Function Calling / Tool Use: LLM 도구 사용

2026년 6월 29일 · 수정 2026년 6월 29일 · 📖 약 1분 · 266자/단어 #ai #llm #function-calling #agent

정의

Function Calling (또는 Tool Use) 은 LLM 이 정의된 함수/도구를 호출 인자를 생성 하는 기능. JSON schema 로 함수 시그니처를 알려주면, LLM 이 사용자 질의에 맞는 함수와 인자를 JSON 으로 반환.

OpenAI (2023), Anthropic Claude, Google Gemini, 오픈소스 (Llama 3.1+) 모두 지원.

예시

함수 스펙 정의

{
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "Get current weather for a city",
        "parameters": {
            "type": "object",
            "properties": {
                "city": { "type": "string" },
                "unit": { "enum": ["C", "F"], "default": "C" }
            },
            "required": ["city"]
        }
    }
}

대화

사용자: “서울 날씨 알려줘”

LLM 응답:

{
    "tool_calls": [{
        "function": "get_weather",
        "arguments": { "city": "Seoul", "unit": "C" }
    }]
}

실행 후 결과 재주입

tool result: {"temp": 22, "condition": "sunny"}

LLM 이 최종 답변 생성: “서울은 현재 22°C 로 맑습니다.”

Agent 프레임워크

Function calling 을 반복적으로 활용:

ReAct: Reasoning + Acting 사이클
LangChain, LlamaIndex: 도구 오케스트레이션
MCP (Model Context Protocol): Anthropic 의 표준 (2024)

함정

오호출: LLM 이 없는 함수를 호출하려 함. 스키마 검증 필수.
인자 hallucination: 필수 필드 누락, enum 아닌 값 반환
무한 루프: 도구 결과가 계속 다음 도구 호출 트리거
토큰 낭비: 도구 스펙 자체가 큰 컨텍스트 소비

참고

관련 LLM RAG
관련 HELM