Function Calling Prompt

Function Calling Prompt, yapay zekâ modelinin kullanıcı isteğini analiz ederek önceden tanımlanmış fonksiyonlardan veya araçlardan hangisinin çağrılması gerektiğini ve bu fonksiyona hangi parametrelerin gönderileceğini belirlemesine yönelik promptlama yaklaşımıdır. Model burada işlemi doğrudan kendisi yapmak yerine, uygun fonksiyon ile kullanıcı arasındaki karar ve yönlendirme katmanı olarak çalışır.

Örneğin bir sistemde şu fonksiyonun tanımlandığını düşünelim:

hava_durumu_getir(sehir, tarih)

Kullanıcı: “Yarın Ankara’da hava nasıl olacak?” dediğinde model, kullanıcının amacını yorumlayarak uygun fonksiyonu ve gerekli parametreleri belirleyebilir:

{
  "function": "hava_durumu_getir",
  "arguments": {
    "sehir": "Ankara",
    "tarih": "2026-08-22"
  }
}

Fonksiyon gerçek hava durumu verisini aldıktan sonra model, dönen sonucu kullanıcı için anlaşılır bir yanıta dönüştürebilir.

Function Calling ne işe yarar?

Büyük dil modelleri tek başlarına her zaman güncel veya harici verilere erişemez. Function Calling, modeli dış sistemlere bağlayarak gerçek işlemlerin gerçekleştirilmesine olanak sağlayan uygulama mimarilerinde kullanılır.

Örneğin model uygun fonksiyonlar tanımlanmışsa;

hava durumunu sorgulama, takvim etkinliği oluşturma, veri tabanında arama yapma, ürün stok durumunu kontrol etme, kargo durumunu sorgulama, rezervasyon sistemiyle çalışma veya kurumsal yazılımdan bilgi alma

gibi görevlerde kullanılabilir.

Basit örnek

Bir e-ticaret sisteminde şu fonksiyon bulunduğunu varsayalım:

siparis_sorgula(siparis_no)

Kullanıcı: “45892 numaralı siparişim nerede?”

dediğinde yapay zekâ, bunun genel bilgi sorusu olmadığını ve sipariş sisteminden veri alınması gerektiğini belirler. Ardından ilgili fonksiyon için gerekli siparis_no parametresini çıkarır.

Bu süreç kabaca şöyledir:

Kullanıcı isteği → Niyetin anlaşılması → Uygun fonksiyonun seçilmesi → Parametrelerin oluşturulması → Fonksiyonun çalıştırılması → Sonucun modele dönmesi → Kullanıcıya yanıt verilmesi

Function Calling Prompt’un temel bileşenleri

Bileşen	Açıklama	Örnek
Fonksiyon adı	Kullanılabilecek işlemi tanımlar	urun_ara
Fonksiyon açıklaması	Fonksiyonun ne yaptığını açıklar	Ürün kataloğunda arama yapar
Parametreler	Fonksiyonun ihtiyaç duyduğu bilgiler	kategori, fiyat_limiti
Veri türleri	Parametrelerin biçimini belirler	string, number
Zorunlu alanlar	İşlem için gerekli değerler	kategori
Seçim kuralları	Fonksiyonun ne zaman kullanılacağını belirler	Kullanıcı ürün arıyorsa çağır
Eksik bilgi davranışı	Eksik parametrede ne yapılacağını belirler	Kullanıcıdan bilgi iste

Function Calling Prompt örneği

Bir otel rezervasyon sisteminde şu talimat verilebilir: “Kullanıcı otel aramak istediğinde hotel_search fonksiyonunu kullan. Şehir, giriş tarihi, çıkış tarihi ve misafir sayısını kullanıcının mesajından belirle. Kullanıcının belirtmediği zorunlu bilgileri tahmin etme. Gerekli bir parametre eksikse fonksiyonu çağırmadan önce kullanıcıdan bu bilgiyi iste.”

Kullanıcı: “15 Eylül’de İstanbul’da iki kişilik otel arıyorum.”

derse çıkış tarihi belirtilmediği için sistemin bunu kendiliğinden uydurması yerine eksik bilgiyi istemesi sağlanabilir.

