What is Tool Use（工具使用）?

LLM 在生成回應的過程中調用外部函式、API 或工具的能力——透過模型產出、執行環境執行的結構化函式呼叫綱要實作，是所有現代智慧體架構的基礎。

Definition

工具使用是指語言模型在生成回應的過程中調用外部函式、API 或工具的能力，而不僅依靠其內部知識。此模式透過結構化的函式呼叫綱要實作：開發者註冊工具（含名稱、描述與參數綱要），模型決定何時調用工具並產出結構化呼叫，執行環境針對實際工具執行該呼叫，再將結果回傳給模型以延續推理。「模型決定、執行環境執行、結果回傳」這個迴圈，是所有現代智慧體架構的基礎。

工具使用保真度（模型在壓力下能可靠產出格式良好工具呼叫的能力）如今已成為與純粹推理品質分離的主要模型能力面向。投入大量資源於工具使用訓練的實驗室所推出的模型（OpenAI、Anthropic，以及越來越積極的阿里巴巴與 Moonshot），保真度通常高於未納入明確工具使用訓練資料的社群微調版本。GPT-OSS、Qwen 3+、Kimi K2.6、Hermes 4 等開源權重基礎模型擁有特別強的工具使用行為；較舊或通用型基礎模型則往往需要微調才能達到量產可靠度。

Why It Matters

工具使用是 LLM 作為文字產生器與作為智慧體之間的分水嶺。沒有工具使用，模型只能產生文字；有了工具使用，模型便能在世界中採取行動——查詢資料庫、呼叫 API、控制瀏覽器、執行程式碼。每個智慧體框架（LangChain、LangGraph、CrewAI、AutoGen、Mastra、smolagents、Hermes Agent）都以工具使用為基本元件。對量產部署而言，工具使用保真度往往比尖峰推理能力更重要——一個有 5% 機率幻覺工具呼叫的模型，無論其推理多麼聰明，產出的智慧體都不可靠。

Key Takeaways

工具使用讓 LLM 能在生成回應過程中調用外部函式與 API
透過結構化函式呼叫綱要（名稱、描述、參數）實作
是所有現代智慧體框架與架構的基礎
工具使用保真度與純粹推理品質是不同的能力面向
工具使用能力強的開源權重基礎：GPT-OSS、Qwen 3+、Kimi K2.6、Hermes 4

How Ertas Helps

在 Ertas Studio 為智慧體部署微調模型時，將明確的工具使用軌跡納入訓練資料，可顯著提升微調模型在量產環境中的工具使用保真度。Ertas Studio 支援包含結構化函式呼叫、觀察到的工具輸出與多步驟推理軌跡的訓練資料格式——讓您能產出可靠處理您特定工具表面的微調模型，而非劣化為通用工具使用行為。