LLM Function Calling（エルエルエムファンクションコーリング）

LLM Function Callingとは

LLM Function Calling（関数呼び出し）は、大規模言語モデルが外部ツールや関数を構造化された形式で呼び出す機能。2023年6月にOpenAIがGPT-3.5/GPT-4向けに初導入し、AIエージェント開発に革命をもたらした。

基本動作フロー

1. ツール定義: 開発者がJSONスキーマで利用可能な関数を定義
2. ユーザー入力: 自然言語で要求を送信（例: 「東京の今日の天気は?」）
3. モデル判断: LLMが要求に最適なツールを選択
4. 関数呼び出し生成: モデルが構造化されたJSON形式で呼び出し引数を出力
5. 実行と返却: アプリが実際に関数を実行し結果をモデルへ返却
6. 最終応答生成: モデルが結果を自然言語に変換してユーザーへ提示

2025年の主要実装

OpenAI Tools API

• toolsパラメータでtool定義配列を渡す
• tool_choiceで強制呼び出しや特定ツール指定が可能
• Parallel tool callsで複数関数を同時実行

Anthropic Claude Tool Use

• tools配列にname/description/input_schemaを定義
• tool_useコンテンツブロックで呼び出し情報を返却
• Extended Thinkingと組み合わせた複雑推論に対応

Google Gemini Function Calling

• FunctionDeclarationでツール仕様を定義
• FunctionCallレスポンスで呼び出し情報取得
• Vertex AI統合でエンタープライズ活用可能

ユースケース

• 情報取得: 天気・株価・ニュースAPIの動的取得
• データ操作: データベースCRUD操作の自然言語インターフェース
• コード実行: Pythonサンドボックスでの計算・データ分析
• 外部サービス連携: カレンダー登録・メール送信・Slack通知
• RAG強化: ベクトルDBへのリアルタイム検索

実装上の注意点

• スキーマ精度: JSONスキーマの記述品質が呼び出し精度に直結
• エラー処理: 関数実行失敗時のモデルへのエラー返却設計が重要
• セキュリティ: プロンプトインジェクション経由の不正関数実行リスクへの対策
• コスト管理: マルチステップ呼び出しでのトークン累積コスト注意

関連概念

Tool UseやFunction Callingは実質同義で、各社の呼称が異なるだけ。LangChainやLlamaIndexなどのフレームワークはこの機能を抽象化し、プロバイダー非依存の統一APIを提供している。