大模型工具调用范式革新：编程式调用实证超越JSON，GPT-5.6性能跃升10.6%

大语言模型正从被动响应者向主动行动者转变，而工具调用是实现这一转变的关键机制。然而，传统的工具调用通常依赖于结构化的JSON格式，这种刚性结构在处理复杂任务时显得捉襟见肘，难以灵活应对需要逻辑链式操作或并行处理的场景。本文旨在解决这一痛点，提出并实证评估了一种名为编程式工具调用（Programmatic Tool Calling, PTC）的新范式。PTC的核心贡献在于将工具视为代码，允许模型通过编写Python脚本来调用工具，从而自然地实现工具的链式组合与并行执行。这一方法不仅保留了工具调用的外部能力扩展特性，还引入了编程语言的灵活性与表达能力，试图克服JSON格式在复杂逻辑表达上的局限性。研究团队通过构建系统性的评估框架，填补了当前在真实任务条件下对多代际模型进行工具调用性能对比的空白，为理解工具调用范式的演进提供了坚实的实证基础。在技术方法层面，PTC范式彻底重构了模型与工具之间的交互界面。不同于传统方法中模型输出固定结构的JSON对象，PTC将工具暴露为类型化的Python存根（Typed Python Stubs）。

这意味着模型在生成响应时，实际上是生成可执行的Python代码片段，通过调用这些存根函数来触发工具执行。这种设计使得工具调用不再是孤立的数据交换，而是成为了代码执行流的一部分。在执行策略上，PTC采用单智能体回合（Single Agent Turn）机制，即模型在一次生成中完成所有必要的工具调用代码编写，随后由执行引擎统一解析并运行这些代码，最后将执行结果反馈给模型。这种机制极大地简化了交互流程，减少了多轮对话带来的延迟和错误累积。此外，由于Python本身支持复杂的控制流和数据结构，PTC能够更自然地处理需要条件判断、循环或并行并发的高级任务，从而在技术底层提升了智能体处理复杂问题的潜力。实验设置与结果分析揭示了PTC相较于传统JSON调用的显著优势。研究团队选择了BFCL v4这一权威基准，涵盖了14款当前及过往代际的语言模型，以确保评估的全面性和代表性。在整体性能上，PTC在14款模型中的11款上达到了与JSON基线持平或超越的水平，显示出其广泛的适用性。

特别值得注意的是，在最新的GPT-5.6家族模型中，PTC带来了10.6%的性能提升，证明了先进模型能更好地利用编程式调用的灵活性。在更具挑战性的并行扇出（Parallel Fan-out）场景下，PTC在13款模型中表现优异，表明其在处理多任务并发时具有天然优势。此外，在模拟真实世界噪声的上下文旋转（Context Rot）条件下，JSON基线平均退化2.3%，而PTC则保持了极高的稳定性，未出现显著性能下降。消融实验进一步证实，PTC的性能提升并非偶然，而是源于其代码化表达带来的逻辑清晰度和执行效率，且其性能表现与模型本身的推理能力呈正相关，随模型代际迭代而稳步提升。从行业意义与潜在影响来看，PTC范式的提出标志着智能体架构设计的一个重要转折点。它暗示了"工具即代码"可能成为未来智能体开发的标准范式，而非仅仅是JSON调用的补充。对于开源社区而言，PTC提供了更灵活的工具集成方式，降低了开发复杂智能体应用的门槛。在工业落地方面，其高鲁棒性和对并行任务的良好支持，使其更适合部署在需要高可靠性和高吞吐量的生产环境中。此外，PTC与模型能力的同步增长趋势表明，随着基础模型推理能力的提升，编程式工具调用的潜力将进一步释放，这为后续研究指明了方向：即如何进一步优化代码生成与工具执行的协同机制，以及如何设计更高效的类型系统来减少模型调用错误。总体而言，PTC不仅是一种技术改进，更是对大语言模型作为智能体核心引擎的一次深刻重新定义，预示着智能体将从简单的指令执行者进化为真正的程序化问题解决者。