Function Calling (Tool Use)
استكشف كيفية تمكين استدعاء الدوال واستخدام الأدوات للذكاء الاصطناعي من التفاعل مع واجهات API وقواعد البيانات. تعرّف على دمج Ultralytics YOLO26 في سير العمل الوكيلي اليوم.
يُشار إلى استدعاء الدوال، الذي يُسمّى كثيرًا استخدام الأدوات، باعتباره نمطًا قويًا في الذكاء الاصطناعي (AI) الحديث، إذ يتيح للنماذج توسيع قدراتها بما يتجاوز إنشاء النصوص أو الصور الثابتة. وبدلًا من الاكتفاء بالإجابة عن مطالبة استنادًا إلى بيانات التدريب الداخلية، يمكن للنموذج إخراج أوامر منظمة لتشغيل دوال برمجية خارجية، أو الاستعلام عن قواعد البيانات، أو التفاعل مع واجهات REST API. ويمنح هذا النهج الذكاء الاصطناعي فعليًا القدرة على تنفيذ إجراءات ملموسة في البيئات الرقمية.
عندما يستخدم نظام ذكاء اصطناعي استدعاء الدوال، يزوّد المطورون النموذج بقائمة من الأدوات المتاحة الموضحة باستخدام JSON Schema. وإذا كانت مطالبة المستخدم تتطلب بيانات آنية أو إجراءً محددًا، يوقف النموذج عملية التوليد المعتادة مؤقتًا ويُخرج حمولة بتنسيق JSON عالية التنظيم، تطابق المعلمات المطلوبة للأداة المحددة. وقد أسهمت أطر عمل مثل واجهة برمجة تطبيقات استدعاء الدوال من OpenAI وإطار استخدام الأدوات من Anthropic في شيوع هذه التقنية، فتحوّل الوكلاء الحواريون إلى أدوات قادرة على حل المشكلات.
التطبيقات الواقعية#
يؤدي دمج استخدام الأدوات في سير العمل إلى تغيير طريقة تشغيل البرمجيات. وتدفع هذه القدرات، التي تُقيَّم باختبارات معيارية مثل لوحة صدارة Berkeley لاستدعاء الدوال، نحو تحول إلى أنظمة عالية الاستقلالية.
- التجزئة الآلية وخدمة العملاء: في الذكاء الاصطناعي في قطاع التجزئة، يمكن لمساعد افتراضي استخدام استدعاء الدوال للاطلاع على المخزون المباشر. وإذا سأل أحد العملاء: "أين طلبي؟"، ينشئ النموذج استدعاءً لدالة في واجهة برمجة تطبيقات قاعدة البيانات، ويسترد حالة التتبع، ثم يعيد استجابة بلغة طبيعية.
- استخراج البيانات بمساعدة الرؤية: يمكن لـنموذج رؤية-لغة (VLM) استخدام كاشفات الأجسام Ultralytics YOLO بوصفها أدوات. وإذا طُلب منه التحقق من الامتثال لمتطلبات السلامة في صورة من مصنع، يمكن للذكاء الاصطناعي الحواري الرئيسي استدعاء برنامج نصي يشغّل نموذج Ultralytics YOLO26 لاكتشاف خوذات السلامة، ثم يعيد نتائج اكتشاف الأجسام إلى حوار المستخدم بسلاسة.
دمج الرؤية الحاسوبية كأداة#
يمكنك إتاحة نموذج للرؤية الحاسوبية بوصفه أداة وظيفية لوكيل الذكاء الاصطناعي الشامل. وفي هذه البنية، تعرّف أسلوبًا في Python ينفذ الاستدلال، ويمكن لنموذج استدلالي تشغيله عند الحاجة إلى بيانات بصرية.
from ultralytics import YOLO
# Define a specific tool function for an AI agent to call
def count_objects_in_scene(image_url: str) -> str:
# Load the highly efficient YOLO26 model
model = YOLO("yolo26n.pt")
# Perform inference to analyze the visual data
results = model(image_url)
object_count = len(results[0].boxes)
# Return structured context back to the calling AI system
return f"Vision Analysis: Detected {object_count} objects in the scene."
# Simulated function call executed by an AI system
print(count_objects_in_scene("https://ultralytics.com/images/bus.jpg"))تمييز المصطلحات ذات الصلة#
لفهم بنيات الذكاء الاصطناعي الحديثة فهمًا كاملًا، من المفيد استيعاب علاقة استدعاء الدوال بالمفاهيم المشابهة واختلافه عنها:
- بروتوكول سياق النموذج (MCP): بينما يعتمد استدعاء الدوال على تعريفات محددة لواجهات برمجة التطبيقات تُمرَّر في مطالبة النموذج، فإن MCP بنية شاملة وموحّدة. ينشئ MCP بروتوكولًا عالميًا لربط نماذج الذكاء الاصطناعي بمصادر البيانات، في حين أن استدعاء الدوال هو الآلية المحلية التي تستخدمها النماذج لاستدعاء تلك الاتصالات فعليًا.
- التوليد المعزز بالاسترجاع (RAG): يُعد RAG منهجية مصممة خصيصًا لجلب النصوص أو المستندات ذات الصلة لتعزيز مطالبة نموذج اللغة الكبير (LLM). أما استدعاء الدوال فهو آلية أوسع نطاقًا؛ إذ يمكن للذكاء الاصطناعي استخدام أداة لتنفيذ RAG، كما يمكنه استخدام الأدوات لكتابة الملفات على القرص أو إرسال بريد إلكتروني. ويمكنك العثور على تطبيقات شاملة لـRAG باستخدام الأدوات في توثيق PyTorch وأدلة Google Gemini متعددة الوسائط.
- وكيل الذكاء الاصطناعي: وكيل الذكاء الاصطناعي هو النظام المستقل الكامل الذي يدرك بيئته ويتخذ إجراءات لتحقيق هدف. واستدعاء الدوال هو المهارة الأساسية التي تمنح الوكيل القدرة على تنفيذ تلك الإجراءات. وعند نشر أنظمة وكيلة واسعة النطاق، غالبًا ما تستخدم الفرق منصة Ultralytics لتدريب النماذج المرئية الأساسية التي يستدعيها هؤلاء الوكلاء لرؤية العالم وتقديمها بسلاسة. وغالبًا ما تعتمد المؤسسات التي تنتقل من النماذج الثابتة إلى سير العمل الوكيلي على مكتبات التعلم العميق مثل TensorFlow لتحسين نقاط النهاية التي تتواصل معها هذه الدوال.








