Tool calling, também chamado de function calling (chamada de funções), é a forma como um modelo de linguagem de grande escala (LLM) realiza tarefas além do próprio texto: o modelo retorna o nome de uma ferramenta e argumentos estruturados, e a aplicação a executa.
O modelo nunca executa nada sozinho. Ele pede, e o software age. É isso que permite que um agente de IA consulte um pedido, agende um compromisso ou transfira uma chamada, em vez de apenas falar sobre isso.
No uso cotidiano, sim. Os fornecedores de modelos tratam os dois como nomes para um único mecanismo. O guia da OpenAI começa com "Function calling (também conhecido como tool calling)". A documentação da Anthropic começa com "Tool use (também chamado de function calling)". A IBM escreve "Tool calling, às vezes chamado de function calling".
Quando se faz alguma distinção, "ferramenta" é o termo mais amplo. O guia da OpenAI diz: "Uma função é um tipo específico de ferramenta, definida por um JSON schema."
| Termo | Onde aparece | O que abrange |
|---|---|---|
| Function calling | Título do guia da OpenAI, documentação da Retell | O modelo preenche os argumentos de uma função que você descreveu com um JSON schema, e o seu código a executa |
| Tool calling | OpenAI, IBM, o Retell vCX Benchmark | O mesmo mecanismo para qualquer ferramenta: suas funções, as ferramentas nativas de uma plataforma, ferramentas em um servidor MCP |
| Tool use | Documentação da Anthropic | O nome que a Anthropic dá ao mesmo mecanismo |
| MCP (Model Context Protocol) | modelcontextprotocol.io | "Um padrão de código aberto para conectar aplicações de IA a sistemas externos". Ele fornece ferramentas. O modelo continua decidindo quando chamar uma delas |
O guia da OpenAI descreve o tool calling como "uma conversa em várias etapas entre a sua aplicação e um modelo", com cinco passos:
A chamada em si tem poucas linhas de JSON. Este exemplo é da documentação de function calling da Retell:
{"function": "book_appointment", "arguments": {"date": "2024-03-15", "time": "14:00", "customer_name": "John Smith"}}

Duas coisas precisam dar certo. O modelo precisa escolher a ferramenta certa no momento certo e passar argumentos válidos.
Em uma ligação, o cliente espera enquanto a ferramenta é executada, então o tempo de resposta faz parte do design. A documentação da Retell lista as ferramentas que um agente de voz com IA pode chamar durante uma ligação:
Com uma função personalizada, a Retell "envia uma requisição para a sua URL com os argumentos da função e aguarda a sua resposta antes de continuar". O timeout padrão é de 120 segundos e, por padrão, não há nova tentativa. Se a requisição falhar, o agente recebe o erro e continua com base no seu prompt, então o prompt deve dizer o que informar ao cliente. O agente pode continuar falando enquanto aguarda, ou a função pode ser executada em segundo plano.
Em um fluxo de conversa, um nó de função executa a sua ferramenta toda vez que o fluxo entra nele. Um nó de subagente permite que o LLM decida se e quando chamar cada ferramenta.
Termos relacionados: integração de API e webhook. Para uma visão mais ampla, veja integrações de IA de voz com o seu CRM e a sua infraestrutura de telefonia.
Sim, no uso cotidiano. A OpenAI, a Anthropic e a IBM apresentam cada termo como outro nome para o outro. Em sentido estrito, uma função é um tipo de ferramenta.
Não. O modelo retorna o nome da ferramenta e os argumentos. A aplicação ou a plataforma executa a ferramenta e envia o resultado de volta.
Tool calling é a forma como um modelo pede uma ação. O MCP é um padrão de código aberto para conectar aplicações de IA aos sistemas que fornecem ferramentas.
Na Retell, o agente recebe o erro e continua a conversa com base no seu prompt. Uma função personalizada não é executada novamente, a menos que você defina um número de novas tentativas.
Geralmente, por causa da descrição. O modelo decide com base no nome da ferramenta, na descrição dela e no prompt, então deixe claro o que a ferramenta faz e quando usá-la.
A Retell AI é uma plataforma de agentes de voz com IA para centrais de atendimento. Os agentes dela chamam ferramentas pré-configuradas, de integração e personalizadas durante uma ligação ao vivo. Veja as integrações da Retell AI. Para executar essas ferramentas no LLM próprio da Retell, conheça o Tell-1.
How Retell handles audits, data retention and access control.
Table of contents