Tool Calling
Araç Çağırma
- Okunuşu
- tul koling
Kısaca
Tool calling, modelin uygulamadan yapılandırılmış argümanlarla belirli bir fonksiyonu çalıştırmasını istediği ve sonucu yanıtında kullandığı LLM özelliğidir.
Yapay zekâda tool calling nedir?
Function calling ya da tool use olarak da bilinen tool calling, bir dil modelinin metin üretmenin ötesine geçmesini sağlar. Uygulama modele get_weather, search_orders veya run_sql gibi hangi araçların kullanılabilir olduğunu söyler ve bir istek birine ihtiyaç duyduğunda model onu belirli argümanlarla çağırmak için yapılandırılmış bir istekle yanıt verir. Uygulama fonksiyonu çalıştırır ve sonucu geri gönderir, model de nihai yanıtını yazmak için onu kullanır.
Her araç bir ad, sade dilde bir açıklama ve genellikle JSON Schema ile yazılan bir parametre şemasıyla tanımlanır. Model hiçbir şeyi kendisi çalıştırmaz: yalnızca aracın adını ve bir JSON argüman nesnesini üretir; çalıştırıp çalıştırmayacağına sizin kodunuz karar verir. Modeller tek turda birkaç çağrı isteyebilir ve bir uygulama, model yanıtlamak için ihtiyaç duyduğu her şeye sahip olana kadar sonuçları geri göndererek döngüyü sürdürebilir.
Bir benzetme, bir talep formu doldurup bunu asistanına veren yöneticidir: ne yapılması gerektiğine yönetici karar verir, ama telefonu gerçekten asistan açar ve sonucu bildirir. Tool calling, yapay zekâ asistanlarının canlı veri almasının, kayıtlara bakmasının, toplantı ayarlamasının, kod çalıştırmasının ve güvenilir biçimde yapılandırılmış çıktı döndürmesinin yoludur ve yapay zekâ ajanlarının üzerine kurulduğu temel mekanizmadır.
Tool calling çoğu zaman bir yapay zekâ ajanı ya da Model Context Protocol ile karıştırılır. Tool calling, modelin bir fonksiyon çağrısı isteme yönündeki tekil yeteneğidir; ajan, bir hedefin peşinden gitmek için birçok araç çağrısı kullanan bir döngüdür; MCP ise uygulamaların diğer programların sunduğu araçları keşfetmesi ve onlara bağlanması için standart bir yoldur. Argümanları model seçtiği için uygulamalar bunları doğrulamalı, araçlara yalnızca ihtiyaç duydukları izinleri vermeli ve riskli eylemleri bir kişiye onaylatmalıdır.
Önemli noktalar
- Tool calling, bir modelin yapılandırılmış argümanlarla bir fonksiyon çağrısı istemesini sağlar.
- Araçlar bir ad, bir açıklama ve bir parametre şemasıyla tanımlanır.
- Aracı model değil uygulama çalıştırır ve sonucu geri döndürür.
- Yapay zekâ ajanları, bir döngüde tekrarlanan araç çağrılarından oluşur.
- Girdileri model seçtiği için argümanları doğrulayın ve izinleri sınırlayın.
Örnek
// Describe a tool the model may call: name, description, and JSON Schema
const tools = [{
name: "get_weather",
description: "Get the current weather for a city",
parameters: {
type: "object",
properties: { city: { type: "string" } },
required: ["city"],
},
}];
// llm and getWeather are placeholders for a real client and your own function
const reply = await llm.chat("Do I need an umbrella in Oslo?", { tools });
// The model only asks; your code runs the function and sends the result back
if (reply.toolCall) await getWeather(reply.toolCall.arguments.city);Sık sorulan sorular
Fonksiyonu model kendisi mi çalıştırır?
Hayır. Model yalnızca aracın adını ve kullanmak istediği argümanları döndürür. Onu çalıştırıp çalıştırmayacağına uygulamanız karar verir, kodu yürütür ve sonucu modele geri gönderir.
Tool calling, function calling ile aynı şey midir?
Evet, terimler aynı anlama gelir. Farklı yapay zekâ API'leri function calling, tool use veya tool calling gibi farklı adlar kullanır, ancak mekanizma aynıdır.
Tool calling ile MCP arasındaki fark nedir?
Tool calling, modelin bir fonksiyon çağrısı isteme yeteneğidir. Model Context Protocol ise uygulamaların ayrı sunucuların sunduğu araçları nasıl bulup bağlanacağına dair bir standarttır; model daha sonra bunları çağırmak için tool calling kullanır.
İlgili sayfalar
- Yapay Zekâ AjanıYapay Zekâ ve Makine Öğrenmesi, s. 51Yapay zekâ ajanı, hangi araçları çağıracağına karar verip sonuçları gözlemleyerek çok adımlı görevleri planlayan ve yürüten, LLM kullanan bir sistemdir.
- Model Context ProtocolYapay Zekâ ve Makine Öğrenmesi, s. 32Model Context Protocol, yapay zekâ uygulamalarının dış araçlara, veri kaynaklarına ve prompt'lara ortak bir arayüzle bağlanmasını tanımlayan açık standarttır.
- LLMYapay Zekâ ve Makine Öğrenmesi, s. 28LLM, çok büyük metin yığınlarıyla eğitilmiş ve bir sonraki en olası metin parçasını tekrar tekrar tahmin ederek dil üreten bir makine öğrenmesi modelidir.
- JSONBackend ve API'ler, s. 24JSON, yapılandırılmış veriyi anahtar-değer çiftleri ve listelerle saklayıp aktarmaya yarayan, insanın da makinenin de okuyabildiği hafif bir metin biçimidir.
- APIBackend ve API'ler, s. 2API, bir yazılımın başka bir yazılımdan veri ya da işlem talep etmesini sağlayan, belgelenmiş ve öngörülebilir kurallar bütünüdür.
- PromptYapay Zekâ ve Makine Öğrenmesi, s. 35Prompt, bir LLM gibi bir yapay zekâ modeline hangi görevi yapmasını ve nasıl bir yanıt istediğinizi söylemek için verdiğiniz girdi metni ya da yönergelerdir.
Bu sayfada bir hata ya da eksik mi gördünüz?Düzeltme önerin