46.4kデモを予約するログイン無料で始める

Function Calling

Published 2 分で読めます

はじめに

あなたとただチャットするだけでなく、実際に物事を_実行する_AIアシスタントを想像してみてください。天気の確認、予約の手配、スマートデバイスの制御、データベースへのリアルタイム問い合わせなどです。関数呼び出しとは、LLMを外部ツールに確実に接続し、効果的なツール使用と外部APIとのやり取りを可能にする能力です。この機能は、静的なAIモデルを、現実世界のアクションを実行できる動的なエージェントへと変え、自然言語での会話と実用的なタスク実行の間のギャップを埋めます。

関数呼び出しとは

関数呼び出しにより、モデルを外部ツールやAPIに接続できます。テキスト応答を生成する代わりに、モデルは特定の関数をいつ呼び出すべきかを理解し、現実世界のアクションを実行するために必要なパラメータを提供します。これはAIにツールキットを与えるようなものです。「ニューヨークの天気は？」と尋ねると、モデルは天気データが必要だと認識し、適切な天気API関数を特定し、場所のパラメータ（「ニューヨーク」）を抽出し、アプリケーションが実行できる構造化されたリクエストとして整形します。

関数呼び出しは、AIではしばしば「ツール使用」と呼ばれ、AIモデルが外部ツールやAPIとやり取りして特定のタスクを実行できるようにします。この機能は、アクションの実行、データの取得、他のシステムとの動的なやり取りを可能にすることで、モデルの機能をテキスト生成の範囲を超えて拡張します。

このプロセスでは、AIモデルが直接コードを実行するわけではありません。代わりに、関数の説明をLLMに送信し、特定のスキーマに沿った有効なJSON形式の構造化出力として整形できるようにします。その後、アプリケーションはこれらの構造化出力を使用して、実際の関数やAPIを呼び出します。

関数呼び出しの主な機能

構造化出力の生成：GPT-4やGPT-3.5のようなLLMは、関数を呼び出す必要があるタイミングを検出し、その関数を呼び出すための引数を含むJSONを出力するようにファインチューニングされています。これにより、アプリケーションが一貫して処理できる、信頼性が高く解析可能な応答が保証されます。

スキーマ遵守：関数定義でstrict: trueを設定してStructured Outputsを有効にすると、Structured Outputsは、関数呼び出しのためにモデルが生成する引数が、関数定義で提供したJSON Schemaと正確に一致することを保証します。

複数関数のサポート：モデルは複数の関数を同時に扱うことができます。1つのリクエストで複数の関数を定義できるため、異なるツールやデータソースを必要とする可能性のある複雑なワークフローが可能になります。

並列関数呼び出し：並列関数呼び出しでは、複数の関数を同時に実行でき、関数同士が互いに依存していない場合に使用されます。この機能により、複数の独立したソースからデータを収集するような効率的なマルチタスクのシナリオが可能になります。

合成的な関数呼び出し：高度なモデルは複数の関数呼び出しを連鎖させ、ある関数の出力が別の関数の入力となるような高度なワークフローを作成できます。

関数呼び出しはどのように機能するのか

関数呼び出しは、アプリケーション、AIモデル、外部ツール間の信頼性の高いやり取りを確実にする、構造化された4ステップのプロセスに従います。

ステップ1：関数宣言を定義するまず、JSON Schema形式を使用して関数を記述します。関数宣言は、関数の名前、パラメータ、目的をモデルに説明します。各関数宣言には、関数名、その目的の明確な説明、パラメータの型、必須パラメータが含まれます。

ステップ2：関数宣言を含めてリクエストを送信するユーザープロンプトを関数宣言とともにモデルに送信します。モデルはリクエストを分析し、関数呼び出しが役立つかどうかを判断します。役立つ場合は、構造化されたJSONオブジェクトで応答します。モデルは、ユーザーのリクエストと利用可能な関数の両方を調べ、外部ツールが必要かどうかを判断します。

ステップ 3: 関数を実行するモデルは関数を自分自身で実行しません。応答を処理し、Function Call を確認して、関数名と引数を抽出するのはアプリケーションの責任です。その後、アプリケーションは提供されたパラメータを使用して対応する関数を実行します。

ステップ 4: 結果をモデルに返す関数が実行された場合、その結果を取得し、会話の後続のターンでモデルに送り返します。モデルはその結果を使用して、関数呼び出しから得られた情報を組み込んだ、最終的でユーザーフレンドリーな応答を生成します。

how function calling works.png how function calling works.png

関数呼び出しのメリットと課題

メリット

  • リアルタイムの正確性: 関数呼び出しは、古いトレーニングデータに依存するのではなく、外部ソースから最新の情報にアクセスすることで、AI の応答を改善します。

  • 拡張された機能: AI モデルは、外部 API を通じてデータベースへのアクセス、計算の実行、IoT デバイスの制御など、本来の能力の範囲外のタスクを実行できます。

  • 直接的なタスク実行: モデルは外部システムと直接やり取りして、取引の処理、デバイスの制御、特定データの取得など、現実世界のアクションを実行できます。

  • コードの再利用性: 関数スキーマはさまざまなモデルやアプリケーションで使用できるため、開発時間を短縮し、一貫性を確保できます。

課題

  • セキュリティリスク: 外部ツールからの信頼できないデータが、意図しないアクションを実行するようモデルに指示する可能性があるため、適切な認証、入力検証、ユーザー確認手順が必要です。

  • エラー処理の複雑さ: ネットワーク障害、API レート制限、不正な形式の応答によってワークフローが中断される可能性があるため、堅牢なエラー処理メカニズムとフォールバック戦略が必要です。

