Tool calling, ook wel function calling genoemd, is de manier waarop een groot taalmodel (LLM) werk verzet buiten zijn eigen tekst: het model geeft de naam van een tool en gestructureerde argumenten terug, en de applicatie voert die tool uit.
Het model voert zelf nooit iets uit. Het vraagt, en software handelt. Daardoor kan een AI-agent een bestelling controleren, een afspraak inplannen of een gesprek doorverbinden, in plaats van er alleen over te praten.
In het dagelijks gebruik wel. De aanbieders van modellen behandelen beide als namen voor één mechanisme. De gids van OpenAI begint met "Function calling (ook wel tool calling genoemd)". De documentatie van Anthropic begint met "Tool use (ook wel function calling genoemd)". IBM schrijft "Tool calling, soms ook function calling genoemd".
Waar er wel een onderscheid wordt gemaakt, is "tool" het bredere begrip. De gids van OpenAI zegt: "Een function is een specifiek soort tool, gedefinieerd door een JSON-schema."
| Term | Waar je het tegenkomt | Wat het omvat |
|---|---|---|
| Function calling | Titel van de gids van OpenAI, documentatie van Retell | Het model vult argumenten in voor een function die je met een JSON-schema hebt beschreven, en jouw code voert die uit |
| Tool calling | OpenAI, IBM, de Retell vCX Benchmark | Hetzelfde mechanisme voor elke tool: je eigen functions, de ingebouwde tools van een platform, tools op een MCP-server |
| Tool use | Documentatie van Anthropic | De naam die Anthropic gebruikt voor hetzelfde mechanisme |
| MCP (Model Context Protocol) | modelcontextprotocol.io | "Een opensourcestandaard voor het koppelen van AI-applicaties aan externe systemen". Het levert tools. Het model beslist nog steeds wanneer het er een aanroept |
De gids van OpenAI beschrijft tool calling als "een gesprek in meerdere stappen tussen je applicatie en een model", met vijf stappen:
De aanroep zelf bestaat uit een paar regels JSON. Dit voorbeeld komt uit de documentatie van Retell over function calling:
{"function": "book_appointment", "arguments": {"date": "2024-03-15", "time": "14:00", "customer_name": "John Smith"}}

Twee dingen moeten goed gaan. Het model moet op het juiste moment de juiste tool kiezen, en het moet geldige argumenten doorgeven.
Tijdens een gesprek wacht de beller terwijl de tool draait, dus timing is onderdeel van het ontwerp. De documentatie van Retell noemt de tools die een AI-stemagent tijdens een gesprek kan aanroepen:
Bij een custom function "stuurt Retell een verzoek naar je URL met de argumenten van de function en wacht het op je antwoord voordat het verdergaat". De timeout staat standaard op 120 seconden en standaard wordt er niet opnieuw geprobeerd. Als het verzoek mislukt, ontvangt de agent de foutmelding en gaat hij verder op basis van je prompt, dus de prompt moet aangeven wat de agent de beller vertelt. De agent kan praten terwijl hij wacht, of de function kan op de achtergrond draaien.
In een conversation flow voert een function node zijn tool uit telkens wanneer de flow die node bereikt. Met een subagent node beslist de LLM zelf of en wanneer elke tool wordt aangeroepen.
Gerelateerde termen: API-integratie en webhook. Voor het bredere plaatje, zie voice-AI-integraties met je CRM en telefoniestack.
Ja, in het dagelijks gebruik. OpenAI, Anthropic en IBM geven de ene term elk als andere naam voor de andere. Strikt genomen is een function één soort tool.
Nee. Het model geeft de naam en de argumenten van de tool terug. De applicatie of het platform voert de tool uit en stuurt het resultaat terug.
Tool calling is de manier waarop een model om een actie vraagt. MCP is een opensourcestandaard voor het koppelen van AI-applicaties aan de systemen die tools leveren.
Bij Retell ontvangt de agent de foutmelding en zet hij het gesprek voort op basis van je prompt. Een custom function wordt niet opnieuw geprobeerd, tenzij je een aantal herhaalpogingen instelt.
Meestal ligt het aan de beschrijving. Het model beslist op basis van de naam van de tool, de beschrijving en de prompt, dus beschrijf wat de tool doet en wanneer hij gebruikt moet worden.
Retell AI is een platform voor AI-stemagenten voor contactcenters. De agenten roepen tijdens een live gesprek kant-en-klare tools, integratietools en custom tools aan. Bekijk de integraties van Retell AI. Wil je die tools draaien op de eigen LLM van Retell, bekijk dan Tell-1.
How Retell handles audits, data retention and access control.
Table of contents