Przejdź do treści
promptowy.com / AI-ordlista / Function calling (funktionsanrop)
Agenter och verktyg

Function calling (funktionsanrop)

Function calling är en teknik som låter en språkmodell koppla upp sig mot externa verktyg och databaser genom att generera strukturerade dataanrop.

Function calling, eller funktionsanrop på svenska, är en metod som gör det möjligt för en språkmodell att interagera med omvärlden i stället för att enbart generera text från sitt interna minne. När en användare ställer en fråga som kräver realtidsdata eller en specifik åtgärd kan modellen avgöra att den behöver ett externt verktyg, formulera parametrarna för anropet och be ditt bakomliggande system att utföra uppgiften.

I praktiken fungerar tekniken som en digital tolk mellan mänskligt språk och traditionell programmering. I stället för att gissa vad klockan är, hur vädret ser ut eller om en vara finns i lager skickar modellen en strukturerad signal till en funktion i din applikation. Detta gör tekniken till en helt avgörande byggsten för moderna AI-agenter och automatiserade arbetsflöden.

Hur fungerar processen steg för steg?

En vanlig missuppfattning är att AI-modellen själv kör programkod, men så är inte fallet. Modellen har ingen direkt access till servrar, databaser eller externa API:er. Hela samspelet bygger på ett kontrollerat samarbete mellan modellen och den applikation som kör den.

  1. Verktygsbeskrivning: Utvecklaren skickar en lista med tillgängliga funktioner till modellen via ett API. Varje funktion beskrivs tydligt i kod, inklusive vilka parametrar som krävs, till exempel ett postnummer eller ett datum.
  2. Analys och beslut: Användaren ställer sin fråga i vanlig text. Modellen läser frågan och inser att svaret kräver ett av de definierade verktygen.
  3. Strukturerat anrop: Modellen svarar inte användaren direkt. I stället returnerar den ett strukturerat dataformat, oftast JSON, som anger exakt vilken funktion som ska anropas och med vilka argument.
  4. Exekvering: Ditt eget system tar emot svaret, kontrollerar behörigheter och kör koden mot den lokala databasen eller det externa systemet.
  5. Slutligt svar: Resultatet från funktionen skickas tillbaka till språkmodellen, som sammanfattar informationen till ett trevligt och begripligt svar för användaren.

Ett vardagsexempel: Cykelverkstaden i Västerås

Tänk dig en lokal cykelverkstad i Västerås som vill bygga en chattbot på sin webbplats. Om en kund skriver: "Hej, jag vill boka en grundservice för min elcykel nu på fredag förmiddag", klarar en traditionell språkmodell inte av detta utan att hitta på tillgängliga tider. Den har helt enkelt ingen aning om verkstadens bokningskalender.

Med function calling har utvecklaren gett modellen tillgång till två funktioner: kontrollera_lediga_tider och skapa_bokning. Modellen analyserar kundens meddelande och identifierar fredagens datum. I stället för att skriva ett tomt svar genererar den ett anrop till kontrollera_lediga_tider(datum="202X-XX-XX", kategori="elcykel").

Verkstadens bokningssystem slår upp schemat, ser att klockan tio finns ledigt och returnerar detta till chatten. Modellen svarar då kunden: "Det finns en ledig tid klockan 10:00 på fredag. Vill du att jag bokar den åt dig?". Om kunden tackar ja anropas nästa funktion, och bokningen skrivs direkt in i verkstadens kalender.

Säkerhet och kontroll i företagssystem

Eftersom modellen aldrig exekverar kod på egen hand behåller du som utvecklare full kontroll över säkerheten. Du avgör vilka funktioner som får anropas, vilka argument som är giltiga och vilka användare som har rätt att utföra en viss handling. Om en användare försöker lura modellen att radera en databas kan din egen kod stoppa anropet innan någon skada sker.

Detta arbetssätt minskar också risken för så kallade hallucinationer drastiskt. När AI:n tvingas hämta fakta från riktiga källor, som ett ekonomisystem eller SMHI:s väderdata, grundas svaren alltid på verifierad information.

Vanliga misstag vid användning

Ett mycket vanligt problem är otydliga funktionsbeskrivningar. Språkmodellen behöver precisa instruktioner för att veta när en funktion ska användas. Om två funktioner överlappar varandra i sina beskrivningar kan modellen välja fel verktyg eller skicka med felaktigt formaterade parametrar.

Ett annat misstag är att inte hantera fel i det bakomliggande systemet. Om en databas är nere eller ett API returnerar ett felmeddelande måste detta skickas tillbaka till modellen på ett sätt som den förstår, så att den vänligt kan informera användaren i stället för att krascha hela konversationen.

Vanliga frågor

Kör språkmodellen koden direkt på servern?

Nej, modellen genererar bara instruktioner i ett strukturerat format som JSON. Det är din egen applikation som tar emot instruktionen, kör koden och returnerar resultatet till modellen.

Minskar function calling risken för hallucinationer?

Ja, avsevärt. Genom att tvinga modellen att hämta faktiska data från externa källor som databaser eller API:er minskar risken att den hittar på information.

Vad är skillnaden mellan vanliga prompts och function calling?

Vanliga prompts resulterar i fritext riktad till en människa, medan function calling producerar maskinläsbara data som är anpassade för att styra programvara och köra funktioner.

Kan en modell använda flera funktioner i samma svar?

Ja, många moderna modeller stöder parallella funktionsanrop där de kan efterfråga information från flera olika källor samtidigt i ett enda processteg.

← Alla termer i AI-ordlistan

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