---
title: "Ano ang tool calling (function calling) sa LLM API? | BroadRouter"
description: "Sa tool calling, hinihiling ng LLM sa code mo na magpatakbo ng function gamit ang JSON arguments. Paano gumagana ang loop, gastos sa token, at gamit nito sa agent."
url: https://broadrouter.com/fil/glossary/tool-calling/
lang: fil
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Isinalin mula sa Ingles sa tulong ng AI. [Basahin ang orihinal sa Ingles](https://broadrouter.com/glossary/tool-calling/) (na-update noong 2026-11-14).

# Tool calling (function calling)

Na-update 2026-11-14

Ang tool calling, tinatawag ding function calling, ay feature ng LLM API kung saan nagbabalik ang model ng structured na request para magpatakbo ng function na tinukoy ng developer, kasama ang JSON arguments. Ang application ang nagpapatakbo ng function at nagpapadala pabalik ng resulta; hindi kailanman nagpapatakbo ng code ang model mismo.

Tinatawag ding: tool calling, function calling, tool use, tools, tool\_calls, pagtawag ng tool

Sa tool calling kumikilos ang isang language model sa labas ng sarili nito: hinihiling nito sa code mo na maghanap ng impormasyon, magpatakbo ng query o mag-edit ng file, saka ginagamit ang resulta.

## Paano ito gumagana

Inilalarawan ng gabay ng OpenAI ang isang loop sa pagitan ng app mo at ng model:

1.  **Ipadala ang mga tool.** Nakalista sa request ang mga function, bawat isa may pangalan, description at JSON Schema para sa arguments.
2.  **Tumanggap ng tool call.** Kung kailangan ng model ng tool, ibinabalik nito ang pangalan ng function at ang JSON arguments sa halip na huling sagot.
3.  **Patakbuhin ito.** Ang code mo ang nagpapatakbo ng function. Inilalagay ng gabay ng OpenAI ang hakbang na ito sa “the application side” (panig ng application); hindi kailanman nagpapatakbo ng code ang model mismo.
4.  **Ibalik ang resulta** kasama ang katugmang call ID.
5.  **Tanggapin ang sagot**, o isa pang tool call. Ulitin hangga’t kailangan.

Sa format ng Chat Completions, ganito ang hitsura ng isang tool definition. Ang example ay function na `get_order_status` na naghahanap ng order ayon sa ID, at may iisang required na argument na `order_id`:

```json
{
  "type": "function",
  "function": {
    "name": "get_order_status",
    "description": "Look up an order by ID",
    "parameters": {
      "type": "object",
      "properties": { "order_id": { "type": "string" } },
      "required": ["order_id"]
    }
  }
}
```

May `finish_reason: "tool_calls"` at isang `tool_calls` list ang sagot. Bawat entry ay may `id`, ang pangalan ng function at `arguments` bilang JSON string. Magdagdag ka ng mensaheng may `role: "tool"`, ang parehong `tool_call_id` at ang resulta, saka tawagin ulit ang API.

## Bakit ito mahalaga

-   **Mga agent.** Ang mga coding agent, support bot at data assistant ay kadalasang paikot-ikot na tool call.
-   **Gastos.** Bawat balikan ay bagong request na nagpapadala ulit ng usapan, tool definitions at tool results bilang [input token](https://broadrouter.com/fil/glossary/input-and-output-tokens/). Sa mahahabang tool loop, mahalaga ang [cached input](https://broadrouter.com/fil/glossary/cached-input-tokens/) at stable na pagkakasunod ng mga tool.
-   **Kaligtasan.** Galing sa model ang arguments. I-validate ang mga ito bago magpatakbo ng anumang nagbabago ng data o gumagastos ng pera.

Kung ang sagot ay kailangang tumugma sa isang schema pero hindi kailangan ng function, mas simple ang [structured output](https://broadrouter.com/fil/glossary/structured-output/).

## Sa BroadNet Inference

Nakalista sa docs ng BroadNet ang tool calling para sa [GLM 5.3](https://broadrouter.com/fil/models/glm-5.3/) at [Qwen3.8 27B](https://broadrouter.com/fil/models/qwen3.8-27b/), na parehong may structured output at reasoning. Hindi sinasabi ng docs na may tool support ang DeepSeek V4.1 Flash o BroadNet Gemma 4 VL 26B. I-test ang sarili mong tool loop sa model na balak mong gamitin sa production.

