Tool Calling؛ وقتی بات باید کاری انجام دهد نه فقط جواب بدهد

⏱ زمان مطالعه: حدود ۵ دقیقه

یک بات که فقط از روی مستندات جواب می‌دهد، در نهایت به یک دیوار شیشه‌ای می‌رسد: کاربر می‌پرسد «سفارش من کجاست؟» یا «رمز عبورم را ریست کن»، و هیچ سندی جواب این سؤال را ندارد چون جواب یک عمل است، نه یک متن. اینجاست که Tool Calling وارد می‌شود؛ مکانیزمی که به مدل زبانی اجازه می‌دهد به‌جای فقط تولید متن، تشخیص دهد کدام تابع را با کدام پارامترها باید فراخوانی کند تا یک کار واقعی در سیستم انجام شود. برای دیدن این مفهوم در بستر کلی‌تر ایجنت‌های هوش مصنوعی، راهنمای کامل ایجنت هوش مصنوعی را ببینید؛ این مقاله روی جزئیات عملی تعریف و اجرای ابزار در یک بات پشتیبانی تمرکز می‌کند.

لیست مطالب

Tool Calling دقیقاً چه می‌کند

در معماری Tool Calling، به مدل زبانی فهرستی از «ابزارها» معرفی می‌شود؛ هر ابزار یک نام، توضیح، و طرحوارهٔ (schema) ورودی مشخص دارد. وقتی سؤال کاربر نیازمند یک عمل است، مدل به‌جای تولید جواب مستقیم، خروجی ساخت‌یافته‌ای تولید می‌کند که می‌گوید «این ابزار را با این پارامترها فراخوانی کن». برنامهٔ شما (نه مدل) آن ابزار را واقعاً اجرا می‌کند، نتیجه را می‌گیرد، و دوباره به مدل برمی‌گرداند تا جواب نهایی به زبان طبیعی برای کاربر ساخته شود. نکتهٔ مهم این است که مدل هرگز مستقیماً به دیتابیس یا API متصل نیست؛ او فقط «درخواست» می‌دهد و برنامهٔ میزبان تصمیم می‌گیرد آیا آن درخواست را اجرا کند.