你有沒有想過，聊天模型不只會回答，還能真的去叫 API 做事？
你可以把函數呼叫想成讓模型把意圖轉成交給外部工具的請求，模型負責判斷，系統負責執行。
它重要，是因為只會說話的模型不夠用，真正落地時常要查資料、算東西、下指令，這些都要靠工具。
容易混淆
函數呼叫 vs 純語言生成 純生成只會把文字接下去。 函數呼叫會把需求轉成結構化指令，交給外部系統處理。
函數呼叫 vs AI代理 函數呼叫是工具能力。 AI代理是更大的執行框架，通常會把多次函數呼叫串起來。
記住這句就好
讓模型把話變成動作，就是函數呼叫。
實際案例
訂票助理 模型看懂你要改票，再呼叫訂票 API 查座位和改單，不需要你自己翻頁操作。
資料查詢 你問今天營收，模型直接呼叫查詢函數，回來的結果再整理成自然語言。
算法與應用
它的核心不是讓模型「自己會做」，而是把可用函數的名稱、參數和回傳格式定義清楚。 配合意圖判斷、權限控管和輸入驗證，才能把函數呼叫做成可用又安全的系統。
情境判斷
Q1： 如果模型只會回答文字，不能真的查資料，這算函數呼叫嗎？
不算，因為沒有真的把意圖交給外部函數執行。
Q2： 如果每個工具都能被模型直接呼叫，這就一定安全嗎？
不一定，工具範圍越大，越需要權限控管和輸入驗證。
常見問題
函數呼叫一定要用 LLM 嗎？
不一定，但 LLM 擅長把自然語言轉成工具指令，所以很常搭配它。
它和工具使用能力有差嗎？
函數呼叫是常見實作方式，工具使用能力是更廣的能力描述。
如果參數格式錯了怎麼辦？
通常要靠 schema 驗證和重試機制修正。
為什麼需要 API 閘道？
因為它能幫你統一權限、流量和審計，避免模型直接碰內部系統。