Parehong nagre-reason ang dalawang nakalistang model bago sumagot, at kasama ang reasoning sa `max_tokens`, kaya maglaan ng espasyo o puwedeng maputol ang isang tool call. Tingnan ang [reasoning tokens](https://broadrouter.com/fil/glossary/reasoning-tokens/). Para sa mga agent tool na may sariling tool format, tingnan ang [gabay sa Cline](https://broadrouter.com/fil/guides/cline-openai-compatible/) at ang [gabay sa Vercel AI SDK](https://broadrouter.com/fil/guides/vercel-ai-sdk-openai-compatible/).

## Mga karaniwang pagkakamali

-   Pag-parse sa `arguments` na parang object. JSON string ang dumarating; i-decode ito at hawakan ang mga error.
-   Pagkalimot sa `tool_call_id`. Hindi maitutugma ng model ang mga resulta sa mga call kung wala ito.

## Mga tanong

### Ang model ba ang nagpapatakbo ng function ko?

Hindi. Pangalan ng function at arguments lang ang ibinabalik ng model. Ang code mo ang nagpapasya kung patatakbuhin ito, ang nagpapatakbo nito, at ang nagpapadala pabalik ng resulta sa isang tool message.

### Puwede bang tumawag ang model ng ilang tool nang sabay?

Maraming API ang pumapayag sa parallel tool calls, kaya ilang entry sa tool\_calls ang ibinabalik sa iisang response. Patatakbuhin ng code mo ang bawat isa at magbabalik ng isang resulta kada tool\_call\_id.

### Aling mga model ng BroadNet ang sumusuporta sa tool calling?

Nakalista sa docs ng BroadNet ang tools para sa GLM 5.3 at Qwen3.8 27B. Hindi nito sinasabing may tool support ang DeepSeek V4.1 Flash o BroadNet Gemma 4 VL 26B, kaya mag-test muna bago umasa rito sa mga iyon.

## Tingnan din

-   [Structured output](https://broadrouter.com/fil/glossary/structured-output/) (termino)
-   [Input at output token (input and output tokens)](https://broadrouter.com/fil/glossary/input-and-output-tokens/) (termino)
-   [Cached input token (cached input tokens)](https://broadrouter.com/fil/glossary/cached-input-tokens/) (termino)
-   [OpenAI-compatible API](https://broadrouter.com/fil/glossary/openai-compatible-api/) (termino)
-   [AI agent](https://broadrouter.com/fil/glossary/agent/) (termino)
-   [MCP (Model Context Protocol)](https://broadrouter.com/fil/glossary/mcp/) (termino)
-   [JSON mode](https://broadrouter.com/fil/glossary/json-mode/) (termino)
-   [Prompt injection](https://broadrouter.com/fil/glossary/prompt-injection/) (termino)
-   [tool\_choice](https://broadrouter.com/fil/glossary/tool-choice/) (termino)
-   [Parallel tool calls](https://broadrouter.com/fil/glossary/parallel-tool-calls/) (termino)
-   [JSON Schema](https://broadrouter.com/fil/glossary/json-schema/) (termino)
-   [Paano gamitin ang OpenAI Python SDK sa BroadNet Inference](https://broadrouter.com/fil/guides/openai-python-sdk/) (gabay)
-   [Cline sa BroadNet Inference: setup ng OpenAI Compatible provider](https://broadrouter.com/fil/guides/cline-openai-compatible/) (gabay)
-   [Paano gamitin ang Vercel AI SDK sa BroadNet Inference](https://broadrouter.com/fil/guides/vercel-ai-sdk-openai-compatible/) (gabay)
-   [Paano magpatakbo ng sabay-sabay na coding agent sa flat-rate LLM API](https://broadrouter.com/fil/blog/run-parallel-coding-agents-flat-rate/) (artikulo)
-   [Kailan sulit ang 1M-token na context window (at kailan hindi)](https://broadrouter.com/fil/blog/million-token-context-window-guide/) (artikulo)

Subukan ito sa totoong workload mo. May US$5 na panimulang credit ang mga bagong account para sa Gemma at transcription. Kailangan ng top-up para sa DeepSeek, GLM, at Qwen3.8.

[Magsimula](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fil-glossary-tool-calling&utm_content=page-cta) ·

**Mga source**

-   [OpenAI, function calling guide](https://developers.openai.com/api/docs/guides/function-calling)
-   [OpenAI API reference, create chat completion (tools)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [API reference ng BroadNet Inference, mga model (Ingles)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fil-glossary-tool-calling&utm_content=sources#models)
