--- title: "Function calling (LLM) (CS)" source: "https://systems-analysis.info/int/Function_calling_(LLM)_(CS)" wiki: "systems-analysis.info/int" article: "Function_calling_(LLM)_(CS)" language: "cs" categories: - "Category:Czech" - "Category:Large language models" - "Category:Machine learning" - "Category:Prompt engineering" revision_id: 2326 wiki_created_at: 2026-09-06T23:02:11Z wiki_modified_at: 2026-09-06T23:02:11Z downloaded_at: 2026-09-07T22:50:30Z --- # Function calling (LLM) (CS) **Function Calling** (**Volání funkcí**) — je mechanismus ve velkých jazykových modelech (LLM), který umožňuje modelu interagovat s externími nástroji a API generováním strukturovaných dat (zpravidla JSON) pro volání funkcí namísto přímé textové odpovědi[\[1\]](https://systems-analysis.info/int/Function_calling_(LLM)_(CS)#cite_note-hopsworks_whatis-1). Jinak řečeno, model na základě dotazu uživatele určuje, kterou funkci z nabízené sady je třeba zavolat a s jakými parametry. Tento mechanismus rozšiřuje oblast použití LLM a umožňuje jim sloužit jako rozhraní mezi přirozeným jazykem a praktickými akcemi. To otevírá možnosti pro integraci AI s externími systémy: model může dotazovat aktuální data, provádět operace nebo využívat služby, což je zvláště cenné při vytváření inteligentních asistentů a autonomních agentů. Využívání externích nástrojů také snižuje riziko halucinací (vymyšlených faktů) díky odkazu na důvěryhodné zdroje[\[2\]](https://systems-analysis.info/int/Function_calling_(LLM)_(CS)#cite_note-dark_side_paper-2). ## Historie a přístupy k implementaci ### Rané přístupy (prompting a Toolformer) Myšlenka naučit jazykové modely volat nástroje se formovala v letech 2022–2023. Rané přístupy byly založeny na technologiích složitého promptingu. Tak například v roce 2022 bylo navrženo schéma **ReAct**, kde model v průběhu dialogu střídal uvažování a akce (volání nástrojů) zakódované v jednom textu. Klíčovým krokem byl vznik modelu **Toolformer**, představeného výzkumníky Meta začátkem roku 2023. Toolformer demonstroval, že LLM lze speciálně dotrénovat, aby samostatně volal externí nástroje (kalkulačka, vyhledávač, kalendář) na základě textových podnětů a vkládal do generovaného textu speciální tokeny volání API[\[3\]](https://systems-analysis.info/int/Function_calling_(LLM)_(CS)#cite_note-toolformer_paper-3). ### Oficiální podpora a vývoj Významný milník zaznamenala společnost OpenAI, která v červnu 2023 oficiálně zavedla podporu Function Calling ve svých API pro modely GPT-3.5 a GPT-4[\[4\]](https://systems-analysis.info/int/Function_calling_(LLM)_(CS)#cite_note-openai_fc_announcement-4). Nové verze modelů byly dotréneny rozpoznávat situace, kdy uživatelský dotaz předpokládá obrácení se na externí funkci, a generovat přesně strukturovaný JSON objekt s argumenty. Společnost OpenAI označila tuto možnost jako „nový způsob spolehlivého propojení GPT s externími nástroji a API". ### Otevřené iniciativy Po komerčních implementacích se objevily otevřené modely dotrénované pro generování správných volání funkcí. - **Gorilla**: Projekt UC Berkeley, dotrénovaná verze LLaMA schopná formovat volání tisíců různých API. Pro hodnocení takových modelů byl vytvořen benchmark Berkeley Function-Calling Leaderboard[\[5\]](https://systems-analysis.info/int/Function_calling_(LLM)_(CS)#cite_note-gorilla_site-5). - **ToolAlpaca**, **ToolLLaMA**, **Hermes**: Série otevřených modelů dotrénovaných na syntetických příkladech volání funkcí, často generovaných výkonnějšími modely. ## Mechanismus fungování Proces využívání Function Calling zpravidla zahrnuje několik kroků: 1. **Definice funkcí**. Vývojář předem definuje sadu funkcí dostupných modelu (například externích API) a popisuje jejich signatury a účel, zpravidla ve formátu JSON Schema. 2. **Analýza dotazu**. Během dialogu model analyzuje záměr uživatele a samostatně rozhoduje, zda má pro odpověď zavolat jednu z definovaných funkcí. 3. **Generování volání**. Pokud je akce vyžadována, LLM místo běžného textu generuje speciální strukturovaný výstup (například JSON s názvem funkce a argumenty). Pokud volání není vyžadováno, model vrátí běžnou textovou odpověď. 4. **Vykonání funkce**. Externí program (obálka chatbota nebo agent) obdrží JSON, provede skutečné volání uvedené funkce s navrženými parametry a předá výsledek zpět modelu. 