Function Callingの仕組み
一連の往復処理を理解します。モデルがツールを選び、コードで実行し、結果を返すと、モデルが処理を続けます。
「Function Callingの仕組み」はCoddyKit上の無料AI Agentsレッスンです。 これはレッスン1/4です。 下記で完全なレッスンを無料で読むことができます。その後、ブラウザ内の組み込みコードエディタと24時間対応のAIチューターでハンズオン演習できます。 これはAI Agents学習パスの一部であり、ウェブとCoddyKitアプリ全体で進捗が同期されます。 AI Agentsコースには全4レッスンが含まれています。
Function Calling：基本パターン
Function callingは、LLMをエージェントに変えるプロトコルです。モデルが、提示したリストから関数を選び、引数を埋め、それを実行します。
このパターンは、OpenAI、Anthropic、Google、Cohere、Mistral、および適切なファインチューニングを施した主要なOSSモデルのほとんどがサポートしています。
5ステップのラウンドトリップ
- メッセージとツール定義を送信します
- モデルが最終回答またはtool_callを返します
- モデルの引数でツールを実行します
- 結果をツールメッセージとして追加します
- 更新された履歴を付けて、もう一度モデルを呼び出します
モデルが最終回答を返すまで、2〜5を繰り返します。
ステップ1：ツールを定義する
ツール定義は、各関数を記述するJSONスキーマです。
tools = [{
'type': 'function',
'function': {
'name': 'get_weather',
'description': 'Current weather for a city',
'parameters': {
'type': 'object',
'properties': {
'city': {'type': 'string'}
},
'required': ['city']
}
}
}]
import json
print(json.dumps(tools, indent=2))
ステップ2：最初のモデル呼び出し
メッセージとツールを送信します。
response = client.chat.completions.create(
model='gpt-4o-mini',
messages=[{'role': 'user', 'content': 'Weather in Paris?'}],
tools=tools,
)
message = response.choices[0].message
print(message.tool_calls)
# [ToolCall(name='get_weather', arguments='{"city": "Paris"}')]ステップ3：ツールを実行する
Python関数にディスパッチします。
import json
def get_weather(city: str) -> dict:
# ...call your weather API...
return {'city': city, 'temp_c': 18, 'condition': 'cloudy'}
tool_call = message.tool_calls[0]
args = json.loads(tool_call.function.arguments)
result = get_weather(**args)ステップ4：ツール結果を追加する
一致するIDを持つツールメッセージを追加します。
messages.append(message) # the assistant message with tool_calls
messages.append({
'role': 'tool',
'tool_call_id': tool_call.id,
'content': json.dumps(result)
})ステップ5：2回目のモデル呼び出し
もう一度モデルを呼び出します。これでモデルはツールの結果を利用でき、ユーザー向けの回答を生成します。
final = client.chat.completions.create(
model='gpt-4o-mini',
messages=messages,
tools=tools,
)
print(final.choices[0].message.content)
# 'It is currently 18 degrees and cloudy in Paris.'エージェントループ
これをwhileループで囲みます。モデルが複数のツールを順番に呼び出す場合があるためです。
while True:
response = client.chat.completions.create(model=MODEL, messages=messages, tools=tools)
msg = response.choices[0].message
messages.append(msg)
if not msg.tool_calls:
return msg.content # final answer
for tc in msg.tool_calls:
result = dispatch(tc)
messages.append({'role': 'tool', 'tool_call_id': tc.id, 'content': json.dumps(result)})並列ツール呼び出し
最新のモデルは、1つの応答で複数のtool_callsを返します。安全な場合は、並列に実行してください。
import asyncio
async def run_tools(tool_calls):
coros = [dispatch_async(tc) for tc in tool_calls]
return await asyncio.gather(*coros)finish_reason: tool_calls
tool_callsを確認する代わりに、finish_reasonを確認することもできます。
if response.choices[0].finish_reason == 'tool_calls':
# the model wants to call tools
...
elif response.choices[0].finish_reason == 'stop':
# done
...よくある間違い
- ツール結果の前にassistantメッセージを追加し忘れる
- 誤ったtool_call_idを使用する
- ツール結果をユーザーメッセージとして送信する
- ループを無制限に実行させる。MAX_STEPSを設定してください
ループの終了
エージェントの処理が完了したことを、どのように判断すればよいでしょうか。
まとめ
Function callingは、このコース全体で最も重要なパターンです。先に進む前に、必ず習得してください。
よくある質問
「Function Callingの仕組み」レッスンは無料ですか？
はい。「Function Callingの仕組み」の完全なテキストはこのウェブで無料で読めます。インタラクティブに演習し（組み込みコードエディタと24時間対応のAIチューター）、AI Agentsコースの残りをアンロックするには、CoddyKit PROにアップグレードしてください。 AI Agentsコースには全4レッスンが含まれています。
「Function Callingの仕組み」で何を学びますか？
一連の往復処理を理解します。モデルがツールを選び、コードで実行し、結果を返すと、モデルが処理を続けます。 ブラウザで直接実行するハンズオンコードでAI Agentsを演習し、24時間対応のAIチューターがレッスンを進める中での質問に答えます。
AI Agentsを始めるのに経験は必要ですか？
事前経験は必要ありません。CoddyKitのAI Agentsは初級者から上級者向けに構成されているため、ここから始めるか最初から始めて、自分のペースで進むことができます。 これはレッスン1/4です。
「Function Callingの仕組み」レッスンにはどのくらい時間がかかりますか？
ほとんどのCoddyKitレッスンは約5～10分かかります。各レッスンはコンパクトでインタラクティブなので、着実に進歩し、ウェブとアプリ全体で正確に前回の場所から再開できます。
このAI Agentsレッスンでコードを書いて実行できますか？
はい。すべてのAI Agentsレッスンに組み込みコードエディタが含まれているため、ブラウザでリアルコードを書いて実行し、即座のAIフィードバックを取得できます。ローカル設定は不要です。
このコースのすべてのレッスン
- Function Callingの仕組み
- ツールスキーマの定義（JSON Schema）
- 実行時のツール選択
- モデルへの結果の返却