Function Calling (Tool Use)

Sıklıkla araç kullanımı olarak adlandırılan işlev çağrısı, modern yapay zekâ (AI) alanında modellerin yeteneklerini statik metin veya görüntü üretiminin ötesine taşımasını sağlayan güçlü bir paradigmadır. Model, yalnızca dahili eğitim verilerine dayanarak bir istemi yanıtlamak yerine harici programlama işlevlerini tetiklemek, veritabanlarını sorgulamak veya REST API'leri ile etkileşim kurmak için yapılandırılmış komutlar üretebilir. Bu yaklaşım, yapay zekâya dijital ortamlarda somut eylemler gerçekleştirme yeteneği kazandırır.

Bir yapay zekâ sistemi işlev çağrısından yararlandığında geliştiriciler, modele JSON Şeması kullanılarak açıklanan mevcut araçların bir listesini sağlar. Kullanıcının istemi gerçek zamanlı veri veya belirli bir eylem gerektiriyorsa model, standart üretim sürecini duraklatır ve seçilen aracın gerekli parametreleriyle eşleşen, yüksek düzeyde yapılandırılmış bir JSON biçiminde yük çıktısı oluşturur. OpenAI'nin işlev çağrısı API'si ve Anthropic'in araç kullanımı çerçevesi gibi çerçeveler bu tekniği yaygınlaştırarak sohbet aracılarını yetkin problem çözücülere dönüştürmüştür.

Gerçek Dünya Uygulamaları#

Araç kullanımını iş akışlarına entegre etmek, yazılımların çalışma biçimini dönüştürür. Berkeley İşlev Çağrısı Liderlik Tablosu gibi kıyaslamalarla değerlendirilen bu yetenekler, son derece otonom sistemlere doğru bir geçişi hızlandırıyor.

• Otomatik Perakende ve Müşteri Hizmetleri: Perakendede yapay zekâ kapsamında sanal asistan, canlı envanteri sorgulamak için işlev çağrısından yararlanabilir. Bir müşteri "Siparişim nerede?" diye sorduğunda model, bir veritabanı API'sine işlev çağrısı gönderir, takip durumunu alır ve doğal dilde bir yanıt döndürür.
• Görsel Destekli Veri Çıkarma: Bir görüntü-dil modeli (VLM), Ultralytics YOLO nesne dedektörlerini araç olarak kullanabilir. Bir fabrika görüntüsünde güvenlik kurallarına uygunluk doğrulaması istendiğinde ana sohbet yapay zekâsı, baretleri tespit etmek üzere bir Ultralytics YOLO26 modeli çalıştıran betiği çağırabilir ve nesne tespiti sonuçlarını kullanıcının diyaloğuna kesintisiz şekilde aktarabilir.

Bilgisayarlı Görüyü Araç Olarak Entegre Etme#

Bir bilgisayarlı görü modelini kapsayıcı bir yapay zekâ aracısına işlevsel bir araç olarak sunabilirsin. Bu mimaride çıkarım gerçekleştiren bir Python yöntemi tanımlarsın; bir akıl yürütme modeli de görsel verilere ihtiyaç duyduğunda bu yöntemi tetikleyebilir.

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"))

İlgili Terimleri Birbirinden Ayırma#

Modern yapay zekâ mimarilerini tam olarak kavramak için işlev çağrısının benzer kavramlarla nasıl ilişkili olduğunu ve onlardan nasıl ayrıldığını anlamak faydalıdır:

• Model Bağlam Protokolü (MCP): İşlev çağrısı, model istemine aktarılan belirli API tanımlarına dayanırken MCP, kapsayıcı ve standartlaştırılmış bir mimaridir. MCP, yapay zekâ modellerini veri kaynaklarına bağlamak için evrensel bir protokol oluşturur; işlev çağrısı ise modellerin bu bağlantıları fiilen çağırmak için kullandığı yerel mekanizmadır.
• Getirimle Güçlendirilmiş Üretim (RAG): RAG, bir LLM'nin istemini zenginleştirmek amacıyla ilgili metinleri veya belgeleri özel olarak getirmek üzere tasarlanmış bir metodolojidir. İşlev çağrısı daha geniş kapsamlı bir mekanizmadır; yapay zekâ RAG gerçekleştirmek için bir araç kullanabilir, ancak araçları diske dosya yazmak veya e-posta göndermek için de kullanabilir. Araçlardan yararlanan kapsamlı RAG uygulamalarını PyTorch Belgeleri ve Google Gemini çok modlu kılavuzlarında bulabilirsin.
• Yapay Zekâ Aracısı: Yapay zekâ aracısı, hedefe ulaşmak için çevresini algılayan ve eylemlerde bulunan eksiksiz otonom sistemdir. İşlev çağrısı, bir aracı bu eylemleri gerçekleştirme yeteneğiyle donatan temel beceridir. Büyük ölçekli aracı sistemleri devreye alırken ekipler, bu aracıların dünyayı görmesini sağlayan temel görsel modelleri sorunsuz şekilde eğitmek ve sunmak için sıklıkla Ultralytics Platformu'nu kullanır. Statik modellerden aracı iş akışlarına geçiş yapan kuruluşlar, bu işlevlerin iletişim kurduğu uç noktaları optimize etmek için genellikle TensorFlow gibi derin öğrenme kütüphanelerinden yararlanır.