Tool Calling Prompt

Tool Calling Prompt, yapay zekâ modelinin bir görevi yerine getirirken kendi dil üretme yeteneğinin yeterli olmadığı durumlarda uygun harici aracı seçmesini, gerekli parametreleri belirlemesini, aracı kullanmasını ve elde edilen sonucu yanıtına dâhil etmesini sağlayan yönlendirme yaklaşımıdır. Bu araçlar web araması, hesap makinesi, veri tabanı, takvim, e-posta, kod çalıştırma, dosya analizi veya başka bir yazılım hizmeti olabilir.

Temel mantık şudur: “Bu soruyu yalnızca kendi bilgine dayanarak yanıtlama. Gerektiğinde uygun aracı seç, araçtan elde edilen sonucu kullan ve ardından kullanıcıya yanıt ver.”

Tool Calling ne işe yarar?

Büyük dil modellerinin bazı görevlerde dış kaynaklara veya özel işlevlere ihtiyaç duyması mümkündür. Örneğin güncel hava durumu, bugünkü döviz kuru veya bir kullanıcının takvimindeki toplantılar yalnızca modelin önceden öğrendiği bilgilerden güvenilir biçimde elde edilemez.

Tool Calling sayesinde süreç şu şekilde işler:

Kullanıcı isteği → İhtiyacın belirlenmesi → Uygun aracın seçilmesi → Parametrelerin oluşturulması → Aracın çalıştırılması → Sonucun modele dönmesi → Kullanıcı yanıtının oluşturulması

Örneğin kullanıcı: “İstanbul Maltepe’de yarın yağmur yağacak mı?”

diye sorduğunda, araç kullanabilen bir yapay zekâ sistemi güncel hava durumu aracına başvurabilir. Burada modelin görevi hava durumunu tahmin etmek değil, doğru aracı seçmek ve araçtan gelen veriyi yorumlamaktır.

Tool Calling Prompt örneği

Bir sisteme şu tür bir talimat verilebilir: “Kullanıcının sorusunu yanıtlamak için güncel veya harici bilgi gerekiyorsa mevcut araçlardan uygun olanını kullan. Araç kullanmadan güvenilir biçimde cevaplanabilecek sorularda gereksiz araç çağrısı yapma. Araçtan sonuç alınamazsa bilgi uydurma ve kullanıcıya işlemin tamamlanamadığını belirt.”

Bu prompt üç önemli davranışı belirler: ne zaman araç kullanılacağı, ne zaman kullanılmayacağı ve araç başarısız olduğunda ne yapılacağı.

Birden fazla araç olduğunda

Bir yapay zekâ sisteminde örneğin şu araçların bulunduğunu düşünelim:

Araç	Kullanım Amacı
Web Search	Güncel internet bilgisi bulmak
Calculator	Matematiksel hesaplama yapmak
Weather	Güncel hava durumu ve tahminleri almak
Calendar	Takvim bilgilerine erişmek
Database Search	Kurumsal veri tabanında arama yapmak
Code Interpreter	Kod çalıştırmak ve veri analiz etmek
Email	E-posta işlemlerini gerçekleştirmek

Kullanıcı: “Geçen ayki satış dosyamdaki ürünlerin ortalama satışlarını hesapla.”

dediğinde sistemin web araması yerine dosya/veri analizi veya kod çalıştırma aracını seçmesi gerekir.

Buna karşılık: “Bugünkü dolar kuru nedir?” sorusunda güncel veri sağlayan bir araç tercih edilmelidir.

Dolayısıyla Tool Calling’in önemli bileşenlerinden biri yalnızca araç kullanmak değil, doğru görev için doğru aracı seçmektir.

Tool Calling ve Function Calling arasındaki fark

Bu iki kavram birbirine oldukça yakındır ve terminoloji platformlara göre değişebilir. Genel bir ayrım şöyle yapılabilir:

Function Calling, modelin önceden tanımlanmış bir fonksiyon ile onun parametrelerini seçmesine odaklanır.

