Tool Use，也叫 Function Calling，就是大模型在需要时调用一个外部函数，拿到结果，再组织语言回答用户。它不是简单的 RAG。RAG 是从知识库找东西，Tool Use 是"动手"：查天气、调接口、查数据库、发邮件、改订单状态。

你做了个 Agent，用户问"北京今天天气怎么样？"，它回答得头头是道。

但你要知道，它没查天气，它只是根据训练数据瞎编。你要是信了，出门可能被淋成狗。

这就是纯 LLM 的硬伤：会说不代表会干。想让 Agent 从"嘴炮"变成"能动手"，必须让它能调用外部工具。

今天聊 Tool Use 模式。

什么是 Tool Use

Tool Use，也叫 Function Calling，就是大模型在需要时调用一个外部函数，拿到结果，再组织语言回答用户。

它不是简单的 RAG。RAG 是从知识库找东西，Tool Use 是"动手"：查天气、调接口、查数据库、发邮件、改订单状态。

核心流程就四步：

1. 用户提出问题。
2. 模型判断是否需要调用工具。
3. 调用工具，拿到结构化结果。
4. 模型根据结果生成最终回答。

判断权交给模型，执行权交给代码。模型负责"想"，工具负责"做"。

为什么用 Spring AI

Spring AI 把工具调用封装得很简单。你只需要：

• 定义一个函数，说明它干什么。
• 把它注册给 ChatClient。
• 模型自己决定什么时候调用。

你不需要手动解析模型输出里的函数名和参数，Spring AI 帮你处理中间那堆麻烦事。

下面我用一个"天气查询"的例子，给你看完整代码。

完整代码

1. 定义请求和响应

public record WeatherRequest(String city) {}

public record WeatherResponse(String city, String condition, int temperature) {}

为什么这样写？模型调用函数时需要参数结构，函数执行后要返回结构化数据。用 Java record 最简洁，Spring AI 能自动序列化。

2. 实现天气工具函数

import java.util.function.Function;
import org.springframework.stereotype.Component;

@Component("weatherFunction")
public class WeatherFunction implements Function<WeatherRequest, WeatherResponse> {

    @Override
    public WeatherResponse apply(WeatherRequest request) {
        // 实际项目这里调用第三方天气 API
        // 为了演示，直接返回模拟数据
        String condition = "晴";
        int temperature = 32;

        if (request.city().contains("雨") || request.city().contains("伦敦")) {
            condition = "小雨";
            temperature = 18;
        }

        return new WeatherResponse(request.city(), condition, temperature);
    }
}

注意：这个函数就是普通 Java 函数。你写业务逻辑、调数据库、调 HTTP 都可以。Spring AI 不关心里面怎么实现，只关心输入输出结构。

3. 配置文件

spring.ai.openai.api-key=sk-你的key
spring.ai.openai.chat.options.model=gpt-4o

4. 让 Agent 调用工具

import org.springframework.ai.chat.client.ChatClient;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

@RestController
@RequestMapping("/api/agent")
public class ToolAgentController {

    private final ChatClient chatClient;

    public ToolAgentController(ChatClient.Builder builder) {
        this.chatClient = builder
            .defaultFunctions("weatherFunction")
            .build();
    }

    @GetMapping("/weather")
    public String weather(@RequestParam String city) {
        String answer = chatClient.prompt()
            .user(city + "今天天气怎么样？")
            .call()
            .content();
        return answer;
    }
}

关键在 defaultFunctions("weatherFunction")。这句话告诉模型：你手里有一个查天气的工具，需要就用。

当你请求 /api/agent/weather?city=北京 时，模型会自己生成函数调用，拿到天气结果，再回答"北京今天晴，32度"。

运行效果

我本地实测了几个问题：

• 问"北京今天天气怎么样？" → 模型调用了 weatherFunction，返回"北京今天晴，32度"。
• 问"北京天气和上海的温差是多少？" → 模型调用了两次工具，一次查北京，一次查上海，然后自己算出差值回答。
• 问"Java 的 HashMap 底层原理是什么？" → 模型没有调用工具，直接用知识回答。

这说明模型能自己判断什么时候该动手，什么时候不需要。

三个常见踩坑

第一，工具描述写得太抽象。Spring AI 会自动用函数名和参数名生成描述，但建议你加 @Description 或 JavaDoc，让模型清楚知道什么场景下调用。

第二，工具太多。一次性塞给模型十几个工具，它会懵。建议按场景分组，只给当前会话可能用到的工具。

第三，不处理工具报错。外部 API 可能超时、可能限流。你要在函数里 catch 异常，返回一个清晰的错误信息，让模型告诉用户"天气服务暂时不可用"，而不是直接报错。

什么时候加 Tool Use

Tool Use 不是必需品，但以下场景非常合适：

• 需要实时数据：天气、股价、航班、库存。
• 需要操作业务系统：查订单、改状态、创建任务。
• 需要计算能力：复杂公式、数据聚合、代码执行。

如果用户只是想聊天、翻译、写文章，不用加工具。加了反而增加延迟和复杂度。

我的判断标准：如果回答需要模型不知道的信息，或者需要它动一动外部系统，就上 Tool Use。

商业机会

B 端项目里，Tool Use 是 Agent 从"玩具"变"工具"的关键。

比如做一个企业客服 Agent，只让它聊天，它只能背 FAQ。但给它接入订单查询、物流跟踪、工单创建工具，它就能直接帮用户解决问题。客户感知到的价值完全不一样。

代码层面也很简单，一个 Function Bean + 一行 defaultFunctions 就能让模型拥有新能力。你的 Agent 能做什么，取决于你愿意暴露哪些工具给它。

最后

我们整理出这套 AI 大模型 突围资料包：

    ✅ 从零到一的 AI 学习路径图
    ✅ 大模型调优实战手册（附医疗/金融等大厂真实案例）
    ✅ 百度/阿里专家闭门录播课
    ✅ 大模型当下最新行业报告
    ✅ 真实大厂面试真题
    ✅ 2025 最新岗位需求图谱

所有资料 ⚡️ ，朋友们如果有需要 《 AI大模型 入门+进阶学习资源包》，下方扫码获取~

资料展示

下面是我整理的AI大模型学习资料和工具包预览，适合收藏后按主题逐步学习。

需要这份AI大模型资料清单的话，在评论区回复「清单」即可；我会根据大家的问题继续补充对应的实战内容。