Function Calling (Tool Use)

Gọi hàm, thường được gọi là sử dụng công cụ, là một mô hình mạnh mẽ trong trí tuệ nhân tạo (AI) hiện đại, cho phép các model mở rộng khả năng vượt ra ngoài việc chỉ tạo văn bản hoặc hình ảnh tĩnh. Thay vì chỉ trả lời prompt dựa trên dữ liệu huấn luyện nội bộ, model có thể xuất các lệnh có cấu trúc để kích hoạt các hàm lập trình bên ngoài, truy vấn cơ sở dữ liệu hoặc tương tác với REST APIs. Phương pháp này effectively trao cho AI khả năng thực hiện các hành động cụ thể trong môi trường số.

Khi một hệ thống AI sử dụng tính năng gọi hàm, các developer cung cấp cho model một danh sách các công cụ khả dụng được mô tả bằng JSON Schema. Nếu prompt của người dùng yêu cầu dữ liệu theo thời gian thực hoặc một hành động cụ thể, model sẽ tạm dừng quy trình sinh nội dung thông thường và xuất một payload có cấu trúc cao ở định dạng JSON, khớp với các tham số cần thiết của công cụ được chọn. Các framework như API gọi hàm của OpenAI và framework sử dụng công cụ của Anthropic đã giúp kỹ thuật này trở nên phổ biến, biến các tác nhân hội thoại thành những hệ thống có khả năng giải quyết vấn đề.

Các ứng dụng trong thực tế#

Việc tích hợp sử dụng công cụ vào workflow làm thay đổi cách phần mềm vận hành. Được đánh giá bằng các benchmark như Berkeley Function Calling Leaderboard, những khả năng này đang thúc đẩy sự chuyển dịch toward các hệ thống có mức độ tự chủ cao.

• Bán lẻ và Dịch vụ Khách hàng Tự động: Trong lĩnh vực AI trong bán lẻ, một trợ lý ảo có thể sử dụng tính năng gọi hàm để tra cứu hàng tồn kho theo thời gian thực. Nếu khách hàng hỏi, "Đơn hàng của tôi đang ở đâu?", model sẽ tạo một lệnh gọi hàm đến API cơ sở dữ liệu, lấy trạng thái theo dõi và trả về câu trả lời bằng ngôn ngữ tự nhiên.
• Trích xuất Dữ liệu được Hỗ trợ bởi Thị giác: Một model thị giác-ngôn ngữ (VLM) có thể sử dụng các bộ phát hiện đối tượng Ultralytics YOLO làm công cụ. Nếu được yêu cầu xác minh việc tuân thủ an toàn trong một hình ảnh nhà máy, AI hội thoại chính có thể gọi một script chạy model Ultralytics YOLO26 để phát hiện mũ bảo hộ, sau đó liền mạch trả về các kết quả phát hiện đối tượng vào cuộc hội thoại với người dùng.

Tích hợp Thị giác Máy tính làm Công cụ#

Bạn có thể cung cấp một model thị giác máy tính dưới dạng công cụ chức năng cho một AI agent cấp cao hơn. Trong kiến trúc này, bạn định nghĩa một method Python thực hiện inference, và một model suy luận có thể kích hoạt method đó khi cần dữ liệu hình ảnh.

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"))

Phân biệt các thuật ngữ liên quan#

Để hiểu đầy đủ các kiến trúc AI hiện đại, việc nắm được mối quan hệ và sự khác biệt giữa tính năng gọi hàm với các khái niệm tương tự là rất hữu ích:

• Model Context Protocol (MCP): Trong khi tính năng gọi hàm dựa trên các định nghĩa API cụ thể được truyền trong prompt của model, MCP là một kiến trúc tiêu chuẩn hóa ở cấp độ tổng quát. MCP tạo ra một protocol phổ quát để kết nối các model AI với các nguồn dữ liệu, còn tính năng gọi hàm là cơ chế cục bộ mà các model sử dụng để thực sự gọi những kết nối đó.
• Sinh tăng cường truy xuất (RAG): RAG là một methodology được thiết kế riêng để truy xuất văn bản hoặc tài liệu liên quan nhằm bổ sung cho prompt của LLM. Tính năng gọi hàm là một cơ chế rộng hơn; AI có thể sử dụng một công cụ để thực hiện RAG, nhưng cũng có thể sử dụng công cụ để ghi file vào ổ đĩa hoặc gửi email. Bạn có thể tìm thấy các triển khai RAG toàn diện sử dụng công cụ trong Tài liệu PyTorch và hướng dẫn đa phương thức Google Gemini.
• AI Agent: AI agent là một hệ thống tự chủ hoàn chỉnh, có khả năng nhận biết môi trường và thực hiện hành động để đạt được mục tiêu. Tính năng gọi hàm là kỹ năng cốt lõi trao cho agent khả năng thực thi những hành động đó. Khi triển khai các hệ thống agentic quy mô lớn, các team thường sử dụng Ultralytics Platform để train và serve liền mạch các model thị giác nền tảng mà những agent này gọi đến để quan sát thế giới. Các tổ chức chuyển đổi từ model tĩnh sang workflow agentic thường dựa vào các thư viện deep learning như TensorFlow để tối ưu các endpoint mà những hàm này giao tiếp.