OpenAI

来源： OpenAI API 文档 — Programmatic Tool Calling 说明： 本文是基于 OpenAI 官方文档整理的中文译介，保留原文技术结构与关键示例。API 能力可能更新，请以官方文档为准。 程序化工具调用（Programmatic Tool Calling）允许模型编写并运行 JavaScript 来协调可用工具。生成的程序可以并发调用工具、使用循环和条件、组合中间结果，再向模型返回一个更小的最终结果，而不是把每一份原始输出都塞回模型上下文。 这特别适合控制流可预测的多工具阶段，以及中间数据量很大的任务。在 Responses API 中，应用决定是否开放该能力，以及每个工具可被直接调用、程序调用或两者皆可。客户端函数依然由应用执行。在 Agents API 中，这项能力默认开启，托管框架会负责 Agent 循环。 启用前应查看最新模型页面，确认所选模型当前支持该能力。 运行时环境 每段生成的程序都在一个全新、隔离的 V8 运行时中执行。它支持 JavaScript 和顶层 await，但不是 Node.js。运行时不提供： 安装包； 直接网络访问； 通用文件系统； 子进程执行； 控制台； 跨程序执行持久化的 JavaScript 状态。 程序只能通过请求中启用的工具访问外部系统，并用 text(...) 或 image(...) 输出结果。 Responses API 可以在不使用持久代码容器的情况下，将程序化工具调用用于零数据保留（ZDR）工作流。但组织或项目必须已经启用 ZDR；store: false 只代表无状态续传，并不会自行开启 ZDR。实际保留资格取决于完整请求，包括模型、工具和第三方服务。 何时适合使用 当一个阶段的控制流可预测，而且代码能够把多份中间输出压缩为较小的结构化结果时，程序化编排最有价值。 任务形态 推荐方式 单次查询或操作 直接工具调用 过滤、连接、排序、去重、聚合或校验多份结果 程序化工具调用 数据流可预测的依赖调用 程序化工具调用，并明确限制与失败行为 每个结果都会影响下一步判断的自适应搜索或语义评估 直接工具调用 写操作或需要审批的动作 默认直接调用，保留清晰授权边界 最终引用或原生制品校验 默认直接调用；除非程序能保留并验证所有必需项 真正的分界线是“是否需要重新判断”。确定性的协调和缩减适合交给代码；如果每个结果都会改变下一步的语义决策，就应让模型重新参与。 ...

来源： OpenAI API 文档 — Tool search 说明： 本文是基于 OpenAI 官方文档整理的中文译介，保留原文技术要点并对示例做了精简。API 能力可能更新，请以原文为准。 当 Agent 可用的工具越来越多，把所有工具定义一次性塞进模型上下文会带来明显成本：大量参数 Schema 占用输入 Token，工具变更还可能破坏提示缓存。**Tool Search（工具搜索）**解决的正是这个问题——模型在运行时搜索并加载当前任务真正需要的工具，而不是在请求开始时导入完整工具目录。 新发现的工具会被追加到上下文末尾。这种设计尽量保留已有缓存前缀，因此既能降低 Token 消耗，也有助于改善延迟。 在 Responses API 中，tool_search 仅受 gpt-5.4 及之后的模型支持。 快速开始 在 Responses API 中启用工具搜索需要两步： 在 tools 数组中加入 { "type": "tool_search" }。 给希望按需加载的函数或 MCP Server 设置 defer_loading: true。 最小配置如下： 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 { "tools": [ { "type": "namespace", "name": "crm", "description": "用于查询客户与管理订单的 CRM 工具。", "tools": [ { "type": "function", "name": "list_open_orders", "description": "按客户 ID 查询未完成订单。", "defer_loading": true, "parameters": { "type": "object", "properties": { "customer_id": { "type": "string" } }, "required": ["customer_id"], "additionalProperties": false } } ] }, { "type": "tool_search" } ] } 尽量使用命名空间 工具搜索可以作用于延迟加载的单个函数、命名空间（namespace）或 MCP Server。OpenAI 更推荐后两种形式，因为模型主要针对这些搜索界面进行过训练，而且通常能节省更多 Token。 ...