Function Calling이란?

LLM에게 "이런 Tool들이 있어"라고 알려주면, LLM이 스스로 언제 어떤 Tool을 쓸지 결정한다.

이것이 OpenAI의 Function Calling 이다.

---

전체 API 호출 구조

from openai import OpenAI
import json

client = OpenAI()

# 1. Tool 정의
tools = [
    {
        "type": "function",
        "function": {
            "name": "get_equipment_status",
            "description": "설비 상태 조회...",
            "parameters": {
                "type": "object",
                "properties": {
                    "equipment_id": {
                        "type": "string",
                        "description": "설비 ID"
                    }
                },
                "required": ["equipment_id"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "check_inventory",
            "description": "부품/자재 재고 확인...",
            "parameters": {
                "type": "object",
                "properties": {
                    "item_code": {
                        "type": "string",
                        "description": "부품 코드"
                    }
                },
                "required": ["item_code"]
            }
        }
    }
]

# 2. LLM 호출 (tools 전달)
response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[
        {"role": "system", "content": "설비 관리 Agent입니다."},
        {"role": "user", "content": "CNC-001 상태 알려줘"}
    ],
    tools=tools,          # Tool 목록
    tool_choice="auto"    # LLM이 자동 판단
)

# 3. 결과 확인
message = response.choices[0].message
if message.tool_calls:
    # Tool 호출 필요
    for tc in message.tool_calls:
        print(f"Tool: {tc.function.name}")
        print(f"Args: {tc.function.arguments}")
else:
    # 직접 응답
    print(message.content)

---

tool_choice 옵션

옵션	의미	사용 시기
"auto"	LLM이 알아서 결정	일반적인 경우 (권장)
"none"	Tool 사용 금지	일반 대화만 원할 때
"required"	반드시 Tool 사용	항상 조회가 필요할 때
{"type": "function", "function": {"name": "..."}}	특정 Tool 강제	테스트, 특수 상황

# 예: 설비 상태 질문이면 반드시 Tool 호출
response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=messages,
    tools=tools,
    tool_choice="required"  # 무조건 Tool 호출
)

제조 현장 팁: 설비 상태 조회는 "required"를 쓰는 게 좋다. 추측이 아니라 반드시 실제 데이터를 조회해야 하니까.

---

병렬 Tool 호출

하나의 질문에서 여러 Tool이 동시에 호출될 수 있다.

# 질문: "CNC-001이랑 CNC-003 상태 비교해줘"

# LLM 응답: 2개의 tool_calls
message.tool_calls = [
    {
        "id": "call_001",
        "function": {
            "name": "get_equipment_status",
            "arguments": '{"equipment_id": "CNC-001"}'
        }
    },
    {
        "id": "call_002",
        "function": {
            "name": "get_equipment_status",
            "arguments": '{"equipment_id": "CNC-003"}'
        }
    }
]

# 처리: 각 호출 결과를 개별 메시지로 추가
for tc in message.tool_calls:
    args = json.loads(tc.function.arguments)
    result = get_equipment_status(**args)
    messages.append({
        "role": "tool",
        "tool_call_id": tc.id,   # 반드시 매칭!
        "content": result
    })

---

메시지 흐름 정리

일반 대화:
  user -> assistant

Tool 1회 호출:
  user -> assistant(tool_calls) -> tool(결과) -> assistant(최종답)

Tool 2회 연쇄 호출:
  user -> assistant(tool_calls 1) -> tool(결과 1)
       -> assistant(tool_calls 2) -> tool(결과 2)
       -> assistant(최종답)

병렬 Tool 호출:
  user -> assistant(tool_calls [A, B])
       -> tool_A(결과), tool_B(결과)
       -> assistant(최종답)

---

Anthropic Claude의 Tool Use (비교)

OpenAI와 거의 동일하지만 형식이 조금 다르다.

import anthropic

client = anthropic.Anthropic()

# Claude Tool 정의
tools = [
    {
        "name": "get_equipment_status",
        "description": "설비 상태 조회...",
        "input_schema": {           # OpenAI: parameters
            "type": "object",
            "properties": {
                "equipment_id": {
                    "type": "string",
                    "description": "설비 ID"
                }
            },
            "required": ["equipment_id"]
        }
    }
]

response = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    tools=tools,
    messages=[
        {"role": "user", "content": "CNC-001 상태 알려줘"}
    ]
)

항목	OpenAI	Anthropic
Tool 정의 키	parameters	input_schema
응답 구조	tool_calls 배열	content 블록
Tool 결과 role	"tool"	"user" (tool_result)
모델	gpt-4o-mini	claude-sonnet

핵심 개념은 동일하다. Schema를 정의하고, LLM이 판단하고, 결과를 돌려준다.