Tool Use

Tool Use（工具調用）是讓 Claude 能呼叫外部函式或 API、執行真實操作的能力。它的基本原理是：開發者事先定義一組「工具」（每個工具有名字、功能描述、需要哪些參數），Claude 在對話過程中，能根據對話內容判斷「這裡需不需要用工具、用哪個工具、傳什麼參數」，然後呼叫工具並把結果整合進回答裡。 最直觀的例子：你問 Claude「今天台北的天氣怎麼樣？」如果沒有 Tool Use，Claude 只能告訴你它的訓練資料截止日之前的氣候概況，無法給你今天的即時天氣。有了 Web Search 工具（一種 Tool Use），Claude 能自動搜尋最新天氣資訊，給你準確的即時答案。 你在 Claude.ai 裡用到的 Web Search 和 Code Execution 功能，本質上都是 Tool Use 的具體實現；而 MCP（Model Context Protocol）則是讓 Tool Use 更標準化、更容易擴展的架構。

Tool Use 的設計解決了 LLM 的一個根本性限制：知識截止日和「只能生成文字」的能力邊界。 一個語言模型，無論有多聰明，它的知識都停在訓練資料截止的那一天——它不知道今天的股價，不知道剛剛發生的新聞，也不知道你的私人文件裡寫了什麼。而且，就算它知道一個數學公式，它計算大數字時可能還是會出錯（LLM 的算術能力是模擬的，不是精確的）。 Tool Use 讓 Claude 能「外掛」這些能力：搜尋工具讓它能獲得最新資訊；計算工具讓它能做精確的數學運算；資料庫查詢工具讓它能存取你的私人資料；程式執行工具讓它能執行真實的代碼而不只是生成代碼。這讓 Claude 從「靜態的知識庫」升級成「能動態獲取和處理資訊的助手」。

Tool Use 對你的日常 Claude 使用影響，最直觀的體現在 Claude.ai 裡你已經在用的功能上：Web Search 是 Tool Use——當你開啟網路搜尋，Claude 能搜尋最新資訊，這背後是 Claude 呼叫了一個「web_search」工具。Code Execution 是 Tool Use——你讓 Claude 執行 Python 代碼，它不是在「模擬」執行，而是真的呼叫了一個代碼執行環境來跑代碼。MCP 整合是 Tool Use 的延伸——你連接了 Google Drive MCP Server，本質上是給 Claude 添加了新的「工具」（讀取 Drive 文件、搜尋 Drive 等）。 理解 Tool Use 能幫你更好地理解 Claude 的能力邊界：有工具可用時，Claude 能做到的事遠超它的訓練知識範圍；沒有工具時，你問 Claude 今天的新聞，它只能靠訓練資料推測，可能不準確。

開發者想在自己的應用裡使用 Tool Use 的基本流程：第一步，定義工具。用 JSON Schema 格式描述你的工具：名字、功能說明、需要什麼參數、每個參數的類型和說明。第二步，在 API 呼叫時傳入工具定義。在請求裡加入 tools 參數，把你定義的工具列表傳給 Claude。第三步，處理工具呼叫請求。Claude 可能會回應一個「我要呼叫這個工具，參數是這些」的請求，你的代碼負責實際執行那個工具並把結果回傳給 Claude。第四步，Claude 整合工具結果生成最終回答。工具描述的品質非常重要——Claude 靠描述來決定什麼時候用這個工具，描述越清楚，呼叫的準確率越高。