LLM'in metin yerine onceden tanimlanmis arac veya API'yi cagiracak yapilandirılmis JSON ciktisi uretme ozelligi.
Fonksiyon cagirma (function calling), buyuk dil modellerinin (LLM) dogal dil yaniti uretmek yerine onceden tanimlanmis bir aracı veya API'yi cagirabilen yapilandırilmis bir cikti uretmesi ozelligi. Bu mekanizma, LLM'leri pasif metin ureticilerinden aktif ajanlara donusturmektedir. Fonksiyon cagirma tipik olarak su sekilde isler: gelistirici, modele hangi fonksiyonlarin mevcut oldugunu JSON Schema formatinda tanimlar. Kullanicinin istegi bu araclarin kullanimini gerektiriyorsa model dogal dil yanitı yerine arac adi ve parametrelerini JSON olarak doner. Uygulama bu JSON'u alir, ilgili fonksiyonu calistirir, sonucu modele gonderir ve model nihai yaniti uretir. OpenAI, bu ozelligi GPT-4'te function calling olarak tanitmistir; daha sonra tool use adiyla yeniden yapılandirilmistir. Anthropic Claude'un tool use ozelligi, AWS Lambda veya harici API'ler gibi araclarla entegrasyon icin ayni prensibi kullanir. Bu yapilandirma, paralel cagrilar (parallel tool use) ile birden fazla araci ayni anda cagirilabilmesini de olanaklı kilar. Fonksiyon cagirma; hava durumu sorgulama, veritabani okuma/yazma, takvim yonetimi, kod yurutme ve web arama gibi ajanlar icin temel bir bilesendir. ReAct (Reason + Act) cercevesi ve AutoGPT gibi ajan mimarileri bu ozelliği siklıkla kullanmaktadir. MCP (Model Context Protocol), Anthropic'in standartlastirdigi bir protokoldur; sunucular araclari MCP formatinda tanimlayarak herhangi bir MCP destekli modelin bu araclari kullanabilmesini saglar. Bu sayede uygulamalar, LLM saglayciyindan bagimsiz olarak yeniden kullanilabilir arac kutuphaneleri olusturabilir.