函数调用与工具调用模型怎么选？稳定性、参数错误与重试机制

API能力核验日期：2026年8月5日。不同模型与SDK的字段、严格模式和并行调用行为会变化，上线前请查看对应官方版本文档。

先分清“函数调用”做了什么

标准流程是：应用把工具名称、说明和参数Schema发给模型；模型决定是否调用，并返回工具名和参数；应用校验参数、执行真实API；再把结果返回模型生成用户可读答案。Google官方文档明确指出，自定义函数代码由应用程序执行，模型只提供结构化调用参数。^[1]

模型选型的六个硬指标

参数错误通常从哪里来

• 工具说明太相似，模型选错工具；
• 字段描述含糊，单位和时区不清楚；
• Schema允许过多额外字段；
• 枚举值与用户语言不一致；
• 模型把空值、自定义文本或自然语言放进结构字段；
• 上下文太长，早期工具约束被弱化；
• 函数返回和调用ID、名称或数量没有正确对应。

OpenAI函数定义使用JSON Schema描述参数，并提供strict选项约束参数；Gemini也提供AUTO、ANY、VALIDATED等调用模式，并在新API中强调调用ID与返回结果匹配。^[2][3]

重试不能简单“再来一次”

有副作用的工具必须做幂等

发送邮件、创建订单、转账、删除文件和发布内容，都可能因为网络超时而让系统“不知道是否成功”。重试前应使用幂等键、请求ID或查询接口确认状态。不要把安全性寄托在模型“应该不会重复调用”上。

工具Schema怎么写更稳

1. 一个工具只做一件明确的事；
2. 名称使用动词＋对象，例如get_order_status；
3. 描述写清何时使用、何时不要使用；
4. 必填字段尽量少，但关键字段必须required；
5. 使用enum、minimum、maximum和格式约束；
6. 禁止额外字段时设置additionalProperties为false；
7. 时间、货币、单位和时区必须明确；
8. 高风险操作增加confirm或approval字段。

一套50题工具调用评测集

• 10题无需工具，测试模型是否滥用；
• 10题单工具且参数明确；
• 10题相似工具选择；
• 10题多步依赖；
• 10题错误、超时、权限和用户确认。

统计工具选择准确率、参数一次通过率、平均调用次数、重试成功率、重复副作用次数和最终任务完成率。

安全边界

• 高风险工具使用最小权限；
• 删除、支付、发送、发布必须人工确认；
• 所有工具调用记录参数、结果、耗时和用户；
• 工具返回内容按不可信输入处理，防止提示词注入；
• 设置总步数、总时长和总预算上限。

工具描述本身就是模型能力的一部分

同一个模型在差工具定义下也会表现很差。不要给十个名称相似、描述只有一句话的工具。工具说明应包含使用条件、禁止条件、输入单位、返回字段和失败语义。评测模型时，要固定工具定义，否则无法判断差异来自模型还是Schema。

多步Agent调用的状态机

状态机比“让模型自己循环直到完成”更容易控制成本和风险。

必须记录的可观测数据

• 模型与版本、请求ID、用户和会话；
• 模型选择的工具及完整参数；
• 参数校验错误；
• 工具开始/结束时间、状态码和返回摘要；
• 重试原因、次数和退避时间；
• 是否触发人工确认；
• 最终结果和任务完成标签；
• Token、工具费用和总耗时。

工具返回也可能攻击模型

网页、邮件、文档和第三方API返回的文本都可能包含提示词注入。系统应把工具结果作为不可信数据，限制其覆盖系统指令；高权限工具不能仅因为网页写着“请执行删除”就被调用。

补充常见问题

工具越多模型越强吗？

不一定。工具过多会增加选择混淆和上下文负担，应按场景动态提供最小工具集。

并行工具调用一定更快吗？

独立查询可以并行；有依赖关系或副作用的操作应串行，并核对返回ID和顺序。

参数校验失败后重试几次？

通常1—2次足够。连续失败应切换备用模型、简化Schema或请求人工补充，而不是无限循环。

参考资料

1. Google Gemini：Function Calling流程
2. OpenAI Responses API：函数工具与strict参数
3. Gemini：调用模式、Schema与错误建议
4. Gemini：内置工具与自定义工具流程