함수 호출 작동 방식
전체 왕복 과정을 이해해보세요. 모델이 도구를 선택하고, 코드가 도구를 실행하며, 결과를 다시 보내면 모델이 계속 진행합니다.
함수 호출 작동 방식은(는) CoddyKit의 무료 AI Agents 강의입니다. 이것은 4개 중 1번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 AI Agents 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. AI Agents 강의에는 총 4개의 강의가 포함되어 있습니다.
함수 호출: 핵심 패턴
함수 호출은 LLM을 에이전트로 바꾸는 프로토콜입니다. 모델이 여러분이 제공한 목록에서 함수를 선택하고, 인수를 채우면 여러분이 해당 함수를 실행합니다.
이 패턴은 OpenAI, Anthropic, Google, Cohere, Mistral과 적절하게 미세 조정된 대부분의 주요 OSS 모델에서 지원됩니다.
다섯 단계 왕복 과정
- 메시지와 도구 정의를 보냅니다
- 모델이 최종 답변 OR 도구 호출 중 하나를 반환합니다
- 모델의 인수로 도구를 실행합니다
- 결과를 도구 메시지로 append합니다
- 업데이트된 기록과 함께 모델을 다시 호출합니다
모델이 최종 답변을 반환할 때까지 2~5단계를 반복합니다.
1단계: 도구 정의하기
도구 정의는 각 함수를 설명하는 JSON 스키마입니다:
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))
2단계: 첫 번째 모델 호출
메시지와 도구를 보냅니다:
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"}')]3단계: 도구 실행하기
Python 함수로 디스패치합니다:
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)4단계: 도구 결과 append하기
일치하는 ID가 포함된 도구 메시지를 추가합니다:
messages.append(message) # the assistant message with tool_calls
messages.append({
'role': 'tool',
'tool_call_id': tool_call.id,
'content': json.dumps(result)
})5단계: 두 번째 모델 호출
모델을 다시 호출합니다. 이제 모델이 도구 결과를 가지고 사용자에게 보여 줄 답변을 생성합니다:
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.'에이전트 루프
이 과정을 while 루프로 감쌉니다. 모델이 여러 도구를 순서대로 호출할 수 있기 때문입니다:
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)})병렬 도구 호출
최신 모델은 한 번의 응답으로 여러 도구 호출을 반환합니다. 안전한 경우 병렬로 실행하세요:
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_calls를 확인하는 대신 finish_reason을 확인할 수도 있습니다:
if response.choices[0].finish_reason == 'tool_calls':
# the model wants to call tools
...
elif response.choices[0].finish_reason == 'stop':
# done
...일반적인 실수
- 도구 결과 전에 어시스턴트 메시지를 append하는 것을 잊는 경우
- 잘못된 tool_call_id를 사용하는 경우
- 도구 결과를 사용자 메시지로 보내는 경우
- 루프를 제한 없이 실행하는 경우 — 최대 단계 수를 설정하세요
루프 종료
에이전트가 작업을 마쳤다는 것을 어떻게 알 수 있을까요?
복습
함수 호출은 이 전체 과정에서 가장 중요한 패턴입니다. 다음으로 넘어가기 전에 반드시 익히세요.
자주 묻는 질문
“함수 호출 작동 방식” 강의는 무료인가요?
네 — “함수 호출 작동 방식” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 AI Agents 강의 전체를 잠금 해제할 수 있습니다. AI Agents 강의에는 총 4개의 강의가 포함되어 있습니다.
“함수 호출 작동 방식”에서 뭘 배우나요?
전체 왕복 과정을 이해해보세요. 모델이 도구를 선택하고, 코드가 도구를 실행하며, 결과를 다시 보내면 모델이 계속 진행합니다. 브라우저에서 직접 실행하는 실습 코드로 AI Agents을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.
AI Agents을(를) 시작하는 데 경험이 필요한가요?
사전 경험은 필요하지 않습니다. CoddyKit의 AI Agents은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 1번째 강의입니다.
“함수 호출 작동 방식” 강의는 얼마나 걸리나요?
대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.
이 AI Agents 강의에서 코드를 작성하고 실행할 수 있나요?
네. 모든 AI Agents 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.
이 강의의 모든 강의
- 함수 호출 작동 방식
- 도구 스키마 정의(JSON Schema)
- 실행 중 도구 선택
- 모델에 결과 반환