外观
Tool Calling 与普通 JSON 输出有什么区别？
3 分钟速学卡
30 秒口述： 普通 JSON 输出只约束模型返回一种数据形状，Tool Calling 还表达“选择哪个已注册工具、提供什么参数”，并由宿主程序完成校验、授权、执行和结果回传。模型发出的工具调用只是执行意图，不等于工具已经成功，更不等于可以绕过业务权限。生产系统要验证 Schema、工具白名单、身份作用域、幂等键、超时与审计，并把执行结果作为新消息返回模型。
- 本质： JSON 描述数据，Tool Calling 描述受控执行意图，真正执行权属于宿主系统。
- 核心机制： 模型调用不等于工具成功；Schema 之外还有身份和业务授权。
- 关键判断： 副作用工具必须幂等、可审计；Tool Result 要回到 Agent 状态中。
- 项目落地： 示例项目：退款 Agent 可以生成 create_refund_request 意图，但服务端重新校验订单归属、退款上限与审批状态；实际退款由支付域执行。
- 边界与坑： “模型输出 JSON 就是 Tool Calling。” 缺少工具注册、选择、执行和结果回传语义；“Schema 通过就安全。” 还要验证身份、业务权限和副作用。
目录
面试官为什么问
这道题考察协议语义、执行责任和安全边界，能识别“结构化输出”和“产生真实副作用”之间的鸿沟。
小白先看懂
JSON 像填好一张申请表；Tool Calling 像把申请表提交到指定窗口，但窗口仍要验身份、校验字段、执行并回执。填表本身不会自动转账。
映射关系：表格格式是 JSON Schema，窗口名称是工具名，身份证核验是授权，办理结果是 Tool Result。类比边界是不同模型 API 的具体消息协议并不完全一致。
主题教学图片
图：教学图片｜Tool Calling 与普通 JSON 输出有什么区别？
替代文本： 围绕“Tool Calling 与普通 JSON 输出有什么区别？”组织的中文教学图，通过分区、箭头和标签解释核心机制。
读图结论： 模型表达调用意图，宿主系统掌握执行权。
这张图片用于建立主题机制的直觉。精确公式、参数、失败分支和事实边界仍以正文与 Mermaid 为准。
图片生成记录： model=gpt-image-2，generated=2026-07-15，prompt_version=v1，reviewed=2026-07-16，review_basis=user-confirmed；查看生成 Prompt。
图：技术调用流程｜工具意图到真实执行
替代文本： 模型选择工具并生成参数后，宿主程序依次进行 Schema、权限和幂等校验，执行工具并回传结果；普通 JSON 在结构化输出处结束。
图表加载中…
读图结论： Tool Calling 比 JSON 多的是工具选择和执行闭环，真实副作用始终由受控宿主负责。
工具描述影响模型选用，但不是安全边界；服务端必须独立校验。执行回执要区分业务失败、系统失败和未知状态。
核心原理
工具契约至少包含稳定名称、用途、参数 Schema、错误语义和权限要求。副作用操作应分“计划/预览”和“确认执行”，并为重试携带幂等键。
项目和生产视角
示例项目： 退款 Agent 可以生成 create_refund_request 意图，但服务端重新校验订单归属、退款上限与审批状态；实际退款由支付域执行。该结构用于说明边界，不代表真实项目实现。
常见错误回答
- “模型输出 JSON 就是 Tool Calling。” 缺少工具注册、选择、执行和结果回传语义。
- “Schema 通过就安全。” 还要验证身份、业务权限和副作用。
- “超时后直接重试。” 首次调用可能已成功，需幂等与状态查询。
递进追问
- 工具描述应该包含哪些信息？
- 如何处理模型生成的未知字段？
- 副作用工具超时未知时怎么办？
- 如何避免工具返回内容注入下一轮？
关联阅读
总结
一句话记忆： JSON 描述数据，Tool Calling 描述受控执行意图，真正执行权属于宿主系统。
- 模型调用不等于工具成功；
- Schema 之外还有身份和业务授权；
- 副作用工具必须幂等、可审计；
- Tool Result 要回到 Agent 状态中。