متن
پاسخ مستقیم
Tool Calling یعنی Agent فقط متن تولید نکند. وقتی لازم باشد، بهجای حدسزدن یا ادامهدادن گفتوگو، یک ابزار واقعی را انتخاب میکند، ورودی ساختاریافته میفرستد، نتیجه را میگیرد و بعد پاسخ نهایی را کامل میکند.
Tool Calling پلی است بین گفتوگو و عمل.
خلاصه کوتاه برای شروع
اگر خیلی ساده بخواهیم بگوییم:
- گفتوگوی معمولی فقط جواب میدهد.
- Tool Calling کاری را هم انجام میدهد.
- خروجی ابزار میتواند از تقویم، جستوجو، دیتابیس، CRM، اجرای کد یا پایش کیفپول بیاید.
Tool Calling در یک نگاه
یک Agent با Tool Calling معمولاً این مسیر را طی میکند:
- هدف را میفهمد.
- تشخیص میدهد آیا به ابزار نیاز دارد یا نه.
- ابزار مناسب را انتخاب میکند.
- ورودی ساختاریافته میسازد.
- نتیجه ابزار را میگیرد.
- پاسخ نهایی را با همان نتیجه کامل میکند.
فرق گفتوگوی معمولی و Tool Calling
| گفتوگوی معمولی | Tool Calling |
|---|---|
| مدل فقط متن مینویسد | مدل ابزار را انتخاب میکند |
| پاسخ ممکن است بر پایه حدس باشد | پاسخ بر پایه داده واقعی است |
| برای توضیحدادن خوب است | برای انجامدادن خوب است |
| خطاها گاهی پنهان میمانند | خطاها قابل ردگیریتر میشوند |
| خروجی نهایی فقط متن است | خروجی میتواند متن + نتیجه واقعی باشد |
مدل ذهنی یک Agent
برای فهم Tool Calling، این مدل ذهنی را نگه دار:
- Agent اول مسئله را میفهمد.
- بعد تصمیم میگیرد آیا باید از ابزار استفاده کند یا نه.
- اگر ابزار لازم باشد، یک درخواست ساختاریافته میسازد.
- ابزار نتیجه را برمیگرداند.
- Agent آن نتیجه را در ادامه پاسخ استفاده میکند.
این چرخه باعث میشود Agent فقط یک پاسخگوی گفتوگویی نباشد، بلکه یک کارمند دیجیتال مرحلهبهمرحله هم باشد.
مثالهای روزمره
| سناریو | ابزار | فایده |
|---|---|---|
| هماهنگی جلسه | تقویم | زمان آزاد را واقعی و بهروز میسنجد |
| پیدا کردن اطلاعات | جستوجو | جواب را از منبع تازه میآورد |
| بررسی وضعیت مشتری | CRM | داده عملیاتی را مستقیم میخواند |
| تست منطق | اجرای کد | محاسبه و اعتبارسنجی را بیرون از متن انجام میدهد |
| پایش دارایی | کیفپول و DeFi | تغییرات زنده را مانیتور میکند |
| بررسی وضعیت سیستم | دیتابیس | از داده ساختاریافته و قابل اعتماد استفاده میکند |
چه چیزهایی ممکن است خراب شود
انسان چه زمانی باید تأیید بدهد
Tool Calling همیشه نباید کاملاً خودکار باشد. در این موقعیتها بهتر است انسان تصمیم نهایی را تأیید کند:
- وقتی ابزار به پول، خرید یا برداشت میرسد
- وقتی قرار است داده واقعی تغییر کند
- وقتی خروجی برای کاربر اثر بیرونی دارد
- وقتی خطا هزینهبر است
- وقتی داده حساس یا محرمانه در میان است
هرچه هزینه خطا بیشتر باشد، نیاز به تأیید انسان هم بیشتر میشود.
چکلیست تصمیمگیری برای Tool Calling
- آیا این کار به داده زنده نیاز دارد؟
- آیا این کار را نمیتوان فقط با متن پاسخ داد؟
- آیا ابزار مشخص و قابل اعتماد وجود دارد؟
- آیا ورودی ابزار را میتوان ساختاریافته تعریف کرد؟
- آیا اگر خروجی غلط باشد، هزینهای ایجاد میشود؟
- آیا قبل از اجرای نهایی باید انسان تأیید بدهد؟
اگر به چند سؤال بالا پاسخ «بله» بدهی، Tool Calling احتمالاً انتخاب درستی است.
خروجی که باید بسازی
- یک ورودی ساختاریافته
- یک نتیجه قابل بررسی
- یک پاسخ نهایی که فقط بر پایه حدس نباشد
حالا کاملش کن
اگر خواستی تمرین را سختتر کنی، این سه سؤال را هم جواب بده:
- خروجی برای چه کسی قابل استفاده است؟
- چه چیزی نباید در جواب دیده شود؟
- اگر ابزار خطا داد، Agent چه کند؟
جمعبندی عملی
اگر فقط یک چیز از این مقاله به خاطر بسپاری، این باشد:
- Prompt فقط شروع کار است.
- Tool Calling کار را به عمل وصل میکند.
- Agent خوب فقط حرف خوب نمیزند؛ ابزار درست را هم درست استفاده میکند.
وقتی Tool Calling را بفهمی، خیلی بهتر میفهمی چرا Workflow، Context و Human Approval کنار هم مهم میشوند.
قدم بعدی
اگر این مفهوم برایت روشن شد، قدم بعدی این است که یک Workflow ساده برای همان ابزار طراحی کنی. بعد تصمیم بگیر کدام مرحله باید خودکار باشد و کدام مرحله باید تأیید انسان بگیرد.