扣子ai智能体调用工具需三步：先启用function calling（禁用llm模式），再添加配置工具节点（内置插件或python代码），最后设置触发逻辑（意图识别→条件分支→结果整合）。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要在扣子AI智能体中调用工具（比如网页搜索、天气查询、翻译、数据库检索等），必须让智能体具备识别用户意图、判断是否需要调用工具、并正确传参执行的能力，否则它只会用大模型硬编答案。
确认智能体已启用Function Calling能力
进入智能体编辑页 → 左侧「编排」区域 → 检查运行模式是否为「单Agent(工作流模式)」或「多Agents」；【仅“单Agent(LLM模式)”不支持自动工具调用】。若当前是LLM模式，需切换并保存，否则后续配置的工具节点不会被触发。
切换后，右侧「调试」面板会显示“工具调用”开关，默认开启——这是底层启用Function Calling协议的前提。
在工作流中添加并配置工具节点
方法一：直接拖入内置插件节点
点击工作流画布 → 左侧「节点库」→ 展开「插件」→ 选择目标工具（如“必应搜索”“网页解析”“飞书消息推送”）→ 拖入画布。
双击该节点，在「参数配置」中填写必要字段：例如必应搜索需填入query，且必须绑定一个变量（如{{user_input}}或{{search_keyword}}）。
方法二：用代码节点封装自定义API
若官方插件不满足需求，可选「代码」节点 → 语言选Python → 在def main()内写请求逻辑 → 注意返回值必须是字典格式（如return {"result": data}），否则下游无法接收。
⚠️注意：代码节点中禁止使用print()输出结果，必须用return显式返回，否则工作流会中断且无报错提示。
设置工具调用触发逻辑
第一步：确保开始节点输出用户原始输入
点击「开始」节点 → 在「变量映射」中将「用户输入」绑定到一个变量名（如user_input），这是整个工作流的起点数据源。
第二步：插入「大模型」节点做意图识别与参数提取
在开始节点后接一个「大模型」节点 → 提示词中明确要求其判断是否需调用工具，并结构化输出参数。例如：
“你是一个工具路由助手。请分析以下用户输入，判断是否需要调用工具：\n- 若需调用‘必应搜索’，请严格按JSON格式输出：{"tool": "bing_search", "query": "xxx"}\n- 若无需调用，输出：{"tool": "none"}\n用户输入：{{user_input}}”
第三步：用「条件分支」节点分流
添加「条件分支」节点 → 设置判断规则为{{llm_output.tool}} == "bing_search" → 真分支连向必应搜索节点，假分支连向纯文本回复节点。
第四步：搜索节点输出必须传递给下游大模型做结果整合
必应搜索节点执行后，其result字段需作为新变量（如search_result）输入到下一个「大模型」节点，由它摘要、润色、生成自然语言回答——这一步不能跳过，否则用户看到的只是原始JSON或乱码。
