In het kort
Tool calling, ook function calling genoemd, laat een model een gestructureerd verzoek maken om een beschikbare functie te gebruiken. Denk aan een voorraad opvragen, een berekening uitvoeren of een document zoeken. Het model bepaalt welke functie en invoer passend lijken. De applicatie controleert dat verzoek en beslist vervolgens of de functie wordt uitgevoerd.
Het model voert de code niet zelf uit
Je beschrijft welke functies beschikbaar zijn en welke velden ze verwachten. Het model produceert een aanroep, vaak in een gestructureerd formaat. Jouw software doet het echte werk en geeft de uitkomst terug. Zo blijft de berekening in code en de actuele voorraad in het voorraadsysteem. Dat is een ander mechanisme dan het model vragen een antwoord uit zijn training te raden.
Een praktisch voorbeeld
Een medewerker vraagt hoeveel stuks van een artikel beschikbaar zijn. Het model stelt een voorraadaanvraag voor met een artikelnummer. De applicatie controleert de toegang, vraagt het systeem om de actuele voorraad en geeft alleen de relevante velden terug. Daarna formuleert het model een leesbaar antwoord. Bij een ontbrekend artikelnummer kan de workflow eerst om verduidelijking vragen.
Waarom helpt dit bij tokenoptimalisatie?
Een functie kan gericht gegevens ophalen in plaats van een heel gegevensbestand mee te sturen. Ook vaste berekeningen en formaatcontroles kunnen buiten het model plaatsvinden. Daardoor heeft het model minder onnodige invoer. Toolbeschrijvingen, resultaten en extra modelrondes kosten zelf ook context en tijd. Meet dus de hele keten, niet alleen de eerste aanroep.
Rechten horen bij de applicatie
Een toolverzoek is geen toestemming. De uitvoerende software moet gebruikersrechten, invoer en toegestane acties controleren. Een voorraad lezen vraagt andere rechten dan een bestelling plaatsen. Voor acties met gevolgen kun je een expliciete bevestiging inbouwen. Geef bovendien een duidelijke fout terug als een tool niet werkt, zodat het model geen succesvol resultaat hoeft te veronderstellen.
Hoe hangt dit samen met agents en MCP?
Een agent kan meerdere toolaanroepen gebruiken om een taak uit te voeren. MCP biedt een gemeenschappelijke manier om tools en bronnen aan een AI-applicatie beschikbaar te maken. Tool calling werkt ook zonder MCP en maakt een losse chatbot niet automatisch een zelfstandige agent. De workflow bepaalt hoeveel keuzevrijheid het model werkelijk krijgt.
Van begrip naar praktijk
Hoe AITJE dit toepast
We koppelen afgebakende functies aan een AI-workflow, zoals een record opvragen of een concept opslaan. Het model kan een aanroep voorstellen; de software controleert invoer en toegangsrechten en voert de toegestane functie uit. We geven compacte resultaten terug aan het model. Voor acties met gevolgen bepalen we vooraf waar een medewerker bevestigt of controleert.
Bekijk AI op maatVan uitleg naar toepassing
Wil je weten wat dit voor jouw werk betekent?
