工具使用 / 函式呼叫 (Tool use / Function calling)

LLM 自行決定呼叫外部函式（搜尋、程式碼、API），並用結果產生最終回答的能力。

Tool use（或叫 function calling）是 LLM 自己決定要用外部工具的能力——它會發出一個結構化請求要呼叫某個工具，拿到工具回傳的結果後，再把結果整合進最終回答。你事先告訴模型有哪些工具（名稱、說明、參數 JSON schema），模型自己挑要呼叫哪個、帶什麼參數。它重要的原因是：純 LLM 沒辦法拿最新資料、執行程式碼、跟外部系統互動。Tool use 把聊天模型變成能搜尋網路、查資料庫、跑 Python、寄 email、呼叫任何 API endpoint 的東西。它是所有實用 agent 的基本元件。舉個例子：問 Claude「現在台北天氣如何？」開啟 tool use 並註冊 `get_weather(city)` 工具後，Claude 會回一個 tool call：`{"name": "get_weather", "input": {"city": "Taipei"}}`。你的程式執行函式，把結果回傳給 Claude，它再用自然語言寫出答案。 OpenAI、Anthropic、Gemini、多數 open-source 模型都把這個當一級 API 功能。Tool use 就是 Cursor 能改你 code、Perplexity 能引用來源、ChatGPT 能呼叫 DALL-E 的原理。延伸閱讀：ReAct、function calling、agent、MCP（Model Context Protocol）。