Function Calling ile API Prompting arasındaki fark

İki kavram yakından ilişkilidir ancak aynı değildir.

API Prompting, yapay zekânın bir API ile çalışmasına yönelik daha genel bir yönlendirme yaklaşımıdır.

Function Calling, modele önceden tanımlanmış fonksiyonların ve bunların parametre yapılarının sunulması ve modelin kullanıcı isteğine göre uygun fonksiyonu ve argümanları seçmesi mekanizmasına odaklanır.

Örneğin:

API Prompting: “Kullanıcının isteğini hava durumu API’sinin ihtiyaç duyduğu parametrelere dönüştür.”

Function Calling: Kullanıcı “Ankara’nın yarınki hava durumunu göster” dediğinde modelin tanımlanmış get_weather fonksiyonunu uygun argümanlarla seçmesi.

Dolayısıyla Function Calling, API entegrasyonunun uygulanmasında kullanılabilecek daha yapılandırılmış araçlardan biridir.

JSON Prompting ile farkı

JSON Prompting’de amaç çoğunlukla modelden yapılandırılmış JSON çıktısı almaktır.

Function Calling’de ise yapılandırılmış parametreler genellikle gerçek bir fonksiyonun çalıştırılması amacıyla oluşturulur.

JSON Prompting: “Bu sipariş bilgisini JSON’a dönüştür.”

Function Calling: “Bu siparişin durumunu öğrenmek için uygun fonksiyonu ve gerekli parametreleri belirle.”

Bu nedenle her JSON çıktısı bir fonksiyon çağrısı değildir.

Birden fazla fonksiyon olduğunda

Function Calling’in önemli avantajlarından biri, modelin birden fazla araç arasından uygun olanı seçebilmesidir. Örneğin sistemde:

hava_durumu_getir()
ucus_ara()
otel_ara()
takvime_ekle()

fonksiyonları bulunabilir.

Kullanıcı: “Önümüzdeki cuma İstanbul’dan Roma’ya uçuş bul.” dediğinde modelin ucus_ara() fonksiyonunu seçmesi beklenir.

Kullanıcı daha sonra: “Bunu takvimime ekle.” derse bu kez takvime_ekle() fonksiyonu kullanılabilir.

Tool Calling ile ilişkisi

Güncel yapay zekâ sistemlerinde Tool Calling daha geniş bir kavram olarak kullanılmaktadır. Bir araç yalnızca klasik bir yazılım fonksiyonu olmayabilir; web araması, kod çalıştırma, dosya işleme, veri tabanı sorgulama veya harici hizmetlere erişim gibi yetenekleri de temsil edebilir.

Bu nedenle genel olarak:

Function Calling ⊂ Tool Calling

şeklinde düşünülebilir. Function Calling belirli fonksiyonların çağrılmasına odaklanırken Tool Calling daha geniş bir harici araç kullanımı çerçevesidir.

Etkili Function Calling için temel yapı

İyi tasarlanmış bir sistemde şu unsurlar açık olmalıdır:

Fonksiyon tanımı + fonksiyonun kullanım amacı + parametre şeması + zorunlu alanlar + fonksiyon seçim kuralları + eksik bilgi davranışı + hata yönetimi

Örneğin: “Kullanıcı mevcut bir siparişin durumunu soruyorsa get_order_status fonksiyonunu kullan. order_id zorunludur. Kullanıcı sipariş numarasını vermemişse tahmin etme; numarayı iste. Fonksiyon hata döndürürse siparişin kayıp olduğunu varsayma ve yalnızca sorgulamanın tamamlanamadığını bildir.”

Bu son kısıt özellikle önemlidir; modelin araçtan gelmeyen bilgileri uydurmasını engellemeye yardımcı olur.

Kısaca: Function Calling Prompt, yapay zekânın “Bu isteği karşılamak için hangi fonksiyonu kullanmalıyım ve fonksiyona hangi parametreleri göndermeliyim?” sorularını çözmesine yönelik yapılandırılmış bir yaklaşımdır. Yapay zekâ destekli uygulamaların yalnızca metin üretmek yerine gerçek sistemler, veriler ve işlemlerle etkileşime girmesinde temel mekanizmalardan biridir.