التعريف

استدعاء الدوال (Function Calling) هي قدرة ضمن النماذج اللغوية الكبيرة (LLMs) تسمح للنموذج بتحديد متى وكيف يستدعي دوال أو واجهات برمجة تطبيقات (APIs) خارجية بناءً على طلب المستخدم باللغة الطبيعية. بدلاً من تقديم إجابة مباشرة، يُخرج النموذج اللغوي الكبير كائن JSON مُهيكل يحدد اسم الدالة والحجج المطلوبة.

أهميته

النماذج اللغوية الكبيرة، في شكلها الأساسي، هي محركات معرفية وليست محركات تنفيذ. يعمل استدعاء الدوال على سد هذه الفجوة. فهو يسمح لقوة الاستدلال المجردة للنموذج اللغوي الكبير بالاتصال بالقدرات الملموسة في العالم الحقيقي للأنظمة الخارجية، مثل قواعد البيانات، أو خدمات الطقس، أو منصات الحجز. هذا يحوّل الذكاء الاصطناعي الحواري إلى وكيل قابل للتنفيذ.

كيف يعمل

1. تعريف الأداة: يقدم المطورون للنموذج اللغوي الكبير مخططًا (وصفًا للدوال المتاحة، ومعاملاتها، وما تفعله). هذا هو "تعريف الأداة".
2. موجه المستخدم (User Prompt): يقدم المستخدم طلبًا (على سبيل المثال: "ما هو الطقس في لندن؟").
3. استدلال النموذج: يحلل النموذج اللغوي الكبير الموجه مقابل تعريفات الأدوات المقدمة ويحدد أن دالة get_weather مناسبة.
4. مخرجات استدعاء الدالة: لا ينفذ النموذج اللغوي الكبير الكود؛ بل يُرجع طلب استدعاء مُهيكل (على سبيل المثال: {"name": "get_weather", "arguments": {"location": "London"}}).
5. التنفيذ والاستجابة: يتلقى التطبيق الذي يستضيف النموذج اللغوي الكبير هذا الاستدعاء المُهيكل، وينفذ استدعاء واجهة برمجة التطبيقات الخارجية الفعلي (على سبيل المثال، إلى OpenWeatherMap)، ويمرر النتيجة مرة أخرى إلى النموذج اللغوي الكبير.
6. الاستجابة النهائية: يستخدم النموذج اللغوي الكبير البيانات المُعادة لصياغة إجابة باللغة الطبيعية للمستخدم.

حالات الاستخدام الشائعة

• استرجاع البيانات: الاستعلام من قواعد بيانات الشركة الداخلية أو أنظمة إدارة علاقات العملاء (CRMs) بناءً على المدخلات الحوارية.
• أتمتة المهام: حجز المواعيد، أو إرسال رسائل البريد الإلكتروني، أو تحديث السجلات عبر الخدمات الخارجية.
• المعلومات في الوقت الفعلي: جلب أسعار الأسهم المباشرة، أو حالة الرحلات الجوية، أو الظروف الجوية الحالية.
• سير العمل المعقد: تنسيق العمليات متعددة الخطوات التي تتطلب استدعاءات متسلسلة لواجهات برمجة التطبيقات.

المزايا الرئيسية

• قابلية التوسيع: يوسع بشكل كبير النطاق الوظيفي للنموذج اللغوي الكبير إلى ما هو أبعد من بيانات تدريبه.
• الدقة والتأسيس: يضمن أن تكون الإجابات مستندة إلى بيانات خارجية حالية وقابلة للتحقق بدلاً من المعرفة الداخلية التي قد تكون قديمة.
• قابلية التنفيذ: ينقل الذكاء الاصطناعي من كونه معلوماتيًا بحتًا إلى كونه تشغيليًا.

التحديات

• إدارة المخطط (Schema Management): يعد الحفاظ على تعريفات الأدوات الدقيقة والشاملة أمرًا بالغ الأهمية للأداء الموثوق.
• زمن الاستجابة (Latency): تُدخل العملية متعددة الخطوات (الموجه -> الاستدعاء -> التنفيذ -> الاستجابة) زمن استجابة إضافيًا مقارنة بالاستدلال الواحد للنموذج.
• معالجة الأخطاء: يجب تنفيذ منطق قوي للتعامل مع الإخفاقات من واجهات برمجة التطبيقات الخارجية بأناقة.

المفاهيم ذات الصلة

• الوكلاء (Agents): يعد استدعاء الدوال تقنية تمكينية أساسية لبناء وكلاء ذكاء اصطناعي مستقلين.
• استخدام الأدوات (Tool Use): مصطلح أوسع يشمل قدرة الذكاء الاصطناعي على استخدام الموارد الخارجية.
• هندسة الموجهات (Prompt Engineering): تصميم الموجه الأولي للنظام لتوجيه النموذج بشكل صحيح حول متى وكيف يستخدم الأدوات المقدمة.