Appel de fonctions

Définition

L'appel de fonctions est la capacité qu'a un modèle de langage de demander l'exécution d'une fonction ou d'une API prédéfinie — en renvoyant le nom de la fonction et des arguments structurés — afin de récupérer des données en direct ou d'agir, au lieu de seulement produire du texte.

Aussi connu sous : function callingappel d'outilsinvocation structurée de fonctions

Comment cela fonctionne

Vous donnez au modèle un ensemble de fonctions, avec leur description et les paramètres attendus. Quand une demande en nécessite une — retrouver une commande, par exemple — le modèle n'exécute pas le code lui-même : il produit un appel structuré (le nom de la fonction, plus des arguments comme le numéro de commande qu'il a extrait). Votre application exécute cet appel, lui renvoie le résultat, et le modèle s'en sert pour rédiger la réponse finale.

C'est le mécanisme derrière l'utilisation d'outils et le comportement agentique. Il fait le pont de façon fiable entre le langage libre et les systèmes structurés, car le modèle émet des arguments propres et lisibles par une machine, plutôt qu'une prose qu'il faudrait analyser.

Pourquoi c'est important pour le support

L'appel de fonctions est ce qui fait passer un agent IA du statut de beau parleur à celui d'exécutant. C'est le mécanisme sous-jacent qui lui permet d'appeler votre système de commandes, d'émettre un remboursement ou de mettre à jour un enregistrement — le socle technique des outils personnalisés et du passage de la déflexion à la véritable résolution.

Questions fréquentes

Quelle est la différence entre l'appel de fonctions et l'utilisation d'outils ?

Les deux sont étroitement liés. L'appel de fonctions est la capacité du modèle à émettre une demande structurée d'exécution d'une fonction ; l'utilisation d'outils est le schéma plus large d'un agent qui se sert effectivement de ces fonctions (et d'autres outils) pour accomplir des tâches.

Le modèle exécute-t-il la fonction lui-même ?

Non. Le modèle décide qu'une fonction est nécessaire et renvoie son nom et ses arguments dans un format structuré. Votre application exécute l'appel et retransmet le résultat au modèle, pour qu'il poursuive la conversation.

Comment fonctionnent les custom tools dans Macha

Termes liés

Utilisation d'outils

L'utilisation d'outils est la capacité d'un modèle d'IA à appeler des fonctions, des API ou des systèmes externes — comme rechercher une commande ou émettre un remboursement — au lieu de se contenter de générer du texte, ce qui lui permet d'agir sur des données réelles plutôt que de simplement les décrire..

IA agentique

L'IA agentique est une IA qui ne se contente pas de répondre à des questions mais qui agit : elle planifie des tâches en plusieurs étapes, appelle des outils et des API, et poursuit un objectif de bout en bout avec peu ou pas d'intervention humaine..

Outils personnalisés

Chez Macha, un outil personnalisé permet à un agent IA d'appeler n'importe quel point de terminaison d'API HTTP que vous configurez — un agent peut ainsi lire des données en direct ou agir dans un système pour lequel Macha ne propose pas de connecteur natif, sans attendre une application du marketplace..

Extraction d'entités

L'extraction d'entités est le fait de tirer d'un texte non structuré des informations structurées précises — noms, numéros de commande, dates, produits ou montants — pour qu'un système puisse agir dessus..

Grand modèle de langage (LLM)

Un grand modèle de langage (LLM) est un réseau de neurones entraîné sur d'immenses volumes de texte pour prédire et générer du langage, ce qui lui permet de comprendre des questions, de résumer, de classer et de rédiger des réponses proches de l'écriture humaine..

Passez à l'action

Macha est une couche d'agents IA qui se pose sur le help desk que vous utilisez déjà, Zendesk, Freshdesk, Front, Intercom ou Gorgias.

Démarrer l'essai