大家好，我是拭心。
上篇文章我们了解了如何在 Android 手机上实现 RAG。这篇文章我们来聊聊端上大模型应用开发的核心概念：Function Calling（函数调用能力，简写为 FC）。
Function Calling 本质上是让大模型在回答过程中，不直接给出最终答案，而是根据需求，调用外部函数/API/工具，拿到外部数据后再继续回答。
它把大模型从「只会聊天的模型」变成了「会用工具的智能体」。
AI Edge Function Calling 是 Google 为 Android/iOS 等终端设备提供的函数调用 SDK，它的出现让端上模型也能调用外部函数，实现一些复杂的业务功能。
一、了解 AI Edge Function Calling API
一般来说，Function Calling 主要包括这几步：
- 定义函数声明：声明 LLM 可以调用的函数的结构和参数。设置提示和输出格式：将函数的数据结构转换为字符串以及将字符串转换为函数结构，以便 LLM 能够以适当的格式显示信息。解析输出：检测生成的响应是否包含函数调用，如果有将其解析为函数结构的数据类型，以便应用能够执行函数调用。检查响应：检测到输出有函数调用，使用适当的参数和结构化数据类型调用该函数。否则，它会返回自然语言文本。
AI Edge Function Calling SDK 提供相关的 API：
- 函数定义，定义工具函数的名称和参数： FunctionDeclaration输入格式设置器： ModelFormatter，用于将函数声明转换为 LLM 所需的特定于模型的格式，并将其插入系统提示输出解析器： 还是 ModelFormatter，用于检测模型的输出是否表示函数调用，并将其解析为数据结构推理后端，封装 LLM Inference API 和 ModelFormatter： InferenceBackend，最终通过
LlmInferenceBackendSession 实现核心功能二、如何使用
只看文档不容易理解，接下来我们通过 Google 的 Function Calling demo，来看看 FC API 如何使用。
2.1 demo 功能
demo 功能：在用户录音后，将录音数据转化为表格里的内容，提升信息录入效率。
在 demo 中，Function Calling 扮演着"信息提取器"的角色。
当用户通过语音输入"我叫拭心，生日是1990年5月12日"时，函数调用机制能识别出"拭心"是姓名，"1990年5月12日"是生日，并将其与预定义的 first_name、last_name等参数相对应。
2.2 通过 demo 的实现了解怎么使用
了解 demo 功能后，接下来我们通过 demo 的源码了解下 Function Calling SDK 怎么使用。
在 demo 项目中，整体流程包括这几步：
2.2.1 初始化
在初始化时，创建了 FormViewModel，在其中会创建 HammerFormatter（ModelFormatter 的一个实现）：
```kotlin// in FormViewModel.createGenerativeModel()val formatter = HammerFormatter(ModelFormatterOptions.builder().setAddPromptTemplate(true).build())```ModelFormatter 是连接模型与函数调用逻辑的关键：
- 请求格式化: 它将用户的文本输入、系统指令（
systemInstruction）以及在 Tools.kt 中定义的可用工具（函数签名）打包成一个符合 Hammer 模型预期的提示（Prompt）。响应解析: 当模型返回结果时，格式化器会解析输出，判断它是一个普通的文本回答还是一个结构化的函数调用请求。随后创建了 GenerativeModel，它是 Function Calling SDK 的核心入口，整合了推理后端、系统指令和工具集。
```kotlin// in FormViewModel.createGenerativeModel()val systemInstruction = Content.newBuilder() .setRole("system") .addParts( Part.newBuilder() .setText("This assistant will help you fill out a medical form.") ) .build()val model = GenerativeModel( llmInferenceBackend, systemInstruction, listOf(Tools.medicalFormTools).toMutableList() // 关键：定义模型可用的工具)```2.2.2 函数注册
然后在 com/google/sample/fcdemo/functioncalling/Tools.kt 中声明了支持模型调用的函数列表：
val medicalFormTools: Tool = Tool.newBuilder() .addFunctionDeclarations( // 1. 姓名函数 FunctionDeclaration.newBuilder() .setName("provide_name") .setDescription("Records the user's first and last name.") .setParameters(/* 参数定义 */) ) .addFunctionDeclarations( // 2. 生日函数 FunctionDeclaration.newBuilder() .setName("provide_dob") .setDescription("Records the user's date of birth.") .setParameters(/* 参数定义 */) ) .addFunctionDeclarations( // 3. 