Robocikowo>ROBOCIKOWO
Agenci

Tool Use

2023AktywnyOpublikowano: 29 września 2026Aktualizacja: 29 września 2026Opublikowany
Wzorzec, w którym LLM decyduje kiedy i jak wywołać zewnętrzne funkcje/narzędzia, a wynik włącza do dalszego rozumowania.
Kluczowa innowacja
Zdolność modelu językowego do wywoływania zewnętrznych narzędzi (API, wyszukiwarki, interpretera kodu) w trakcie generowania, aby wyjść poza wiedzę parametryczną.
Kategoria
Agenci
Poziom abstrakcji
Wzorzec
Poziom operacji
Środowisko agentoweInferencjaTooling
Zastosowania
Wyszukiwanie w sieci i RAGWykonywanie kodu / obliczeniaWywoływanie API i integracjeAutomatyzacja przepływów (agenci)Sterowanie robotem przez narzędzia

Jak działa

Model dostaje opisy dostępnych narzędzi (schematy funkcji) i w trakcie generowania może wyemitować wywołanie z argumentami. Runtime agenta wykonuje narzędzie, zwraca wynik jako obserwację, a model kontynuuje — często w pętli rozumowanie→działanie→obserwacja (ReAct). Nowoczesne modele są trenowane do function calling, a protokoły jak MCP standaryzują podłączanie narzędzi.

Rozwiązany problem

Sam LLM ma zamrożoną wiedzę, nie liczy niezawodnie i nie ma dostępu do świata. Tool use daje mu aktualne dane, dokładne obliczenia i możliwość działania.

Komponenty

Schemat narzędziaInterfejs

Opis funkcji: nazwa, parametry, typy — model wie, co i jak wywołać.

Wywołanie funkcji (function calling)Decyzja o użyciu

Ustrukturyzowane wyjście modelu wskazujące narzędzie i argumenty.

Runtime wykonania i obserwacjaSprzężenie zwrotne

Środowisko wykonuje narzędzie i zwraca wynik do kontekstu.

Ewolucja

Oryginalny paper · 2023 · NeurIPS 2023 · Timo Schick
Toolformer: Language Models Can Teach Themselves to Use Tools
Timo Schick, et al.
2022
ReAct łączy rozumowanie i działanie w pętli z narzędziami
Punkt przełomowy
2023
Toolformer: model uczy się sam, kiedy wołać API
2024
Standaryzacja podłączania narzędzi (MCP) i natywne function calling