التعريف

يُطلق على استدعاء الأدوات (Tool Calling)، أو ما يُشار إليه غالبًا باسم استدعاء الدوال (Function Calling)، اسم قدرة ضمن النماذج اللغوية الكبيرة (LLMs) تسمح للنموذج بتحديد متى وكيف يستدعي وظائف أو واجهات برمجة تطبيقات خارجية لتلبية طلب المستخدم. فبدلاً من توليد إجابة مباشرة، يُخرج النموذج طلبًا مُهيكلاً يحدد الأداة التي يجب استخدامها وما هي الوسائط التي يجب تمريرها إليها.

أهميته

النماذج اللغوية الكبيرة، بطبيعتها، ممتازة في فهم اللغة ولكنها محدودة جوهريًا ببيانات التدريب الخاصة بها. فهي لا تستطيع الوصول إلى معلومات في الوقت الفعلي، أو تنفيذ التعليمات البرمجية، أو التفاعل مع أنظمة الأعمال الخاصة. يعمل استدعاء الأدوات على سد هذه الفجوة، محولًا مولد اللغة السلبي إلى وكيل نشط قادر على تنفيذ إجراءات في العالم الحقيقي.

كيفية عمله

تتضمن العملية ثلاث خطوات رئيسية. أولاً، يُزود المطور النموذج اللغوي الكبير بمخطط (schema) - وهو وصف للأدوات المتاحة، بما في ذلك أسمائها وأوصافها والمعلمات المطلوبة. ثانيًا، عندما يصل موجه من المستخدم، يحلل النموذج اللغوي الكبير هذا الموجه مقابل تعريفات الأدوات المقدمة ويقرر ما إذا كانت الأداة ضرورية. إذا كانت كذلك، فإنه يُرجع كائن JSON مُهيكل يوضح استدعاء الدالة. ثالثًا، يعترض إطار عمل التطبيق هذا الاستدعاء، وينفذ الوظيفة الخارجية الفعلية (على سبيل المثال، استدعاء واجهة برمجة تطبيقات للطقس)، ثم يغذي النتيجة مرة أخرى إلى النموذج اللغوي الكبير للتوليف النهائي في استجابة باللغة الطبيعية للمستخدم.

حالات الاستخدام الشائعة

يفتح استدعاء الأدوات تطبيقات عملية وقوية عبر مختلف الصناعات. وتشمل هذه التطبيقات استرجاع البيانات في الوقت الفعلي (التحقق من أسعار الأسهم أو حالة الطقس)، وأتمتة سير العمل المعقدة (حجز المواعيد أو معالجة الطلبات)، والتفاعل مع الأنظمة (إرسال رسائل البريد الإلكتروني أو تحديث سجلات إدارة علاقات العملاء CRM).

الفوائد الرئيسية

الفوائد الأساسية هي تعزيز الدقة والتأسيس والقدرة. من خلال الاعتماد على مصادر خارجية وموثوقة، يقلل الذكاء الاصطناعي من الهلوسة. علاوة على ذلك، يسمح للذكاء الاصطناعي بالعمل ضمن قيود ومنطق الأنظمة المؤسسية الحالية، متجاوزًا المهام المحادثة البسيطة.

التحديات

يتطلب تطبيق استدعاء الأدوات القوي تصميمًا دقيقًا. تشمل التحديات إدارة زمن استجابة واجهات برمجة التطبيقات (API latency)، وضمان التعامل الآمن مع المعلمات الحساسة التي يتم تمريرها إلى الأدوات، وتصميم مخططات أدوات واضحة وغير غامضة حتى يفسر النموذج اللغوي الكبير القصد بشكل صحيح.

المفاهيم ذات الصلة

ترتبط هذه القدرة ارتباطًا وثيقًا بالوكلاء الذكيين (AI Agents)، وهي أنظمة مستقلة مبنية حول النماذج اللغوية الكبيرة وتستخدم استدعاء الأدوات لتحقيق أهداف متعددة الخطوات. كما تتداخل مع التوليد المعزز بالاسترجاع (RAG)، على الرغم من أن RAG يركز على استرجاع المستندات، بينما يركز استدعاء الأدوات على تنفيذ الإجراءات.