如何接入Claude API的Tool Use功能以实现外部工具调用？

Claude API的Tool Use功能为大型语言模型赋予了与外部世界交互的能力。传统的语言模型仅能基于预训练数据生成文本，而通过工具使用机制，模型可以在推理过程中主动暂停，请求调用开发者定义的外部函数，获取实时数据或执行特定操作后再继续生成回答。这一机制极大拓展了模型的应用边界，使其能够完成天气查询、数据库检索、API请求等动态任务。

理解Claude API Tool Use的核心运行机制

Tool Use功能的本质是一种结构化的对话协议。当用户向Claude发送请求时，开发者可以在请求参数中附带一组工具定义。模型在处理用户意图时，会评估是否需要借助这些外部工具来回答问题。如果模型判断需要调用某个工具，它不会直接编造答案，而是输出一段特定格式的工具调用请求，并暂停当前的生成任务。

此时，API的响应会包含一个特殊的停止原因（如tool_use），以及模型期望调用的工具名称和输入参数。开发者需要在本地执行对应的函数，获取执行结果，并将其作为新的消息追加到对话历史中再次发送给Claude。模型收到工具执行结果后，会结合这些真实数据进行最终的总结和回答。这种机制确保了模型输出的准确性和时效性。

定义工具规范与请求参数构造

要启用Tool Use功能，关键在于正确构造API请求中的工具定义参数。每个工具需要包含名称、描述以及输入参数的JSON Schema结构。名称和描述必须清晰准确，因为模型完全依赖这些文本来判断何时以及如何使用该工具。输入模式则用于约束模型生成的参数格式，保证本地函数能安全解析接收到的数据。

下面是一个使用Python构造工具定义的代码示例。我们定义一个获取实时天气的工具，指定其需要的城市参数。注意在定义参数结构时，必须严格遵循JSON Schema规范，明确字段的类型和描述，这样能大幅降低模型生成错误参数的概率。

import anthropic
import json

client = anthropic.Anthropic(api_key="your_api_key")

# 定义工具集合
tools = [
    {
        "name": "get_weather",
        "description": "获取指定城市的实时天气信息",
        "input_schema": {
            "type": "object",
            "properties": {
                "city": {
                    "type": "string",
                    "description": "要查询天气的城市名称，例如北京、上海"
                }
            },
            "required": ["city"]
        }
    }
]

# 发送初始请求
response = client.messages.create(
    model="claude-3-opus-20240229",
    max_tokens=1024,
    tools=tools,
    messages=[{"role": "user", "content": "今天北京天气怎么样？"}]
)

在上述代码中，我们将天气查询工具的规范传递给了tools参数。当模型识别到用户询问北京天气时，它会理解需要调用get_weather工具，并在响应中生成包含城市参数的工具调用请求。这种基于Schema的参数定义方式，不仅规范了模型的行为，也为本地函数的执行提供了安全校验依据。

处理工具调用响应与结果回传闭环

当API返回响应后，开发者需要解析响应内容，判断模型是否发起了工具调用。如果响应的停止原因为tool_use，说明模型正在等待外部工具的执行结果。此时，响应体中的内容块会包含工具名称和模型生成的输入参数。我们需要提取这些参数，在本地执行对应的函数逻辑，获取真实的天气数据。

获取到工具执行结果后，必须按照特定的格式将其回传给Claude。我们需要构造一个角色为user的新消息，内容包含tool_result类型的块，指明对应的工具调用ID和执行结果。随后将包含原始对话和结果回传的完整历史记录再次发送给API，模型便会基于这些真实数据生成最终的自然语言回答。

# 假设这是本地实际的天气查询函数
def get_weather(city):
    # 实际应用中这里会调用真实的天气API
    return f"{city}今天晴朗，气温25度"

# 解析响应并处理工具调用
if response.stop_reason == "tool_use":
    # 遍历响应内容块
    for block in response.content:
        if block.type == "tool_use":
            tool_name = block.name
            tool_input = block.input
            tool_use_id = block.id
            
            # 执行本地函数
            if tool_name == "get_weather":
                result = get_weather(tool_input["city"])
                
                # 构造工具结果回传消息
                tool_response = {
                    "type": "tool_result",
                    "tool_use_id": tool_use_id,
                    "content": result
                }
                
                # 发送包含结果的后续请求
                final_response = client.messages.create(
                    model="claude-3-opus-20240229",
                    max_tokens=1024,
                    tools=tools,
                    messages=[
                        {"role": "user", "content": "今天北京天气怎么样？"},
                        {"role": "assistant", "content": response.content},
                        {"role": "user", "content": [tool_response]}
                    ]
                )
                print(final_response.content[0].text)

这段代码展示了完整的工具调用闭环处理逻辑。从解析模型发起的调用请求，到执行本地函数获取数据，再到将结果封装为标准格式回传，每一步都严格遵循API的对话协议。值得注意的是，历史消息中必须包含模型之前的工具调用请求（即assistant角色的内容），这样模型才能正确关联请求与响应，保证上下文的连贯性。

通过这套机制，开发者可以轻松地将各类外部API、数据库查询或本地计算能力集成到Claude的对话流程中。工具使用功能不仅提升了模型回答的准确性，更为构建复杂的智能代理系统奠定了基础。只要合理设计工具的描述和参数结构，就能让模型在各种复杂场景下表现出高度的业务理解和执行能力。

Claude APITool Use工具调用修改时间：2026-08-19 17:46:25