AI模型Tool Calling规范差异研究
AI研究 Tool Calling API规范
深入分析OpenAI、Anthropic、Google、DeepSeek等主流AI模型的Tool Calling规范差异，探讨MCP统一标准
摘要
本研究针对 OpenCode 使用 GLM-5 模型时频繁遇到的 Tool Calling 异常问题，深入分析了主流 AI 模型的工具调用规范差异。
核心发现
- 规范差异确实存在 —— 不同模型的 Tool Calling 格式存在显著差异，主要体现在参数格式（字符串 vs 对象）、字段命名、消息结构等方面
- 没有强制统一标准 —— 目前业界没有强制统一的 Tool Calling 规范
- MCP 正在成为事实标准 —— Anthropic 推动的 Model Context Protocol 是最有希望统一方案
关键差异速览
| 维度 | OpenAI | Anthropic | Gemini | MCP |
|---|---|---|---|---|
| 参数格式 | 字符串 | 对象 | 对象 | 对象 |
| Schema字段 | parameters | input_schema | parameters | inputSchema |
| 调用类型 | tool_calls | tool_use | functionCall | tools/call |
实践建议
- 短期：实现适配层模式，为每个模型提供独立适配器
- 长期：拥抱 MCP 协议，为标准化做准备
- GLM 特殊处理：简化 Schema、容错解析、串行调用
目录
| 章节 | 标题 | 描述 |
|---|---|---|
| 01 | 背景与目标 | 问题定位与研究意义 |
| 02 | 技术原理核心 | 各模型 Tool Calling 规范详解 |
| 03 | 方案选型对比 | 跨模型兼容方案评估 |
| 04 | 关键代码验证 | 适配器实现与错误恢复代码 |
| 05 | 风险评估与结论 | 风险矩阵、最终结论、实践建议 |
核心参考资料
- Anthropic Tool Use Documentation - Claude 工具调用官方文档
- MCP Tools Specification - Model Context Protocol 工具规范
- Google Gemini Function Calling - Gemini 函数调用文档
- DeepSeek API Documentation - DeepSeek API 文档
研究日期：2026-03-01