Werkzeug- und Funktionsaufruf
Das Modell wählt die API und füllt die Argumente
Der vollständige Artikel liegt auf Englisch vor; Titel und Zusammenfassung sind lokalisiert.
WAS DIESE FÄHIGKEIT BEDEUTET
Takes a user request and a list of available tools — names, descriptions, argument schemas — and outputs a structured call such as get_weather with city set to Shanghai. The model executes nothing itself; it selects a tool and assembles arguments, while the actual call is made by external code whose result is fed back for further reasoning.
Wie sie technisch umgesetzt wird
Fine-tuning on many examples of when to call, which tool to use and what arguments look like teaches the model to emit a call when it needs external information or action; at inference the tool definitions go into the prompt and the output is constrained to a valid structure. With many tools, retrieval first narrows the candidates, and a multi-turn loop that feeds results back handles complex tasks.
Repräsentative Produkte
10LangChain
2022Modelle, Werkzeuge und Retrieval verketten
GPT-4o
2024Ein von Grund auf multimodales Allzweckmodell: Text, Bild und Audio über einen Zugang
Claude
2023Ein allgemeines Dialogmodell, bekannt für langen Kontext und Sicherheitsausrichtung
Gemini
2023Ein von Grund auf multimodales Allzweckmodell für sehr langen Kontext
Qwen
2023Eine Open-Weights-Familie über viele Größen hinweg, mit multimodalen Versionen
MiniMax-M
2025Ein Open-Weights-Schlussfolgerungsmodell mit hybridem Attention und einer Million Token Kontext
Command R
2024Ein kommerzielles Modell für Retrieval-Augmentierung und Werkzeugnutzung
Mistral Large
2024Das kommerzielle Flaggschiffmodell eines europäischen Open-Weights-Labors
GLM
2023Ein chinesisches Allzweckmodell, das mit autoregressivem Lückenfüllen begann
Llama
2023Die Modellfamilie, die offene Gewichte zum Mainstream machte
Beteiligte Organisationen
Typische Verwendungen
- Fetching live data such as weather, prices or stock
- Performing business actions such as orders and messages
- Calling calculators, search and code executors
- Chaining several APIs for a composite task
Wie sie bewertet wird
- Function-selection accuracy
- Share of requests where the right tool was chosen
- Exact argument match
- Share with arguments exactly matching the reference
- End-to-end task success
- Whether the task completes once tools actually run
Grenzen und schwierige Punkte
- Slightly complex argument shapes — nested objects, arrays, optional fields — are easily filled wrongly
- As the tool list grows, wrong selections rise sharply, and similar-purpose tools are the most confusable
- Recovery after a failed call is unreliable, and the model often loops on the error instead of adapting
Konzepte dahinter
Agenten und Werkzeugnutzung
Ein Modell soll nicht nur antworten, sondern suchen, APIs aufrufen, Code ausführen – und anhand des Ergebnisses den nächsten Schritt wählen
Prompt-Engineering und Alignment
Ein Modell hilfreich, ehrlich und harmlos zu machen ist schwieriger, als es einfach größer zu machen
Transformer-Architektur
Statt Wort-für-Wort-Stafette ein Raum, in dem alle zugleich sprechen — und weite Abhängigkeiten sind nur einen Schritt entfernt