5. **Vytvoření finální odpovědi**. Model využije získaná data pro generování závěrečné odpovědi uživateli[\[4\]](https://systems-analysis.info/int/Function_calling_(LLM)_(CS)#cite_note-openai_fc_announcement-4). Pro řízení tohoto vícekrokového procesu se při trénování modelů používají speciální formáty dialogu, například markup ChatML od OpenAI, kde je kromě rolí „uživatel" a „asistent" zavedena role „funkce" pro předávání výsledků volání. ## Využití a výhody Možnost volat funkce výrazně rozšiřuje spektrum úloh řešitelných pomocí LLM. - **Integrace s externími API**. Model může odpovídat na dotazy vyžadující aktuální informace voláním externích služeb (například pro získání počasí, kurzů měn, zpráv). - **Automatizace akcí uživatele**. LLM může vykonávat rutinní úkoly: odesílat e-maily, vytvářet události v kalendáři, zadávat objednávky v internetových obchodech. - **Přístup k databázím a analýze**. Dotazy v přirozeném jazyce mohou být překládány do volání interních API nebo SQL dotazů pro získávání a analýzu dat. - **Extrakce strukturovaných informací**. LLM může sama vyhledávat fakta z dlouhého textu (například jména, data, adresy) a vracet je jako strukturované JSON pole, vhodné pro následné programové zpracování. ## Bezpečnostní problémy Function Calling rozšiřuje možnosti modelů, zároveň však přináší nová rizika. - **Neověřené výstupy**. Interakce modelu s externími nástroji musí být pečlivě zabezpečena. Pokud model obdrží z API škodlivou nebo chybnou hodnotu, může ji zahrnout do odpovědi nebo na jejím základě zavolat jinou funkci, což povede k nepředvídatelným důsledkům. - **Útoky prostřednictvím argumentů funkcí**. Výzkumníci odhalili zranitelnosti specifické pro režim Function Calling. V roce 2025 byl demonstrován útok nazvaný „Temná strana Function Calling". Jeho podstata spočívá v nabídnutí modelu speciální „funkce", uvnitř jejichž argumentů je skryta zakázaná instrukce (*jailbreak payload*). Model, řídící se principem volání funkce, generuje argumenty obsahující obsah porušující pravidla, a tím obchází moderační filtry. Testování ukázalo úspěch útoku ve více než **90 %** případů na šesti současných modelech, včetně GPT-4 a Claude[\[2\]](https://systems-analysis.info/int/Function_calling_(LLM)_(CS)#cite_note-dark_side_paper-2). Pro prevenci takových incidentů se doporučuje poskytovat modelu pouze důvěryhodné nástroje, zavést potvrzení uživatelem před provedením kriticky důležitých akcí a také používat speciální „obranné" prompty a přísnou kontrolu argumentů na nebezpečný obsah. ## Odkazy - Oficiální oznámení Function Calling od OpenAI - Stránka projektu Gorilla LLM - Apideck (2024). *An Introduction to Function Calling and Tool Use*. Apideck Blog. - LangChain (2025). *Tool Calling (Documentation)*. LangChain Docs. - Mistral AI (2025). *Function Calling – Documentation*. Mistral Docs. - Hopsworks (2024). *What is Function Calling with LLMs?*. Hopsworks Dictionary. - Hopsworks (2024). *Unlocking the Power of Function Calling with LLMs*. Hopsworks Blog. - University of California, Berkeley (2025). *Berkeley Function Calling Leaderboard V3*. Online Resource. ## Literatura - Wu, Z. et al. (2025). *The Dark Side of Function Calling: Pathways to Jailbreaking Large Language Models*. ACL 2025. - OpenAI (2023). *Function Calling and Other API Updates*. OpenAI Blog. - Schick, T. et al. (2023). *Toolformer: Language Models Can Teach Themselves to Use Tools*. arXiv:2302.04761. - Patil, S. G. et al. (2023). *Gorilla: Large Language Model Connected with Massive APIs*. arXiv:2305.15334. - Liu, W. et al. (2024). *ToolACE: Winning the Points of LLM Function Calling*. arXiv:2409.00920. - Yao, S. et al. (2022). *ReAct: Synergizing Reasoning and Acting in Language Models*. arXiv:2210.03629. ## Poznámky 1. [↑](https://systems-analysis.info/int/Function_calling_(LLM)_(CS)#cite_ref-hopsworks_whatis_1-0) «What is Function Calling with LLMs?». *Hopsworks*. [1] 2. ↑ [2.0](https://systems-analysis.info/int/Function_calling_(LLM)_(CS)#cite_ref-dark_side_paper_2-0) [2.1](https://systems-analysis.info/int/Function_calling_(LLM)_(CS)#cite_ref-dark_side_paper_2-1) Wu, Z. et al. «The Dark Side of Function Calling: Pathways to Jailbreaking Large Language Models». *Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing*, 2025. [2] 3. [↑](https://systems-analysis.info/int/Function_calling_(LLM)_(CS)#cite_ref-toolformer_paper_3-0) Schick, T. et al. «Toolformer: Language Models Can Teach Themselves to Use Tools». *arXiv:2302.04761*, 2023. [3] 4. ↑ [4.0](https://systems-analysis.info/int/Function_calling_(LLM)_(CS)#cite_ref-openai_fc_announcement_4-0) [4.1](https://systems-analysis.info/int/Function_calling_(LLM)_(CS)#cite_ref-openai_fc_announcement_4-1) «Function calling and other API updates». *OpenAI*, 2023. [4] 5. [↑](https://systems-analysis.info/int/Function_calling_(LLM)_(CS)#cite_ref-gorilla_site_5-0) «Gorilla: Large Language Model Connected to Massive APIs». *University of California, Berkeley*. [5]