Learn AI with Python · 강의

LLM의 함수 호출과 도구 사용

JSON 스키마로 도구 정의하기, 응답에서 tool_calls 처리하기, 결과를 실행하고 반환하는 방법을 알아봅니다.

LLM의 함수 호출과 도구 사용은(는) CoddyKit의 무료 Learn AI with Python 강의입니다. 이것은 4개 중 3번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 Learn AI with Python 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. Learn AI with Python 강의에는 총 4개의 강의가 포함되어 있습니다.

함수 호출이란 무엇인가요

함수 호출(도구 사용이라고도 함)을 사용하면 LLM이 코드에 함수 실행을 요청할 수 있습니다. 모델이 직접 무언가를 실행하는 것은 아니며, "이 인수로 이 함수를 호출해 달라"는 구조화된 요청을 반환합니다. 프로그램이 함수를 실행한 뒤 그 결과를 다시 전달합니다.

이를 통해 LLM은 실시간 데이터를 가져오고, 계산을 수행하거나, 실제 작업을 실행할 수 있습니다.

도구 설명하기

모델에 도구 목록을 제공합니다. 각 도구에는 name, description, JSON 스키마로 정의된 parameters가 있습니다. 설명은 매우 중요합니다. 모델은 설명을 사용하여 도구를 적용할 상황을 판단합니다.

tools = [{
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "Get current weather for a city",
        "parameters": {
            "type": "object",
            "properties": {
                "city": {"type": "string", "description": "City name"}
            },
            "required": ["city"]
        }
    }
}]

매개변수용 JSON 스키마

parameters 필드는 표준 JSON 스키마입니다. properties를 가진 객체를 선언하고, 각 속성에 type과 설명을 지정하며, required 배열도 추가합니다. 이를 통해 모델에 생성해야 할 인수를 정확히 알려 줄 수 있습니다.

"parameters": {
    "type": "object",
    "properties": {
        "city": {"type": "string"},
        "units": {"type": "string", "enum": ["celsius", "fahrenheit"]}
    },
    "required": ["city"]
}

모델에 도구 전달하기

tools 목록을 chat.completions.create()에 전달합니다. 이제 모델은 사용자 요청에 따라 텍스트 또는 도구 호출로 응답할 수 있습니다. 텍스트 OR 도구 호출 중 하나입니다.

response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "Weather in Tokyo?"}],
    tools=tools
)

도구 호출 감지하기

모델이 도구를 사용하려 하면 일반 텍스트 대신 응답에 message.tool_calls가 들어 있습니다. 일반적인 답변이 있다고 가정하기 전에 이 목록이 존재하는지 확인해야 합니다.

msg = response.choices[0].message

if msg.tool_calls:
    print("Model wants to call a tool")
else:
    print(msg.content)

인수 분석하기

각 도구 호출에는 function.name과 function.arguments가 있습니다. 인수는 JSON 문자열로 전달되므로 사용하기 전에 json.loads()로 분석해야 합니다.

import json

call = msg.tool_calls[0]
name = call.function.name
args = json.loads(call.function.arguments)
print(name, args)  # get_weather {"city": "Tokyo"}

함수 실행하기

이제 분석한 인수를 사용하여 YOUR 실제 Python 함수를 실행합니다. LLM은 무엇을 호출할지만 결정하고, 실제 작업은 코드가 수행합니다.

def get_weather(city):
    return {"city": city, "temp_c": 18, "condition": "Cloudy"}

result = get_weather(**args)

결과를 모델에 반환하기

모델이 자연어 답변을 작성할 수 있도록 결과를 다시 보냅니다. 원래 assistant 메시지를 append한 다음, 결과와 일치하는 tool_call_id를 담은 tool 역할 메시지를 추가합니다.

messages.append(msg)  # the assistant tool-call message
messages.append({
    "role": "tool",
    "tool_call_id": call.id,
    "content": json.dumps(result)
})

최종 답변 생성하기

업데이트된 messages로 모델을 다시 호출합니다. 이제 도구 결과를 얻었으므로 사용자에게 친절한 최종 답변을 생성합니다.

final = client.chat.completions.create(
    model="gpt-4o",
    messages=messages,
    tools=tools
)
print(final.choices[0].message.content)

전체 도구 사용 순환

전체 과정은 다음과 같습니다. (1) 도구를 보냅니다. (2) 모델이 도구 호출을 반환합니다. (3) 인수를 분석합니다. (4) 함수를 실행합니다. (5) 결과를 도구 메시지로 반환합니다. (6) 모델이 답변을 작성합니다. 모델은 완료하기 전에 여러 도구 호출을 요청할 수 있으므로 tool_calls가 비어 있을 때까지 반복해야 합니다.

도구 선택 제어하기

tool_choice 매개변수를 사용하여 동작을 조정합니다. "auto"(기본값)는 모델이 결정하도록 하고, "none"은 도구를 금지하며, 특정 도구 이름을 전달하면 해당 함수를 강제로 사용합니다. 구조화된 출력을 반드시 보장해야 할 때 유용합니다.

response = client.chat.completions.create(
    model="gpt-4o",
    messages=messages,
    tools=tools,
    tool_choice={"type": "function", "function": {"name": "get_weather"}}
)

빠른 확인

도구 사용에 대한 이해도를 확인해 보세요.

복습: 함수 호출

이름, 설명, JSON 스키마 매개변수가 있는 도구를 정의한 다음 모델에 전달했습니다. tool_calls를 감지하고, function.arguments를 json.loads()로 분석하고, 실제 함수를 실행한 다음, 일치하는 tool_call_id가 포함된 tool 역할 메시지로 결과를 반환했습니다.

마지막 모델 호출에서 원시 결과를 자연스러운 답변으로 바꾸면 도구 사용 순환이 완료됩니다.

자주 묻는 질문

“LLM의 함수 호출과 도구 사용” 강의는 무료인가요?

네 — “LLM의 함수 호출과 도구 사용” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 Learn AI with Python 강의 전체를 잠금 해제할 수 있습니다. Learn AI with Python 강의에는 총 4개의 강의가 포함되어 있습니다.

“LLM의 함수 호출과 도구 사용”에서 뭘 배우나요?

JSON 스키마로 도구 정의하기, 응답에서 tool_calls 처리하기, 결과를 실행하고 반환하는 방법을 알아봅니다. 브라우저에서 직접 실행하는 실습 코드로 Learn AI with Python을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.

Learn AI with Python을(를) 시작하는 데 경험이 필요한가요?

사전 경험은 필요하지 않습니다. CoddyKit의 Learn AI with Python은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 3번째 강의입니다.

“LLM의 함수 호출과 도구 사용” 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 Learn AI with Python 강의에서 코드를 작성하고 실행할 수 있나요?

네. 모든 Learn AI with Python 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

← Learn AI with Python(으)로 돌아가기