ツール呼び出し
ツール呼び出し（Tool Calling）は、関数呼び出し（Function Calling）とも呼ばれ、大規模言語モデル（LLM）がユーザーのリクエストを満たすために、いつ、どのように外部関数やAPIを呼び出すかを決定できる機能です。モデルは直接的な回答を生成するのではなく、どのツールを使用し、それにどのような引数を渡すかを指定する構造化されたリクエストを出力します。
LLMは本質的に言語理解に優れていますが、トレーニングデータによって本質的に制限されています。それらはリアルタイム情報にアクセスしたり、コードを実行したり、独自のビジネスシステムとやり取りしたりすることはできません。ツール呼び出しは、このギャップを埋め、受動的な言語生成器を、現実世界でアクションを実行できる能動的なエージェントに変えます。
このプロセスは3つの主要なステップで構成されています。まず、開発者はLLMにスキーマ（利用可能なツールの名前、説明、必要なパラメーターを含むツールの説明）を提供します。次に、ユーザープロンプトが届くと、LLMは提供されたツール定義と照合して分析し、ツールが必要かどうかを判断します。必要な場合は、関数呼び出しを詳述する構造化されたJSONオブジェクトを返します。第三に、アプリケーションフレームワークがこの呼び出しをインターセプトし、実際の外部関数（例：天気APIの呼び出し）を実行し、その結果をLLMにフィードバックして、ユーザーへの自然言語応答として最終的に合成します。
ツール呼び出しは、さまざまな業界で強力で実用的なアプリケーションを可能にします。これには、リアルタイムデータ取得（株価や天気を確認する）、複雑なワークフローの自動化（予約の予約や注文の処理）、システムとの対話（メールの送信やCRMレコードの更新）などが含まれます。
主な利点は、精度の向上、根拠の確立、および機能性の向上です。外部の信頼できる情報源に依存することで、AIはハルシネーション（幻覚）を減らします。さらに、AIが既存のエンタープライズシステムの制約とロジック内で動作することを可能にし、単なる会話タスクを超越します。
堅牢なツール呼び出しを実装するには、慎重な設計が必要です。課題には、APIレイテンシの管理、ツールに渡される機密パラメーターの安全な取り扱い、およびLLMが意図を正しく解釈できるようにするための明確で曖昧さのないツールスキーマの設計が含まれます。
この機能は、LLMを中心に構築され、ツール呼び出しを利用して多段階の目標を達成する自律的なシステムであるAIエージェントと密接に関連しています。また、検索拡張生成（RAG）とも重複しますが、RAGがドキュメントの検索に焦点を当てるのに対し、ツール呼び出しはアクションの実行に焦点を当てています。
