Gemini Function Calling 完整教學：讓 AI 接你公司系統

發布 2026-05-20　·　最後更新 2026-09-27　·　作者 賴家榮 Andy Lai

Function Calling 是 LLM 從「聊天機器人」升級到「能執行任務的 Agent」的關鍵技術。這篇從 Hello World 到並行多 Tool 呼叫，完整教學。

Function Calling 是什麼？

讓 AI 在回答前可以「呼叫你的程式」。例如用戶問「我的訂單到哪了？」，AI 不能猜，但可以呼叫您的 查訂單(訂單號) 函式，拿到結果後再回答。

流程

1. 你定義「工具清單」（函式名、參數、回傳格式）
2. AI 看用戶提問，判斷該不該呼叫工具
3. 如果該呼叫，AI 回傳「我要呼叫 OO，參數 OO」
4. 你的程式執行這個函式，把結果回傳給 AI
5. AI 用結果產生自然語言回答

Hello World

from google import genai
from google.genai import types

client = genai.Client(api_key="YOUR_KEY")

# 1. 定義工具
def get_weather(city: str) -> str:
    # 實際應該呼叫氣象 API
    return f"{city}今天 28°C，多雲"

# 2. 把工具給 Gemini
config = types.GenerateContentConfig(
    tools=[get_weather]
)

response = client.models.generate_content(
    model='gemini-2.5-flash',
    contents='高雄今天天氣？',
    config=config
)
print(response.text)

實戰：AI 接 ERP 查庫存

def query_inventory(sku: str) -> dict:
    """查詢產品庫存
    Args:
        sku: 產品料號
    Returns:
        含庫存數量、預計補貨日期
    """
    # 呼叫公司 ERP API
    result = requests.get(f'https://erp.company.com/api/sku/{sku}').json()
    return {
        'stock': result['quantity'],
        'restock_date': result['next_restock']
    }

def query_price(sku: str, customer_tier: str) -> dict:
    """查詢報價（含客戶分級折扣）"""
    # ...
    return {'price': 1200, 'discount': '8 折'}

config = types.GenerateContentConfig(
    tools=[query_inventory, query_price],
    system_instruction="你是專業業務助理，必要時呼叫工具查資料，回答務必準確。"
)

response = client.models.generate_content(
    model='gemini-2.5-flash',
    contents='SKU-A123 還有貨嗎？金級客戶報價多少？',
    config=config
)

並行多 Tool 呼叫

Gemini 2.5 支援同時呼叫多個 Tool。上例的「SKU-A123 還有貨嗎？金級客戶報價多少？」會同時呼叫 query_inventory 和 query_price，比序列呼叫快 50%。

進階：強制 / 禁止呼叫工具

config = types.GenerateContentConfig(
    tools=[query_inventory],
    tool_config=types.ToolConfig(
        function_calling_config=types.FunctionCallingConfig(
            mode='ANY'  # 強制呼叫工具
            # mode='NONE' 禁止呼叫
            # mode='AUTO' 預設，AI 自己決定
        )
    )
)

實戰建議

1. 工具名稱與描述要清楚：AI 看不到實作，只看名稱與 docstring
2. 參數明確：用 type hint 與 docstring 寫清楚
3. 回傳結構化：用 dict 比 string 容易處理
4. 錯誤處理：工具出錯要回傳 {'error': '...'}，AI 會嘗試處理
5. 權限驗證：每個 Tool 都要驗證呼叫者權限

常見錯誤

• 工具描述太模糊 → AI 不會用 / 用錯時機
• 沒做權限檢查 → AI 可能洩漏跨用戶資料
• 工具回傳太大 → AI 處理慢且貴
• 多次 round-trip 沒設上限 → 可能無限迴圈

場景：什麼時候該用 Function Calling？

• 需要查即時資料（庫存、訂單、價格）
• 需要寫入資料（建單、修改、寄信）
• 需要呼叫外部服務（地圖、翻譯、計算）
• 需要複雜邏輯（AI 不擅長算數時呼叫計算器）