Виклик функцій (Function Calling / Tool Calling)(Function Calling: архітектура, JSON-схеми та взаємодія LLM із зовнішнім світом)

1. Огляд концепції та системна проблема

Мовна модель замкнена у власному контексті: вона не знає поточного точного часу, не може списати кошти з рахунку чи перевірити стан контейнера в Docker.

Без механізму взаємодії з кодом чат-бот міг лише імітувати дії, повертаючи розмитий текст: «Я перевірив ваш баланс, там $50» (навіть якщо баланс $0).

Function Calling (Виклик функцій або Tool Calling) перетворює генератор тексту на оркестратора систем. Модель аналізує промпт, розуміє, що їй бракує даних, і замість тексту генерує машинночитаний JSON:

{
  "name": "fetch_user_balance",
  "arguments": "{\"account_id\": \"ACC-9481\"}"
}

Ментальна модель: якщо LLM — це мозок, то Function Calling — це нервові імпульси, що посилають команди до м'язів (вашого коду та API) для виконання фізичної дії.

┌─────────────────────────────────────────────────────────────┐
│                 АРХІТЕКТУРА FUNCTION CALLING                │
├─────────────────────────────────────────────────────────────┤
│ 1. ЗАПИТ КОРИСТУВАЧА:                                       │
│    «Яка погода у Львові?»                                   │
├─────────────────────────────────────────────────────────────┤
│                          │                                  │
│                          ▼ Запит до LLM (разом зі схемою)   │
├─────────────────────────────────────────────────────────────┤
│ 2. ВІДПОВІДЬ LLM (finish_reason: "tool_calls"):             │
│    { "name": "get_weather", "args": { "city": "Lviv" } }    │
├─────────────────────────────────────────────────────────────┤
│                          │                                  │
│                          ▼ Бекенд виконує реальний API-запит│
├─────────────────────────────────────────────────────────────┤
│ 3. ВАШ СЕРВЕР ➔ OpenWeatherMap ➔ Отримує { temp: 18, rain: 0}│
├─────────────────────────────────────────────────────────────┤
│                          │                                  │
│                          ▼ Відправка результату назад у LLM │
├─────────────────────────────────────────────────────────────┤
│ 4. ФІНАЛЬНА ВІДПОВІДЬ ЛЮДИНІ:                               │
│    «У Львові зараз +18°C, без опадів, гарного дня!»         │
└─────────────────────────────────────────────────────────────┘

2. Практичний приклад: опис схеми та виклик через cURL

Ось як виглядає реєстрація інструменту в стандарті OpenAI / Anthropic Tool Calling:

curl https://api.openai.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -d '{
    "model": "gpt-4o",
    "messages": [
      {"role": "user", "content": "Заблокуй картку користувача 5501"}
    ],
    "tools": [
      {
        "type": "function",
        "function": {
          "name": "block_payment_card",
          "description": "Безпечне блокування банківської картки користувача у разі втрати",
          "parameters": {
            "type": "object",
            "properties": {
              "card_id": {
                "type": "integer",
                "description": "Унікальний ідентифікатор картки в системі"
              },
              "reason": {
                "type": "string",
                "enum": ["lost", "stolen", "fraud"],
                "description": "Причина блокування"
              }
            },
            "required": ["card_id", "reason"]
          }
        }
      }
    ],
    "tool_choice": "auto"
  }'

Що повертає модель:

{
  "role": "assistant",
  "content": null,
  "tool_calls": [
    {
      "id": "call_abc123",
      "type": "function",
      "function": {
        "name": "block_payment_card",
        "arguments": "{\"card_id\": 5501, \"reason\": \"lost\"}"
      }
    }
  ]
}

3. Чотири правила безпеки при роботі з Function Calling

1. Сувора валідація аргументів (Pydantic / Zod): Ніколи сліпо не довіряйте аргументам із JSON моделі. Завжди парсіть їх через схему валідації перед виконанням SQL-запиту чи списанням коштів.
2. Контрольний шлюз для руйнівних дій (Human-in-the-Loop): Якщо функція виконує незворотну операцію (delete_database, transfer_funds), бекенд повинен зупинити виконання та запросити підтвердження живої людини.
3. Обмеження контексту інструментів: Не передавайте моделі сотні функцій одночасно. Це розмиває увагу (Attention Saturation) і збільшує ймовірність помилкового виклику. Використовуйте динамічну фільтрацію або MCP.
4. Захист від нескінченного циклу (Infinite Tool Loop): Завжди встановлюйте жорсткий ліміт на кількість послідовних викликів функцій (наприклад, не більше 5 ітерацій на один запит).

4. Підсумковий висновок

Function Calling — це міст, що з'єднав світ статистичного моделювання мови з детермінованим світом програмування. Саме цей механізм є ядром усіх сучасних AI-агентів, MCP-серверів та автономних помічників розробника.