function-calling

用途：帮助开发者让大语言模型调用外部工具并返回结构化数据，属于面向 LLM function calling 与 tool use 的实践指南。主要能力：工具定义（含名称、描述、JSON schema 参数）、工具执行循环（持续执行工具调用直至模型给出最终答案）、结构化输出（用 Pydantic 模型配合 parse 获得类型化结果）、LangChain 工具绑定（@tool、bind_tools、with_structured_output）、并行工具调用（parallel_tool_calls 与 asyncio.gather 并发执行）。用法要点：定义工具时写清 1-2 句描述；参数用 Pydantic/Zod 校验；错误作为工具结果返回；循环中把工具结果以 role=tool 消息追加回对话。文档建议 strict 模式需所有属性列入 required、additionalProperties 为 False、不设 default，且 strict 与并行调用可能不兼容，此时应关闭 parallel_tool_calls。关键决策：工具数量控制在 5-15 个，schema 采用 strict: true，输出优先用 Structured Outputs 而非 JSON 模式。常见错误包括工具描述含糊、缺少输入校验、缺少错误处理、工具过多导致模型混淆。关联技能包括 agent-loops、llm-streaming、structured-output。限制：价格、平台支持范围与具体模型可用性暂未提供；示例中提及的 2026 建议属资料原有表述。