  • パフォーマンスへの影響: 各関数呼び出しによって会話にレイテンシが追加され、複数の外部 API 呼び出しを管理すると、適切に最適化されていない場合、ユーザー体験に影響を与える可能性があります。

  • 依存関係の管理: 外部 API は変更されたり、利用できなくなったり、異なるバージョン管理要件を持ったりする可能性があり、継続的な保守上の課題を生み出します。

Function Calling、Agent2Agent、MCP の比較

側面ファンクションコーリングAgent2Agent (A2A)Model Context Protocol (MCP)
主な目的AIモデルを外部ツールやAPIに接続する複数のAIエージェント間の通信を可能にするアプリケーションがLLMにコンテキストを提供する方法を標準化する
通信タイプモデルとツールの相互作用エージェント間の協調アプリケーションからモデルへのコンテキスト共有
範囲単一モデルが外部関数を呼び出すマルチエージェントの調整と協調外部データソースのための統一インターフェース
ユースケースの焦点タスク実行（天気、決済、制御）自然言語または混合モダリティで協調するエージェント構造化された関数、API、またはツールを呼び出すエージェント
開発レベル成熟しており、広く実装されているGoogleは2025年4月にAgent2Agent (A2A)をリリースしたAnthropicは2024年後半にMCPを発表した
関係中核的な機能A2Aは第2のカテゴリ、すなわち知的エージェント間の調整に焦点を当てるMCPは第1のカテゴリ、すなわちエージェント、ツール、またはユーザーがモデルに送る内容の整理に焦点を当てる
標準JSON Schemaベースの関数定義オープン標準に基づく：A2AはHTTP、JSON-RPC、SSEを使用するAIシステムをデータソースに接続するための普遍的なオープン標準
統合直接的なモデル機能ファンクションコーリングを補完するGoogleはA2AをMCPを補完するプロトコルとして慎重に位置づけた

ファンクションコーリングのユースケース

カスタマーサポートの自動化

AIチャットボットはファンクションコーリングを使用して、パスワードのリセット、予約のスケジュール設定、顧客記録の更新などのアクションを、企業の内部システムやデータベースと直接やり取りすることで実行します。これにより、サポート担当者は問題をより迅速に解決し、24時間365日の支援を提供できます。

Eコマース連携

AI駆動のショッピングアシスタントは、関連するAPIを呼び出すことで、決済を処理したり、商品の在庫状況をリアルタイムで確認したりできます。顧客は「これはMサイズがありますか？」のような自然言語の質問をして、リアルタイムの在庫回答を得ることができます。

スマートホーム制御

音声起動アシスタントは、ファンクションコーリングを使用して、照明、サーモスタット、セキュリティシステムなどのスマートデバイスを制御します。ユーザーが「リビングをロマンチックな照明にして」と言うと、システムはこれを具体的なデバイスコマンドに変換します。

データ抽出と処理

データの抽出とタグ付けのためのLLM搭載ソリューション（例：Wikipediaの記事から人名を抽出する）により、自動化されたコンテンツ処理と情報管理のワークフローが可能になります。

金融サービス

ファンクションコーリングにより、AIアシスタントは、適切な認証とユーザーの同意のもとで銀行APIに安全に接続し、口座残高の確認、資金移動、請求書の支払い、支出パターンの分析を行うことができます。

開発ツール

自然言語をAPI呼び出しや有効なデータベースクエリに変換するのに役立つアプリケーションは、開発ワークフローを効率化し、データベース操作における技術的なハードルを下げます。

関数呼び出しに関するFAQ

関数呼び出しと、AIが実際にコードを実行することの違いは何ですか？

「関数呼び出し」という用語はしばしば誤解されます。多くの人は、モデルが実際に関数呼び出しを実行していると考えていますが、実際にはパラメータを提供しているだけです。AIは構造化された指示を生成しますが、実際の関数を実行するのはあなたのアプリケーションです。

関数呼び出しはどの外部APIでも機能しますか？

はい、JSON Schema形式を使用してAPIのインターフェースを定義し、アプリケーションコードでAPI呼び出しを処理できる限り可能です。APIを用いた関数呼び出しでは、AIモデルがタスクに外部データが必要なタイミングを特定し、適切なAPIを選択し、必要なパラメータを送信し、返された情報を応答に統合します。

関数呼び出しは機密性の高い操作に対して安全ですか？

関数呼び出しは、認証、入力検証、ユーザー確認ステップを適切に実装すれば安全にできます。ユーザー確認ステップを実装してください。特にアクションを実行する関数については、実行前にユーザーがそのアクションを確認するステップを含めることを推奨します。

関数呼び出しが失敗した場合はどうなりますか？

アプリケーションでは、APIの失敗、ネットワークの問題、無効なレスポンスを管理するために、堅牢なエラーハンドリングを実装する必要があります。その後、AIはあなたが提供するエラー情報に基づいて、有用なエラーメッセージを提示したり、代替アプローチを提案したりできます。

複数の関数を同時に呼び出すことはできますか？

モデルは、1回のターンで複数の関数を呼び出すこと（並列関数呼び出し）や、順番に呼び出すこと（合成的関数呼び出し）もサポートしています。これにより、複雑なワークフローと効率的なタスク実行が可能になります。

すべてのAIモデルが関数呼び出しをサポートしていますか？

主要プロバイダーの最新の大規模言語モデルの多くは関数呼び出しをサポートしていますが、実装の詳細や機能は異なる場合があります。サポートされている機能と制限については、使用する特定のモデルのドキュメントを確認してください。