Tool Calling ise daha geniş anlamda modelin kullanabileceği harici araç ve yeteneklerin seçilmesi ve kullanılması sürecini ifade eder.

Örneğin:

Function Calling:

get_weather(city="Ankara")

Tool Calling:

Kullanıcının sorusunun güncel hava durumu gerektirdiğini belirle → hava durumu aracını seç → gerekli konumu belirle → aracı çalıştır → sonucu yorumla.

Bu nedenle kavramsal olarak Tool Calling’i daha geniş bir araç kullanım çerçevesi şeklinde değerlendirmek daha uygundur.

API Prompting, Function Calling ve Tool Calling farkı

Kavram	Temel Odak
API Prompting	Yapay zekâyı bir API ile çalışmaya yönlendirme
Function Calling	Uygun fonksiyon ve argümanları seçme
Tool Calling	Göreve uygun harici aracı seçme ve kullanma
JSON Prompting	Çıktıyı yapılandırılmış JSON biçiminde üretme

Örneğin kullanıcı “yarın Ankara’da hava nasıl?” dediğinde sistem Weather aracını seçebilir. Aracın altında get_forecast gibi bir fonksiyon bulunabilir; fonksiyon bir hava durumu API’sine bağlanabilir ve parametreler JSON benzeri yapılandırılmış veri biçiminde aktarılabilir.

Bu kavramlar dolayısıyla birbirinin alternatifi değil, aynı sistem mimarisinin farklı katmanlarını ifade edebilir.

Tool Calling’in önemli kullanım alanları

Tool Calling özellikle yapay zekânın gerçek dünya verileri ve sistemleriyle etkileşime geçmesi gereken uygulamalarda önemlidir.

Örneğin:

Güncel bilgi: Haberler, hava durumu, spor sonuçları, fiyatlar.

Hesaplama: Karmaşık matematiksel işlemler ve istatistiksel hesaplamalar.

Veri analizi: Excel, CSV veya veri tabanlarının analiz edilmesi.

Kurumsal sistemler: CRM, ERP ve veri tabanlarından bilgi alınması.

Kişisel üretkenlik: Takvim, e-posta ve görev sistemleriyle çalışma.

Kodlama: Kod çalıştırma, test etme ve çıktı üretme.

Etkili Tool Calling Prompt örneği

“Kullanıcının isteğini analiz et ve görevin yerine getirilmesi için harici bir araç gerekiyorsa mevcut araçlar arasından en uygun olanı seç. Araç için gerekli parametreleri kullanıcının verdiği bilgilerden çıkar. Zorunlu bir bilgi eksikse tahmin etme. Araçtan elde edilen verileri kullanıcıya açık ve anlaşılır biçimde sun. Araç sonucu ile kendi çıkarımlarını birbirine karıştırma ve araç başarısız olduğunda sonuç uydurma.”

Bu tür bir prompt özellikle araç seçimi, parametre oluşturma, eksik bilgi yönetimi ve sonuçların güvenilir biçimde sunulmasını birlikte kontrol eder.

Tool Calling’in temel avantajı

Geleneksel bir dil modeli esas olarak:

Soru → Metin üretimi

mantığıyla çalışırken araç kullanabilen bir sistem:

Soru → Planlama → Araç seçimi → Eylem → Gerçek sonuç → Yorumlama

zincirini gerçekleştirebilir.

Bu özellik, yapay zekânın yalnızca bilgi üreten bir sistemden belirli görevleri gerçekleştirebilen bir yapay zekâ ajanının bileşenine dönüşmesinde önemlidir.

Kısaca: Tool Calling Prompt, yapay zekâya “Bu görevi yerine getirmek için bir araca ihtiyacım var mı; varsa hangi aracı hangi bilgilerle kullanmalıyım?” sorularını çözdürmeye yönelik yaklaşımdır. Function Calling belirli fonksiyonların seçimine odaklanırken, Tool Calling web araması, veri analizi, hesaplama, dosya işleme ve harici sistemlere erişim gibi daha geniş bir araç kullanım ekosistemini kapsayabilir.