
            "enum": ["electronics", "clothing", "food"],
            "description": "商品类目：electronics=电子产品，clothing=服装，food=食品"
          },
          "price_range": {
            "type": "object",
            "description": "价格范围，包含最低价和最高价，单位为人民币元",
            "properties": {
              "min": { "type": "number", "description": "最低价（元）" },
              "max": { "type": "number", "description": "最高价（元）" }
            }
          },
          "sort_by": {
            "type": "string",
            "enum": ["price", "rating", "sales"],
            "description": "排序方式：price=按价格，rating=按评分，sales=按销量"
          }
        },
        "required": ["query"]
      }
    },
    {
      "name": "create_order",
      "description": "创建订单，需要商品ID、数量和收货地址",
      "parameters": {
        "type": "object",
        "properties": {
          "product_id": { "type": "string", "description": "商品唯一ID" },
          "quantity": { "type": "integer", "minimum": 1, "description": "购买数量" },
          "shipping_address": {
            "type": "object",
            "description": "收货地址，必须包含城市和街道",
            "properties": {
              "city": { "type": "string", "description": "城市" },
              "street": { "type": "string", "description": "详细街道地址" },
              "zip": { "type": "string", "description": "邮编（选填）" }
            },
            "required": ["city", "street"]
          }
        },
        "required": ["product_id", "quantity", "shipping_address"]
      }
    },
    {
      "name": "get_weather",
      "description": "获取指定城市的天气信息",
      "parameters": {
        "type": "object",
        "properties": {
          "location": { "type": "string", "description": "城市名称，如'北京'、'上海'" },
          "date": { "type": "string", "format": "date", "description": "日期，格式 YYYY-MM-DD" }
        },
        "required": ["location"]
      }
    }
  ]
}

关键技巧：description 写得越详细，模型调用越准确。别只写"价格范围"，要写清楚"包含最低价和最高价，单位为人民币元"。这一个改动就能把参数错误率降低 60%+。

三家模型实测对比

我设计了 900 个测试用例，覆盖 6 个维度，每个模型跑 3 轮取平均值。

测试维度说明

维度	测试什么	用例数	举例
基础调用	意图明确，参数齐全	200	“搜索蓝牙耳机”
参数推理	用户没说全，模型需要补全	200	“搜便宜的耳机”（没指定类目）
多工具编排	一个请求要调多个工具	150	“查北京天气，顺便搜户外外套”
嵌套对象	参数里有 object/array	150	带 shipping_address 的订单
拒绝调用	用户意图不匹配任何工具	100	“给我讲个笑话”（不该调工具）
错误恢复	工具返回错误后怎么处理	100	首次调用参数错，能否自行修正

结果汇总

模型	基础调用	参数推理	多工具编排	嵌套对象	拒绝调用	错误恢复	综合得分
Claude Opus 4.6	99.5%	94.2%	91.3%	96.7%	97.0%	88.3%	94.5%
GPT-5.4	99.0%	96.1%	93.7%	91.2%	95.0%	92.7%	94.6%
Gemini 2.5 Pro	98.5%	90.8%	86.4%	84.3%	93.0%	85.0%	89.7%

结论：Claude 和 GPT 第一梯队，几乎打平但各有偏科。Gemini 简单场景够用，复杂场景差距明显。

各家的坑和解决方案

Claude 4.6：稳但偶尔"懒"

优点：嵌套对象处理最稳（96.7%），拒绝调用最准（不该调的坚决不调）。

坑：tool_choice: "auto" 模式下，约 3% 的情况会在该调工具时选择纯文本回复。多工具场景更容易触发。

解决方案：

# 关键业务流程，强制模型必须调用工具
response = client.messages.create(
    model="claude-opus-4-6-20260325",
    messages=messages,
    tools=tools,
    tool_choice={"type": "any"}  # 强制调用工具
)

另一个小问题：多工具场景下，Claude 有 8.7% 概率串行调用（先调 A 等结果再调 B），虽然最终结果正确但多一轮交互。加个 system prompt 提示能缓解：

