Home

/

Glossary

/

Hvad er tool calling (function calling)?

Tool calling, også kaldet function calling, lader en LLM bede software om at handle. Sådan virker det, forskellen på begreberne, og hvad der ændres i et opkald.

Tool calling, også kaldet function calling, er den måde, en stor sprogmodel (LLM) får udført arbejde uden for sin egen tekst på: Modellen returnerer navnet på et værktøj og strukturerede argumenter, og applikationen kører det.

Modellen kører aldrig selv noget. Den spørger, og softwaren handler. Derfor kan en AI-agent tjekke en ordre, booke et møde eller viderestille et opkald i stedet for kun at tale om det.

Er tool calling det samme som function calling?

I daglig brug, ja. Modeludbyderne behandler de to som navne for én og samme mekanisme. OpenAIs guide indleder med "Function calling (also known as tool calling)". Anthropics dokumentation indleder med "Tool use (also called function calling)". IBM skriver "Tool calling, sometimes referred to as function calling".

Hvor der trækkes en grænse, er "tool" det bredeste ord. OpenAIs guide siger: "En funktion er en bestemt slags værktøj, defineret af et JSON-skema."

BegrebHvor du ser detHvad det dækker
Function callingTitlen på OpenAIs guide, Retell-dokumentationenModellen udfylder argumenter til en funktion, du har beskrevet med et JSON-skema, og din kode kører den
Tool callingOpenAI, IBM, Retell vCX BenchmarkSamme mekanisme for ethvert værktøj: dine funktioner, en platforms indbyggede værktøjer, værktøjer på en MCP-server
Tool useAnthropics dokumentationAnthropics navn for samme mekanisme
MCP (Model Context Protocol)modelcontextprotocol.io"En open source-standard til at forbinde AI-applikationer med eksterne systemer". Den leverer værktøjer. Modellen bestemmer stadig, hvornår et af dem skal kaldes

Hvordan fungerer tool calling?

OpenAIs guide beskriver tool calling som "en samtale i flere trin mellem din applikation og en model" med fem trin:

  1. Tilbyd værktøjerne. Applikationen sender modellen samtalen og en liste over værktøjer, den kan kalde.
  2. Modtag et værktøjskald. Hvis der er brug for et værktøj, svarer modellen med værktøjets navn og argumenter.
  3. Kør det. Applikationen udfører koden eller API-anmodningen.
  4. Returner resultatet. Applikationen sender værktøjets output tilbage til modellen.
  5. Få svaret. Modellen skriver sit svar ud fra resultatet eller beder om et andet værktøj.

Selve kaldet er nogle få linjer JSON. Dette eksempel stammer fra Retell-dokumentationen om function calling:

{"function": "book_appointment", "arguments": {"date": "2024-03-15", "time": "14:00", "customer_name": "John Smith"}}

Diagram over ét værktøjskald under et telefonopkald i seks trin. Den, der ringer, oplyser ordrenummer 78542. LLM'en returnerer et værktøjskald, der angiver get_order_status med ordrenummeret som argument. Retell sender en anmodning til dit API og venter, og agenten kan imens sige "Lad mig lige slå det op for dig". Dit API returnerer status og leveringsdato. Resultatet sendes tilbage til LLM'en. Agenten siger "Din ordre blev afsendt i går og ankommer torsdag." Modellen spørger, og applikationen handler.
Ét værktøjskald under et telefonopkald: et opslag af ordrestatus via en brugerdefineret funktion, efter eksemplet i Retell-dokumentationen. Diagram af Retell AI, november 2026.

Hvad får et værktøjskald til at lykkes eller mislykkes?

To ting skal gå rigtigt. Modellen skal vælge det rigtige værktøj på det rigtige tidspunkt, og den skal sende gyldige argumenter.

