Przejdź do treści
promptowy.com / Glosarium AI / Function Calling (Pemanggilan Fungsi)
Agen dan tools

Function Calling (Pemanggilan Fungsi)

Function calling adalah kemampuan model AI untuk mendeteksi kapan harus menggunakan alat eksternal dan menghasilkan format data terstruktur untuk menjalankannya.

Function calling adalah mekanisme yang memungkinkan model kecerdasan buatan terhubung dengan dunia luar, seperti basis data, API pihak ketiga, atau sistem internal perusahaan. Alih-alih mengarang jawaban ketika ditanya hal yang dinamis atau membutuhkan tindakan nyata, model AI dapat mengenali kebutuhan tersebut dan meminta bantuan program lain untuk menyelesaikannya.

Penting untuk dipahami bahwa model AI tidak menjalankan kode program itu sendiri. Dalam arsitektur function calling, AI hanya bertindak sebagai pengambil keputusan yang cerdas: ia membaca pesan pengguna, memilih fungsi yang relevan dari daftar yang disediakan, lalu menghasilkan struktur data berupa format teks terstruktur seperti JSON yang memuat argumen yang tepat. Aplikasi pengembang kemudian mengambil data tersebut, mengeksekusi fungsi aslinya di server, dan mengembalikan hasilnya ke AI untuk dirangkum kepada pengguna.

Bagaimana Cara Kerja Function Calling?

Alur kerja function calling berlangsung melalui siklus terkoordinasi antara pengguna, model AI, dan server aplikasi. Proses ini memastikan kontrol sistem dan keamanan data tetap berada di tangan pemilik aplikasi, bukan di tangan model AI semata.

  1. Pemberian daftar fungsi: Pengembang mengirimkan prompt pengguna bersama daftar alat yang tersedia ke model AI, lengkap dengan penjelasan fungsi dan parameter yang dibutuhkan.
  2. Analisis konteks: Model membaca permintaan pengguna. Jika permintaan tersebut membutuhkan data langsung atau aksi tertentu, model memilih fungsi yang cocok dan menyusun nilai parameter yang dibutuhkan dalam bentuk data terstruktur.
  3. Eksekusi di sisi server: Server aplikasi menerima perintah dari AI, memverifikasi izin keamanan, lalu menjalankan fungsi asli, seperti memanggil API pihak ketiga atau membaca basis data internal.
  4. Pengembalian respon: Hasil eksekusi dari server dikirimkan kembali ke model AI. Model membaca hasil tersebut dan menyusun balasan yang ramah dan alami kepada pengguna akhir.

Contoh Nyata: Asisten Layanan Pelanggan Toko Daring

Bayangkan sebuah toko daring yang menjual batik di Solo menggunakan chatbot berbasis AI untuk melayani pelanggan di platform pesan instan. Seorang pelanggan mengirim pesan: "Halo, tolong cek pesanan saya dengan nomor resi BDG-98721, sudah sampai mana ya?"

Jika chatbot hanya mengandalkan model bahasa biasa tanpa integrasi, model mungkin akan mengarang jawaban palsu karena ia tidak memiliki akses ke sistem logistik. Namun dengan function calling, pengembang telah menyiapkan fungsi bernama cek_status_pengiriman dengan parameter nomor_resi.

Melihat pertanyaan tersebut, model langsung mengenali bahwa ia perlu memanggil fungsi itu dan mengeluarkan struktur data cek_status_pengiriman(nomor_resi="BDG-98721"). Server toko membaca permintaan ini, mengecek status aktual ke sistem ekspedisi, dan mendapati bahwa paket baru saja tiba di hub transit Jakarta Selatan. Server mengirimkan data ini kembali ke model AI, yang kemudian menjawab pelanggan dengan sopan: "Paket Anda dengan nomor resi BDG-98721 saat ini sudah tiba di hub transit Jakarta Selatan dan dijadwalkan diantar besok."

Mengapa Mekanisme Ini Sangat Krusial?

Function calling merupakan fondasi utama dalam pengembangan agen AI modern. Fitur ini mengubah model bahasa dari sekadar mesin penjawab teks menjadi agen yang mampu menyelesaikan alur kerja yang kompleks. Dengan function calling, aplikasi perbankan bisa memvalidasi mutasi rekening nasabah, sistem akademik universitas bisa mendaftarkan mata kuliah mahasiswa secara otomatis, dan aplikasi rumah sakit dapat menjadwalkan konsultasi dokter.

Selain memperluas fungsi, pendekatan ini memangkas masalah halusinasi model AI secara signifikan. Untuk informasi faktual yang sering berubah, seperti harga sembako, stok barang di gudang, atau jadwal penerbangan, model tidak perlu menebak karena ia selalu mengambil data langsung dari sumber yang terverifikasi.

Kesalahan Umum dalam Menggunakan Function Calling

Banyak pengembang pemula mengira model AI mengeksekusi kode secara langsung di server mereka. Kesalahpahaman ini berbahaya jika pengembang tidak membangun lapisan validasi keamanan sebelum menjalankan fungsi yang dipicu oleh AI.

Kesalahan umum lainnya adalah memberikan deskripsi fungsi yang terlalu ambigu. Model AI mengandalkan teks deskripsi untuk memahami kapan suatu fungsi harus dipanggil. Jika deskripsi alat tidak jelas atau tumpang tindih dengan fungsi lain, AI bisa salah memilih alat atau memasukkan parameter yang salah. Selalu tuliskan deskripsi parameter dan contoh masukan secara rinci agar model dapat membuat keputusan pemanggilan dengan akurat.

Pertanyaan umum

Apakah function calling berarti AI menjalankan kode di server saya?

Tidak, model AI hanya menghasilkan data teks terstruktur berisi nama fungsi dan parameternya. Server aplikasi Anda yang bertugas memvalidasi data tersebut dan mengeksekusi kode yang sebenarnya.

Apa perbedaan utama antara function calling dan chatbot biasa?

Chatbot biasa hanya menghasilkan teks berdasarkan data latihannya, sementara function calling memungkinkan bot berinteraksi langsung dengan database, API luar, atau melakukan aksi nyata seperti mengirim surel.

Format data apa yang paling sering digunakan dalam function calling?

Format JSON adalah standar yang paling umum digunakan karena mudah dipahami oleh model AI dan sangat cepat diproses oleh berbagai bahasa pemrograman di server.

← Semua istilah di Glosarium AI

🛒 Sklep Kinetyka CapCut Pro 460 zł/rok Lovable Pro 450 zł/rok Replit Core 119 zł/rok Zobacz wszystko →
× ‹ powiększenie ›