Function Calling (Tool Use)

Genellikle araç kullanımı olarak adlandırılan fonksiyon çağırma, modern yapay zeka (AI) dünyasında modellerin yeteneklerini statik metin veya görüntü oluşturmanın ötesine taşımalarını sağlayan güçlü bir paradigmadır. Model, yalnızca iç eğitim verilerine dayanarak bir istemi yanıtlamak yerine, harici programlama fonksiyonlarını tetiklemek, veritabanlarını sorgulamak veya REST API ile etkileşime geçmek için yapılandırılmış komutlar çıktısı verebilir. Bu yaklaşım, yapay zekaya dijital ortamlarda somut eylemler gerçekleştirme yeteneğini etkili bir şekilde kazandırır.

Bir yapay zeka sistemi fonksiyon çağırmayı kullandığında, geliştiriciler modele JSON Schema kullanılarak tanımlanmış kullanılabilir araçların bir listesini sağlar. Kullanıcının istemi gerçek zamanlı veriler veya belirli bir eylem gerektiriyorsa, model standart üretim sürecini duraklatır ve seçilen aracın gerekli parametreleriyle eşleşen, oldukça yapılandırılmış bir JSON formatı yükü üretir. OpenAI'ın fonksiyon çağırma API'si ve Anthropic'in araç kullanımı çerçevesi gibi çerçeveler, bu tekniği popülerleştirerek konuşma tabanlı aracıları yetenekli problem çözücülere dönüştürmüştür.

Link to this sectionGerçek Dünya Uygulamaları#

Araç kullanımını iş akışlarına entegre etmek, yazılımın çalışma biçimini dönüştürür. Berkeley Function Calling Leaderboard gibi kıyaslamalarla değerlendirilen bu yetenekler, yüksek düzeyde otonom sistemlere doğru bir değişimi tetiklemektedir.

• Otomatik Perakende ve Müşteri Hizmetleri: Perakendede AI alanında, sanal bir asistan canlı envanteri kontrol etmek için fonksiyon çağırmayı kullanabilir. Eğer bir müşteri "Siparişim nerede?" diye sorarsa, model bir veritabanı API'sine fonksiyon çağrısı oluşturur, takip durumunu alır ve doğal dilde bir yanıt döndürür.
• Görüntü Destekli Veri Çıkarımı: Bir görüntü-dil modeli (VLM), Ultralytics YOLO nesne dedektörlerini araç olarak kullanabilir. Eğer bir fabrika görselindeki güvenlik uyumluluğunu doğrulaman istenirse, ana konuşma tabanlı yapay zeka, baretleri tespit etmek için Ultralytics YOLO26 modelini çalıştıran bir betiği çağırabilir ve nesne tespiti sonuçlarını kullanıcının diyaloğuna sorunsuz bir şekilde döndürebilir.

Link to this sectionBilgisayarlı Görü'yü Bir Araç Olarak Entegre Etmek#

Bir bilgisayarlı görü modelini, kapsamlı bir AI agent için işlevsel bir araç olarak sunabilirsin. Bu mimaride, görsel veriye ihtiyaç duyulduğunda bir akıl yürütme modelinin tetikleyebileceği, çıkarım yapan bir Python metodu tanımlarsın.

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"))

Link to this sectionİlgili Terimleri Ayırt Etme#

Modern yapay zeka mimarilerini tam olarak kavramak için, fonksiyon çağırmanın benzer kavramlarla nasıl ilişkili olduğunu ve bunlardan nasıl ayrıldığını anlamak yardımcı olur:

• Model Context Protocol (MCP): Fonksiyon çağırma, model isteminde iletilen belirli API tanımlarına dayanırken, MCP kapsamlı ve standartlaştırılmış bir mimaridir. MCP, yapay zeka modellerini veri kaynaklarına bağlamak için evrensel bir protokol oluştururken, fonksiyon çağırma modellerin bu bağlantıları fiilen başlatmak için kullandığı yerelleştirilmiş mekanizmadır.
• Retrieval Augmented Generation (RAG): RAG, bir LLM'in istemini geliştirmek için özellikle ilgili metinleri veya belgeleri getirmek üzere tasarlanmış bir metodolojidir. Fonksiyon çağırma daha geniş bir mekanizmadır; bir yapay zeka RAG gerçekleştirmek için bir araç kullanabilir, ancak aynı zamanda diske dosya yazmak veya e-posta göndermek için de araçlar kullanabilir. PyTorch Documentation ve Google Gemini multimodal guides içinde araçlardan yararlanan kapsamlı RAG uygulamalarını bulabilirsin.
• AI Agent: Bir AI agent, çevresini algılayan ve bir hedefe ulaşmak için eylemler gerçekleştiren tam otonom bir sistemdir. Fonksiyon çağırma, bir aracının bu eylemleri gerçekleştirme yeteneğini sağlayan temel beceridir. Büyük ölçekli agentic sistemleri dağıtırken, ekipler genellikle bu araçların dünyayı görmek için başvurdukları temel görsel modelleri eğitmek ve sunmak için Ultralytics Platform'u kullanırlar. Statik modellerden agentic iş akışlarına geçen organizasyonlar, genellikle bu fonksiyonların iletişim kurduğu uç noktaları optimize etmek için TensorFlow gibi derin öğrenme kütüphanelerine güvenirler.