Function- of tool calling is het vermogen van een AI-model om echte software-acties uit te voeren in plaats van alleen tekst te produceren. Als het model besluit dat het live data of een actie nodig heeft, geeft het een gestructureerd verzoek af dat jouw code kan uitvoeren, en gaat het daarna verder met het resultaat.
Een goede manier om het voor je te zien is een manager die weet wat er moet gebeuren, maar niet elke taak zelf doet. Gevraagd naar de omzet van vandaag gokt de manager niet; hij vraagt een medewerker om het rapport op te halen, wacht op het cijfer en geeft je dan antwoord. Het model is de manager, de tools zijn de medewerkers, en elke tool is meestal een functie in jouw code of een aanroep naar een API. Dit is de motor die een gewone chatbot verandert in een bruikbare AI-agent.
Het model voert zelf nooit iets uit. Het noemt alleen de tool en de invoer, en jouw systeem bepaalt of het mag, voert het uit en geeft het antwoord terug. Die grens is precies wat het veilig maakt om voor klanten te zetten.
Hoe het onder de motorkap werkt is goed om te weten. Je geeft het model een lijst tools, elk met een naam en een beschrijving van de invoer, en het model antwoordt met structured output, meestal JSON, met de naam van de tool en de ingevulde argumenten. Jouw code leest dat, draait de echte functie en geeft het resultaat terug zodat het model verder kan.
Een praktische kanttekening: een model kan de verkeerde tool aanroepen of een argument verzinnen, dus elke tool heeft validatie en een nette terugvalweg nodig. Behandel zijn verzoeken als suggesties die je controleert, niet als bevelen die je blind opvolgt.
Bij TopDevs gebruiken we tool calling om AI te koppelen aan de echte systemen van een klant, zodat een assistent een bestelling kan controleren of een afspraak kan inplannen in plaats van alleen te beschrijven hoe.