  • Beskrivelser styrer valget. Ifølge Anthropics dokumentation beslutter Claude, hvornår et værktøj skal kaldes, "ud fra brugerens anmodning og værktøjets beskrivelse". Retell-dokumentationen om brugerdefinerede funktioner kalder vage beskrivelser "den mest almindelige årsag til, at en funktion aldrig udløses".
  • Skemaer begrænser argumenterne. OpenAIs strict mode får funktionskald til at "overholde funktionsskemaet pålideligt i stedet for at være best effort".
  • Benchmarks måler det for sig. Tool calling er en af fire testsuiter på Retell vCX Benchmark ved siden af instruktionsefterlevelse, grounding og dagligdags tale. Den tester, "om modellen vælger den rigtige handling og sender gyldige argumenter". Tell-1, den LLM, Retell selv har udviklet, består 95,4 % af tool calling-testene (nr. 5 i den suite) og ligger nr. 1 i det samlede gennemsnit pr. november 2026 (resultattavlen aflæst 13. november 2026). Det tekniske indlæg om Retell LLM forklarer, hvordan modellen trænes og bedømmes.

Hvordan fungerer tool calling i et telefonopkald?

Under et opkald venter den, der ringer, mens værktøjet kører, så timing er en del af designet. Retell-dokumentationen oplister de værktøjer, en AI-stemmeagent kan kalde under et opkald:

  • Færdigbyggede funktioner: End Call, Transfer Call, Press Digits og Send SMS.
  • Integrationsværktøjer: handlinger hos en tilsluttet udbyder som HubSpot, Salesforce, Zendesk eller Cal.com, uden et endpoint, du skal hoste.
  • Brugerdefinerede funktioner: agenten kalder dit eget API og bruger svaret.
  • Kodeværktøj: JavaScript, der kører i Retell-sandboxen.
  • MCP-værktøjer: værktøjer på en ekstern MCP-server, som du forbinder.

Med en brugerdefineret funktion "sender Retell en anmodning til din URL med funktionens argumenter og venter på dit svar, før den fortsætter". Timeout er som standard 120 sekunder, og der er som standard ingen genforsøg. Hvis anmodningen fejler, modtager agenten fejlen og fortsætter ud fra din prompt, så prompten bør angive, hvad den, der ringer, skal have at vide. Agenten kan tale, mens den venter, eller funktionen kan køre i baggrunden.

I et conversation flow kører en funktionsnode sit værktøj, hver gang flowet går ind i den. En subagent-node lader LLM'en afgøre, om og hvornår hvert værktøj skal kaldes.

Relaterede begreber: API-integration og webhook. Det store billede finder du i stemme-AI-integrationer med dit CRM og din telefonistack.

Ofte stillede spørgsmål om tool calling

Er function calling det samme som tool calling?

Ja, i daglig brug. OpenAI, Anthropic og IBM angiver hver især det ene begreb som et andet navn for det andet. Strengt taget er en funktion én slags værktøj.

Kører LLM'en selv værktøjet?

Nej. Modellen returnerer værktøjets navn og argumenter. Applikationen eller platformen kører værktøjet og sender resultatet tilbage.

Hvad er forskellen på tool calling og MCP?

Tool calling er den måde, en model beder om en handling på. MCP er en open source-standard til at forbinde AI-applikationer med de systemer, der leverer værktøjer.

Hvad sker der, når et værktøjskald fejler under et live opkald?

Hos Retell modtager agenten fejlen og fortsætter samtalen ud fra din prompt. En brugerdefineret funktion forsøges ikke igen, medmindre du angiver et antal genforsøg.

Hvorfor springer en agent et værktøj over, som den burde have kaldt?

Som regel skyldes det beskrivelsen. Modellen beslutter ud fra værktøjets navn, dets beskrivelse og prompten, så beskriv, hvad værktøjet gør, og hvornår det skal bruges.

Forbind en AI-stemmeagent med dine systemer

Retell AI er en platform for AI-stemmeagenter til kontaktcentre. Dens agenter kalder færdigbyggede værktøjer, integrationsværktøjer og brugerdefinerede værktøjer under et live opkald. Se integrationerne i Retell AI. Vil du køre disse værktøjer på den LLM, Retell selv har udviklet, så se Tell-1.

Security & compliance for regulated deployments

How Retell handles audits, data retention and access control.

Add Retell AI as a preferred source on Google

Further Reading

Related terms

No items found.

Table of contents

Revolutioner din opkaldsdrift med Retell