Function Calling
Definition
Function Calling ist die Fähigkeit eines Sprachmodells, die Ausführung einer vordefinierten Funktion oder API anzufordern — es gibt Funktionsname und strukturierte Argumente zurück —, sodass das Modell Live-Daten holen oder Aktionen auslösen kann, statt nur Text zu erzeugen.
So funktioniert es
Sie geben dem Modell eine Reihe von Funktionen mit Beschreibungen und erwarteten Parametern. Braucht eine Anfrage eine davon — etwa das Nachschlagen einer Bestellung —, führt das Modell den Code nicht selbst aus; es gibt einen strukturierten Aufruf aus (den Funktionsnamen plus Argumente wie die extrahierte Bestellnummer). Ihre Anwendung führt den Aufruf aus, liefert das Ergebnis zurück, und das Modell schreibt damit die endgültige Antwort.
Das ist der Mechanismus hinter Tool-Nutzung und agentischem Verhalten. Er verbindet freie Sprache zuverlässig mit strukturierten Systemen, weil das Modell saubere, maschinenlesbare Argumente ausgibt statt Prosa, die Sie erst parsen müssten.
Warum es im Support wichtig ist
Function Calling macht aus einem KI-Agenten, der redet, einen, der handelt. Es ist der Mechanismus darunter, der einen Agenten Ihr Bestellsystem aufrufen, eine Rückerstattung auslösen oder einen Datensatz aktualisieren lässt — die technische Grundlage von Custom Tools und des Schritts von der Deflection zur echten Lösung.
Häufig gefragt
Was ist der Unterschied zwischen Function Calling und Tool-Nutzung?
Beide hängen eng zusammen. Function Calling ist die Fähigkeit des Modells, eine strukturierte Anforderung zum Ausführen einer Funktion auszugeben; Tool-Nutzung ist das breitere Muster, dass ein Agent diese Funktionen (und andere Tools) tatsächlich einsetzt, um Aufgaben zu erledigen.
Führt das Modell die Funktion selbst aus?
Nein. Das Modell entscheidet, dass eine Funktion nötig ist, und gibt deren Namen und Argumente strukturiert zurück. Ihre Anwendung führt den Aufruf aus und reicht das Ergebnis ans Modell zurück, damit die Konversation weitergeht.
Verwandte Begriffe
Tool-Nutzung
Tool-Nutzung ist die Fähigkeit eines KI-Modells, externe Funktionen, APIs oder Systeme aufzurufen – etwa eine Bestellung nachzuschlagen oder eine Rückerstattung auszulösen –, statt nur Text zu erzeugen.
Agentische KI
Agentische KI ist KI, die nicht nur Fragen beantwortet, sondern handelt: Sie plant mehrstufige Aufgaben, ruft Tools und APIs auf und arbeitet mit wenig oder gar keinem menschlichen Eingriff auf ein Ziel hin, von Anfang bis Ende..
Custom Tools
In Macha erlaubt ein Custom Tool einem KI-Agenten, jeden von Ihnen konfigurierten HTTP-API-Endpunkt aufzurufen — so kann ein Agent Live-Daten lesen oder in einem System handeln, für das Macha keinen fertigen Konnektor hat, ohne auf eine Marketplace-App zu warten..
Entitätenextraktion
Entitätenextraktion ist das Herausziehen konkreter, strukturierter Informationen — etwa Namen, Bestellnummern, Daten, Produkte oder Beträge — aus unstrukturiertem Text, damit ein System darauf handeln kann..
Large Language Model (LLM)
Ein Large Language Model (LLM) ist ein neuronales Netz, das auf riesigen Textmengen trainiert wurde, um Sprache vorherzusagen und zu erzeugen – dadurch kann es Fragen verstehen, zusammenfassen, klassifizieren und menschenähnliche Antworten schreiben..
Setzen Sie diese Ideen ein
Macha ist eine KI-Agent-Schicht, die auf dem Help Desk sitzt, den Sie schon nutzen, Zendesk, Freshdesk, Front, Intercom oder Gorgias.
Trial starten