当用户请求涉及多个工具调用且工具之间没有数据依赖时，请并行调用以提高效率。

GPT-5.4：编排强但格式偶尔翻车

优点：多工具编排最强（93.7%），能稳定地并行调用多个工具，参数推理能力也最好。

坑：嵌套 object 参数偶尔被序列化成字符串，概率约 8.8%：

// ❌ 错误输出
{ "price_range": "{\"min\": 100, \"max\": 500}" }

// ✅ 正确应该是
{ "price_range": { "min": 100, "max": 500 } }

解决方案：在 schema 的 description 里显式写明结构（参考上面的工具定义示例），错误率从 8.8% 降到 2.1%。

Gemini 2.5 Pro：便宜但要多写防御代码

坑 1：嵌套对象 15.7% 的 JSON 格式错误（多逗号、少括号）。
坑 2：有时在调用工具之前先输出一段"分析文字"，导致解析困难。

解决方案：必须加一个容错解析层：

import json
import re

def safe_parse_arguments(raw_args):
    """处理各种模型输出的参数格式差异"""
    if isinstance(raw_args, str):
        try:
            return json.loads(raw_args)
        except json.JSONDecodeError:
            # 修复常见格式问题：尾部多余逗号
            cleaned = re.sub(r',\s*}', '}', raw_args)
            cleaned = re.sub(r',\s*]', ']', cleaned)
            return json.loads(cleaned)
    return raw_args

选哪个？一张表说清楚

你的场景	推荐模型	原因
客服机器人	Claude 4.6	不该调工具时坚决不调，安全性最高
数据处理流水线	GPT-5.4	并行调用省时间，编排能力最强
简单单工具调用	三家都行	基础调用差距不大，选最便宜的
参数结构复杂	Claude 4.6	嵌套对象格式正确率最高
预算有限	Gemini 2.5	单价低，但要算上重试成本

实际花了多少钱？

900 个测试用例 × 3 轮的实际消耗：

模型	总费用	含重试的费用	重试成本占比
Claude Opus 4.6	$41.7	$43.2	3.6%
GPT-5.4	$38.5	$39.8	3.4%
Gemini 2.5 Pro	$22.3	$26.1	17.0%

Gemini 单价最低，但重试成本占比高达 17%——因为格式错误需要重新调用。实际场景如果工具调用频繁，这个差距会更大。

4 个马上能用的优化技巧

1. Schema description 写详细

最简单有效的优化。把所有参数的 description 写清楚，包括类型、单位、示例值。对所有模型都有效。

2. 加错误重试机制

MAX_RETRIES = 2

async def call_with_retry(client, messages, tools):
    for attempt in range(MAX_RETRIES + 1):
        response = await client.chat(messages, tools=tools)
        tool_calls = parse_tool_calls(response)

        if validate_tool_calls(tool_calls, tools):
            return tool_calls

        # 把错误反馈给模型让它修正
        messages.append({
            "role": "tool",
            "content": f"参数格式错误: {get_validation_error(tool_calls)}，请修正"
        })

    raise ToolCallError("重试次数耗尽")

3. 多工具场景加 prompt 提示

规则：
- 工具之间无数据依赖 → 并行调用
- 后一个工具需要前一个结果 → 串行调用并说明原因

4. 统一多模型调用接口

如果你需要在项目中对比或切换不同模型，维护三套 SDK 很麻烦。可以用 API 聚合方案统一 endpoint，比如我测试时用的 ofox，一个地址切换三家模型，省去了分别配置的工作量。代码里只需要改 model 参数：

from openai import OpenAI

client = OpenAI(
    api_key="your-key",
    base_url="https://api.ofox.ai/v1"  # 统一入口
)

# 切换模型只需改这一行
response = client.chat.completions.create(
    model="claude-opus-4-6-20260325",  # 或 "gpt-5.4" 或 "gemini-2.5-pro"
    messages=messages,
    tools=tools
)