人口统计函数 FunctionDeclaration.newBuilder() .setName("provide_demographics") .setDescription("Records the user's sex and marital status.") .setParameters(/* 参数定义 */) ) .addFunctionDeclarations( // 4. 职业函数 FunctionDeclaration.newBuilder() .setName("provide_occupation") .setDescription("Records the user's occupation or job.") .setParameters(/* 参数定义 */) ) .addFunctionDeclarations( // 5. 医疗历史函数 FunctionDeclaration.newBuilder() .setName("update_medical_history") .setDescription("Updates the user's medical history based on the conditions provided.") .setParameters(/* 参数定义 */) ) .build()函数声明通过 FC SDK 的 FunctionDeclaration。
2.2.3 用户输入
当用户输入"我叫拭心，生日是1990年5月12日"时，HammerFormatter 会构建一个包含以下元素的完整提示：
LlmInferenceBackendSession#addSystemMessage:
public void addSystemMessage(Content systemInstruction, List<Tool> tools) { this.systemInstruction = systemInstruction; this.tools = new ArrayList(tools); String systemMessage = this.formatter.formatSystemMessage(systemInstruction, tools); this.llmInferenceSession.addQueryChunk(systemMessage);}2.2.4 模型推理
模型接收到格式化后的提示后，会：
- 理解用户意图：识别出用户想要填写表单匹配可用函数：从预定义的函数列表中找到最匹配的函数提取结构化数据：从自然语言中提取出具体的参数值生成函数调用：输出结构化的函数调用指令
当要调用函数时，模型返回的不是自然语言，而是结构化的函数调用对象：
{ "functionCall": { "name": "provide_name", "args": { "fieldsMap": { "first_name": { "stringValue": "拭心" }, "last_name": { "stringValue": "<unknown>" } } } }}2.2.5 函数调用
模型返回的响应包含在 Part 对象中，每个 Part 可能包含一个 functionCall：
// 1.模型处理val response = chatSession!!.sendMessage(spokenText)// 2.从响应里找是否有函数调用response.getCandidates(0).content.partsList?.forEach { part -> // extract the function from all the parts in the response parts.forEach { part -> part?.functionCall?.args?.fieldsMap?.forEach { (key, value) -> value.stringValue?.let { stringValue -> if (stringValue != "<unknown>") { //3.有函数调用，更新对应的 value when (key) { "first_name" -> _firstName.value = value.stringValue "last_name" -> _lastName.value = value.stringValue "occupation" -> _occupation.value = value.stringValue "sex" -> _sex.value = value.stringValue "marital_status" -> _maritalStatus.value = value.stringValue "date_of_birth" -> _dob.value = value.stringValue "conditions" -> { val currentMap = _medicalConditionsMap.value.toMutableMap() value.listValue.valuesList.forEach { condition -> currentMap[condition.stringValue] = true } _medicalConditionsMap.value = currentMap } else -> { throw Exception("Unknown function: $key value: $value") } } } } } }}三、总结
好了，这就是 Google AI Edge Function Calling SDK 的相关介绍，它极大地简化 FC 与端侧大语言模型交互的复杂性，开发者无需手动进行复杂的提示工程和响应解析，只需定义好自己的"工具"，即可让 AI 理解并执行任务，专注于应用的核心业务逻辑。
更多详细信息，请参阅 官方 Android 函数调用指南。
PS：记录一个容易混淆的问题，MCP 和 Function Calling 的关系？目前我的理解：
- MCP 包含 Function Calling，但远不止于 Function CallingMCP 试图统一所有上下文交互和外部工具接口，把 Function Calling 纳入整个智能体协议体系里
