更新于

Function Calling vs Tool Use 差异辨析

function-callingtool-useOpenAIAnthropicAgent开发

工具调用（Tool Call）是当前 AI Agent 开发的核心能力：让模型决定”何时调用什么函数、传什么参数”，并把结果整合进对话。然而，OpenAI 把这个能力叫做 Function Calling，Anthropic 把它叫做 Tool Use，两套 API 在细节上有不少差异。

如果你同时使用多家模型，或者打算在 Claude 和 GPT 之间做兼容层，搞清楚这些差异能省去大量调试时间。

一、概念起源：同一件事，两套叫法

Function Calling 由 OpenAI 于 2023 年 6 月在 GPT-3.5/4 上推出，最初的设计思路是让模型”调用”开发者定义的函数，返回结构化 JSON。2024 年初，OpenAI 将其升级为 Tool Use（在 API 里字段变成 tools），并支持并行调用，但民间仍习惯叫”function calling”。

Tool Use 是 Anthropic 的叫法，从 Claude 3 系列开始正式支持，API 字段也是 tools。两者底层逻辑相同：

  1. 开发者在请求里声明可用工具（名称 + 描述 + JSON Schema 参数）
  2. 模型返回”我要调用工具 X，参数是 Y”的信号
  3. 开发者执行工具，把结果塞回对话
  4. 模型读结果，给出最终回答

叫法不同，流程相同——但 API 字段和边界行为差异明显。

二、请求体结构对比

OpenAI（GPT-4o / GPT-4.1）

{
  "model": "gpt-4o",
  "messages": [...],
  "tools": [
    {
      "type": "function",
      "function": {
        "name": "get_weather",
        "description": "获取指定城市的实时天气",
        "parameters": {
          "type": "object",
          "properties": {
            "city": { "type": "string" },
            "unit": { "type": "string", "enum": ["celsius", "fahrenheit"] }
          },
          "required": ["city"]
        }
      }
    }
  ],
  "tool_choice": "auto"
}

Anthropic（Claude 3.5 / Claude 4）

{
  "model": "claude-opus-4-7",
  "messages": [...],
  "tools": [
    {
      "name": "get_weather",
      "description": "获取指定城市的实时天气",
      "input_schema": {
        "type": "object",
        "properties": {
          "city": { "type": "string" },
          "unit": { "type": "string", "enum": ["celsius", "fahrenheit"] }
        },
        "required": ["city"]
      }
    }
  ]
}

关键差异一览：

字段OpenAIAnthropic
工具外层包装{"type": "function", "function": {...}}直接 {name, description, input_schema}
参数 Schema 字段名parametersinput_schema
强制调用控制tool_choice: "required" / {"type":"function","function":{"name":"..."}}tool_choice: {"type":"any"} / {"type":"tool","name":"..."}
禁止工具调用tool_choice: "none"tool_choice: {"type":"auto"} 里模型自行判断；无强制 none

三、响应体结构对比

模型决定调用工具时，两家的响应格式也不同。

OpenAI 响应（tool call）

{
  "choices": [{
    "message": {
      "role": "assistant",
      "content": null,
      "tool_calls": [
        {
          "id": "call_abc123",
          "type": "function",
          "function": {
            "name": "get_weather",
            "arguments": "{\"city\": \"上海\", \"unit\": \"celsius\"}"
          }
        }
      ]
    },
    "finish_reason": "tool_calls"
  }]
}

注意：arguments 是字符串（JSON 序列化），需要 json.loads() 解析。

Anthropic 响应（tool use）

{
  "content": [
    {
      "type": "tool_use",
      "id": "toolu_01abc",
      "name": "get_weather",
      "input": { "city": "上海", "unit": "celsius" }
    }
  ],
  "stop_reason": "tool_use"
}

注意：input 已经是解析好的对象，不需要再 json.loads()。

四、工具结果的传递方式

这是两套 API 差异最大的地方，写兼容代码时最容易踩坑。

OpenAI：用 role: "tool" 消息

{
  "role": "tool",
  "tool_call_id": "call_abc123",
  "content": "{\"temperature\": 28, \"condition\": \"晴\"}"
}
  • 需要把 tool_call_id 原样返回
  • content 是字符串（可以是 JSON 字符串）

Anthropic：在 user 消息里嵌套 tool_result

{
  "role": "user",
  "content": [
    {
      "type": "tool_result",
      "tool_use_id": "toolu_01abc",
      "content": "温度 28°C，晴天"
    }
  ]
}
  • 工具结果放在 user 角色的内容块里，而非独立角色
  • content 可以是字符串，也可以是包含文本/图片的内容块数组

五、并行工具调用

当模型需要同时调用多个工具时（例如同时查天气和日历），两家都支持，但实现细节不同。

OpenAI 并行调用

响应里 tool_calls 是数组，可能同时包含多个调用：

"tool_calls": [
  {"id": "call_1", "function": {"name": "get_weather", "arguments": "..."}},
  {"id": "call_2", "function": {"name": "get_calendar", "arguments": "..."}}
]

