Apa itu Function Calling (AI Tool Use)?

Apa itu Function Calling?

Function Calling (atau sering disebut Tool Use) adalah fitur pada antarmuka model bahasa besar (LLM) yang memungkinkan model mendeteksi secara otomatis kapan suatu fungsi program komputer perlu dijalankan. Alih-alih menjawab secara teks bebas, model merespons dengan menyusun objek data terstruktur (biasanya dalam format JSON) yang memuat nama fungsi dan argumen parameter yang tepat.

Satu hal mendasar yang sering disalahpahami: model AI tidak mengeksekusi kode atau fungsi tersebut secara langsung di server AI. Model hanya berperan sebagai perencana cerdas yang menentukan fungsi apa yang harus dipanggil dan argumen apa yang harus diisikan. Aplikasi Anda yang bertugas mengeksekusi fungsi di lingkungan nyata, mengambil hasilnya, lalu mengembalikannya ke model untuk dirangkai menjadi jawaban akhir bagi pengguna.

Alur kerja Function Calling

Proses pemanggilan fungsi pada arsitektur modern berlangsung dalam empat langkah:

1. Deklarasi Skema: Pengembang mendaftarkan daftar fungsi yang tersedia beserta deskripsi kegunaan dan parameter yang dibutuhkan menggunakan standar skema JSON (JSON Schema) di dalam parameter panggilan API.
2. Deteksi dan Pembentukan Argumen: Ketika pengguna mengajukan pertanyaan yang memerlukan data dinamis (misalnya "Berapa ongkir paket 2 kg dari Jakarta ke Surabaya?"), model membaca deklarasi fungsi, memilih fungsi perhitungan ongkir yang relevan, dan mengekstrak parameter masukan ke dalam format JSON yang valid.
3. Eksekusi oleh Sistem Pengembang: Kode backend aplikasi Anda membaca respons JSON dari model, menjalankan fungsi atau memanggil API pihak ketiga yang sesungguhnya (seperti database lokal atau API kurir), dan mendapatkan data hasil riil.
4. Sintesis Jawaban Akhir: Aplikasi mengirimkan kembali output data mentah tersebut ke model AI sebagai pesan peran tool. Model membaca hasil tersebut lalu merangkai penjelasan natural yang ramah dibaca pengguna.

Contoh penerapan di dunia nyata

• Integrasi Database dan CRM: Asisten virtual internal yang dapat mengecek saldo piutang pelanggan atau status pesanan e-commerce langsung dari sistem basis data perusahaan.
• Agen Otomasi Mandiri: Bot percakapan yang dapat menjadwalkan pertemuan di Google Calendar, memesan tiket, atau mengirim pesan WhatsApp otomatis setelah mendapat konfirmasi pengguna.
• Eksekusi Kode Matematis: Model mengalihkan kalkulasi numerik rumit ke interpreter Python eksternal untuk menghindari kesalahan hitung probabilitas.

Batasan dan salah paham umum

• Bukan eksekusi langsung di server penyedia AI: Penyedia API seperti OpenAI atau Anthropic tidak memiliki akses langsung ke mesin atau database privat Anda saat model mengembalikan respons function call. Eksekusi murni berada di tangan infrastruktur aplikasi pengembang.
• Halusinasi argumen parameter: Jika deskripsi skema fungsi ditulis terlalu samar atau ambigu, model dapat mengarang nilai argumen yang tidak ada di konteks masukan. Pengembang wajib menerapkan validasi skema ketat di sisi server sebelum mengeksekusi fungsi.
• Biaya konsumsi token bertambah: Seluruh definisi skema fungsi (nama, deskripsi parameter, tipe data) dikirimkan pada setiap panggilan API sebagai bagian dari input prompt, sehingga menambah konsumsi input token. Teknik prompt caching disarankan untuk menghemat biaya jika skema fungsi berukuran besar.

Rujukan resmi

• OpenAI Platform Documentation: Function Calling and Tool Use Guides (Pengecekan: 29 September 2026, rujukan resmi: platform.openai.com/docs/guides/function-calling).
• Anthropic Claude Documentation: Tool Use (Function Calling) Implementation (Pengecekan: 29 September 2026, rujukan resmi: docs.anthropic.com/en/docs/build-with-claude/tool-use).