Tool Calling 与 Function Calling：请求与执行

核心答案：Function Calling 通常指调用由应用定义、带参数 Schema 的函数工具；Tool Calling 是更宽泛的工具使用说法。 不同厂商可能把两者交替使用，不能强行说成两个互斥技术。OpenAI 的调用流程把模型请求与应用执行分开；Claude 的工具文档还区分客户端工具和厂商托管工具。

边界与数据

阶段	输入	输出	负责者
提供能力	工具名、说明、参数 Schema	模型可见工具集合	应用
请求调用	任务和上下文	调用 ID、函数名、参数	模型
校验执行	调用请求、角色与版本	结果或分类错误	服务端
继续推理	调用结果及关联 ID	后续调用或文本	模型

模型生成 make_audio 请求，并不意味着音频已经生成。供应商托管搜索等工具可能由厂商执行；本项目的图片、TTS 和 FFmpeg 工具由应用控制执行，不能套用“所有工具都在模型内部运行”的说法。

最小例子：模型请求没有执行权

allowed = {"writer": {"make_audio"}, "reviewer": set()}
request = {"name": "make_audio", "arguments": {"text": "你好"}}
def authorize(role, call):
    if call["name"] not in allowed[role]:
        raise PermissionError("tool_not_allowed")
    if not isinstance(call["arguments"].get("text"), str):
        raise ValueError("invalid_arguments")
    return True
assert authorize("writer", request)
try:
    authorize("reviewer", request)
except PermissionError:
    print("评审角色不能制作素材")

这段独立程序演示服务端权限门。它不是完整工具调度器，也没有声称调用真实 TTS。权限应来自可信服务端身份，不能让模型在参数中自称 role=writer 获权。

教材系统中的选择与替代

生成角色可以提出素材制作意图；审核角色只拥有其工作所需能力。服务端校验工具名、参数、内容版本和人工通过状态，再创建异步任务；worker 才调用外部接口。模型不负责重试退避、任务抢占与版本提交。

工具少且固定时，本地注册表足够。多个应用共享工具目录时才考虑 MCP；它不会取代权限检查。固定业务步骤也可直接调用程序函数，不必每一步都让模型“决定一次”。参见系统架构。

自测与故障判断

把示例角色改为 reviewer，必须拒绝；将 text 改为数字，必须出现参数错误。进一步说明为什么“提示词要求评审者不要调用图片工具”不能代替这两次校验。

排查工具调用失败时，先判断模型没有发请求、参数非法、权限被拒绝、任务未执行、供应商失败中的哪一层，再查看调用 ID 和任务 ID。不能看到 tool_call 就统计为素材成功。

官方资料与版本边界

• OpenAI Function Calling：请求、执行、结果回传。
• Claude Tool use：不同执行位置与术语语境。

核验日期：2026-11-03。Responses、Chat Completions 与 Messages API 的消息封装不同，概念可以比较，字段不可直接混用。真实能力需对项目配置的具体端点验证。