回传时需要提供每个 tool_call_id 对应的 tool 消息，数量必须匹配。

Anthropic 并行调用

content 数组里包含多个 tool_use 块：

"content": [
  {"type": "text", "text": "我需要同时查询天气和日历"},
  {"type": "tool_use", "id": "toolu_1", "name": "get_weather", "input": {...}},
  {"type": "tool_use", "id": "toolu_2", "name": "get_calendar", "input": {...}}
]

注意：Claude 可能在 tool_use 块前面附加一段 text 解释，OpenAI 的 content 在工具调用时通常为 null。

Anthropic 并行结果回传：

{
  "role": "user",
  "content": [
    {"type": "tool_result", "tool_use_id": "toolu_1", "content": "28°C 晴"},
    {"type": "tool_result", "tool_use_id": "toolu_2", "content": "今天无会议"}
  ]
}

六、强制调用与禁止调用

某些场景需要强制让模型调用（或不调用）工具，两家的控制字段不一样：

场景OpenAIAnthropic
让模型自己决定tool_choice: "auto"tool_choice: {"type": "auto"}
强制调用某个工具tool_choice: {"type":"function","function":{"name":"X"}}tool_choice: {"type":"tool","name":"X"}
强制调用至少一个工具tool_choice: "required"tool_choice: {"type":"any"}
禁止调用任何工具tool_choice: "none"不传 tools，或者 Anthropic 暂无等效选项

Anthropic 目前没有 tool_choice: none 的等效选项——如果传了 tools 但想让模型忽略，只能在 prompt 里说明，或者干脆不传 tools 字段。

七、Streaming 下的差异

Streaming 场景更复杂，差异也更大。

OpenAI Streaming：工具调用通过 delta.tool_calls 字段逐块推送，arguments 是增量字符串，需要自己拼接后再解析。

Anthropic Streaming：通过特定事件类型区分：

  • content_block_start（type: tool_use）标志工具调用开始
  • content_block_delta（type: input_json_delta）推送增量 JSON
  • content_block_stop 标志结束

Anthropic 的事件结构更明确，但需要维护状态机跟踪多个内容块。

八、兼容层设计思路

如果你的 Agent 需要同时支持 OpenAI 和 Anthropic，可以在中间加一个适配层：

def normalize_tool_definition(tool: dict, provider: str) -> dict:
    """把统一格式的工具定义转换为各 provider 的格式"""
    if provider == "openai":
        return {
            "type": "function",
            "function": {
                "name": tool["name"],
                "description": tool["description"],
                "parameters": tool["input_schema"]
            }
        }
    elif provider == "anthropic":
        return {
            "name": tool["name"],
            "description": tool["description"],
            "input_schema": tool["input_schema"]
        }

def extract_tool_calls(response, provider: str) -> list[dict]:
    """从响应中提取工具调用，统一格式"""
    calls = []
    if provider == "openai":
        for tc in response.choices[0].message.tool_calls or []:
            calls.append({
                "id": tc.id,
                "name": tc.function.name,
                "input": json.loads(tc.function.arguments)
            })
    elif provider == "anthropic":
        for block in response.content:
            if block.type == "tool_use":
                calls.append({
                    "id": block.id,
                    "name": block.name,
                    "input": block.input  # 已经是 dict，不需要 json.loads
                })
    return calls

这样上层 Agent 逻辑只处理统一的 {"id", "name", "input"} 格式，切换 provider 只需换适配层。

九、实际开发中最常踩的坑

1. arguments vs input 的类型问题：OpenAI 的 arguments 是字符串，Anthropic 的 input 是对象。跨 provider 复用代码时最容易在这里崩。

2. 工具结果的角色问题：OpenAI 用 role: "tool"，Anthropic 用 role: "user" + type: "tool_result"。直接把 OpenAI 的消息格式发给 Anthropic 会报错。

3. 并行调用后 assistant 消息的处理：Anthropic 要求在 user 的 tool_result 消息之前，必须把完整的 assistant 消息（含所有 tool_use 块）先放进对话历史，否则会提示 tool_use_id 找不到。

4. 文本 + 工具混合内容：Claude 经常在 tool_use 之前先输出一段文字，content 是数组而非单个对象。OpenAI 的 content 在工具调用时是 null，需要分别处理。

5. JSON Schema 的支持范围：两家对 JSON Schema 的支持程度有细微差异。Anthropic 明确说明支持 JSON Schema draft 2020-12 的子集，enum、anyOf 等在实际使用中偶有边界行为差异，复杂 Schema 建议实测。

十、相关阅读

需要在国内稳定调用 Claude 和 GPT 全系模型，YoTradeApi 提供统一的 OpenAI 兼容接口，一个 key 覆盖多家模型，无需处理网络和计费问题。

相关阅读