Home

/

Glossary

/

O que é tool calling (function calling)?

Tool calling, ou function calling, permite que um LLM peça a um software para agir. Como funciona, como os termos diferem e o que muda em ligações.

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.

Tool calling é o mesmo que function calling?

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."

TermoOnde apareceO que abrange
Function callingTítulo do guia da OpenAI, documentação da RetellO modelo preenche os argumentos de uma função que você descreveu com um JSON schema, e o seu código a executa
Tool callingOpenAI, IBM, o Retell vCX BenchmarkO mesmo mecanismo para qualquer ferramenta: suas funções, as ferramentas nativas de uma plataforma, ferramentas em um servidor MCP
Tool useDocumentação da AnthropicO 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

Como o tool calling funciona?

O guia da OpenAI descreve o tool calling como "uma conversa em várias etapas entre a sua aplicação e um modelo", com cinco passos:

  1. Ofereça as ferramentas. A aplicação envia ao modelo a conversa e uma lista de ferramentas que ele pode chamar.
  2. Receba uma chamada de ferramenta. Se for necessária uma ferramenta, o modelo responde com o nome dela e os argumentos.
  3. Execute. A aplicação executa o código ou a requisição à API.
  4. Retorne o resultado. A aplicação envia a saída da ferramenta de volta ao modelo.
  5. Obtenha a resposta. O modelo escreve a resposta a partir do resultado ou pede outra ferramenta.

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"}}

Diagrama de uma chamada de ferramenta durante uma ligação telefônica, em seis etapas. O cliente informa o número do pedido 78542. O LLM retorna uma chamada de ferramenta indicando get_order_status, com o número do pedido como argumento. A Retell envia uma requisição para a sua API e aguarda, e o agente pode dizer "Vou verificar isso para você" enquanto isso. A sua API retorna o status e a data de entrega. O resultado volta para o LLM. O agente diz "Seu pedido foi enviado ontem e chega na quinta-feira." O modelo pede e a aplicação age.
Uma chamada de ferramenta durante uma ligação: consulta de status de pedido por meio de uma função personalizada, seguindo o exemplo da documentação da Retell. Diagrama da Retell AI, novembro de 2026.

O que faz uma chamada de ferramenta dar certo ou falhar?

Duas coisas precisam dar certo. O modelo precisa escolher a ferramenta certa no momento certo e passar argumentos válidos.

  • As descrições orientam a escolha. A documentação da Anthropic diz que o Claude decide quando chamar uma ferramenta "com base na solicitação do usuário e na descrição da ferramenta". A documentação de funções personalizadas da Retell aponta descrições vagas como "o motivo mais comum para uma função nunca ser acionada".
  • Os schemas restringem os argumentos. O modo strict da OpenAI faz com que as chamadas de função "sigam o schema da função de forma confiável, em vez de apenas na base do melhor esforço".
  • Os benchmarks avaliam isso separadamente. Tool calling é uma das quatro suítes do Retell vCX Benchmark, ao lado de seguimento de instruções, grounding e fala coloquial. Ele testa "se o modelo seleciona a ação certa e passa argumentos válidos". O Tell-1, o LLM próprio da Retell, acerta 95,4% dos casos de tool calling (5º lugar nessa suíte) e ocupa o 1º lugar na média geral, em novembro de 2026 (ranking consultado em 13 de novembro de 2026). O artigo técnico sobre o LLM da Retell explica como o modelo é treinado e avaliado.

Como o tool calling funciona em uma ligação telefônica?

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:

  • Funções pré-configuradas: End Call, Transfer Call, Press Digits e Send SMS.
  • Ferramentas de integração: ações em um provedor conectado, como HubSpot, Salesforce, Zendesk ou Cal.com, sem nenhum endpoint para hospedar.
  • Funções personalizadas: o agente chama a sua própria API e usa a resposta.
  • Ferramenta de código: JavaScript executado no sandbox da Retell.
  • Ferramentas MCP: ferramentas em um servidor MCP remoto que você conecta.

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.

Perguntas frequentes sobre tool calling

Function calling é o mesmo que tool calling?

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.

O LLM executa a ferramenta sozinho?

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.

Qual é a diferença entre tool calling e MCP?

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.

O que acontece quando uma chamada de ferramenta falha durante uma ligação ao vivo?

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.

Por que um agente deixa de chamar uma ferramenta que deveria ter chamado?

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.

Conecte um agente de voz com IA aos seus sistemas

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.

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

Revolucione sua operação de chamadas com a Retell