---
title: "LLM API 도구 호출(함수 호출, function calling)이란? | BroadRouter"
description: "도구 호출은 LLM이 JSON 인자와 함께 코드의 함수 실행을 요청하게 하는 기능입니다. 요청과 결과가 오가는 루프, 토큰 비용, 에이전트에서의 활용을 정리했습니다."
url: https://broadrouter.com/ko/glossary/tool-calling/
lang: ko
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

이 페이지는 영어 원문을 AI의 도움을 받아 번역했습니다. [영어 원문 읽기](https://broadrouter.com/glossary/tool-calling/) (2026-11-14 업데이트).

# 도구 호출(tool calling)

업데이트 2026-11-14

도구 호출(tool calling)은 함수 호출(function calling)이라고도 하며, 모델이 개발자가 정의한 함수를 실행해 달라는 구조화된 요청을 JSON 인자와 함께 반환하는 LLM API 기능입니다. 함수는 애플리케이션이 실행하고 그 결과를 다시 보냅니다. 모델이 직접 코드를 실행하지는 않습니다.

다른 이름: 함수 호출, 툴 호출, 도구 사용, 툴 사용, function calling, tool use, tools, tool\_calls

도구 호출은 언어 모델이 바깥세상에 작용하는 방법입니다. 모델이 코드에 무언가를 조회하거나, 쿼리를 실행하거나, 파일을 수정해 달라고 요청한 뒤 그 결과를 활용합니다.

## 작동 방식

OpenAI 가이드는 앱과 모델 사이의 루프를 이렇게 설명합니다.

1.  **도구를 보냅니다.** 요청에 함수 목록을 이름, 설명, 인자용 JSON Schema와 함께 담습니다.
2.  **도구 호출을 받습니다.** 모델에 도구가 필요하면 최종 답변 대신 함수 이름과 JSON 인자를 반환합니다.
3.  **실행합니다.** 코드가 함수를 실행합니다. OpenAI 가이드는 이 단계를 “the application side”(번역: 애플리케이션 쪽)에 둡니다. 모델이 직접 코드를 실행하는 일은 없습니다.
4.  **결과를 돌려줍니다.** 해당 호출 ID와 함께 보냅니다.
5.  **답변을 받습니다.** 또는 다른 도구 호출을 받습니다. 필요한 만큼 반복합니다.

Chat Completions 형식에서 도구 정의는 다음과 같습니다.

```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"]
    }
  }
}
```

이 예시는 주문 ID로 주문을 조회하는 함수 `get_order_status`를 정의하며, 문자열 인자 `order_id`를 필수로 받습니다.

응답에는 `finish_reason: "tool_calls"`와 `tool_calls` 목록이 들어 있습니다. 각 항목에는 `id`, 함수 이름, JSON 문자열로 된 `arguments`가 있습니다. `role: "tool"`, 같은 `tool_call_id`, 결과를 담은 메시지를 추가한 뒤 API를 다시 호출합니다.

## 왜 중요한가

-   **에이전트.** 코딩 에이전트, 고객 지원 봇, 데이터 어시스턴트는 대부분 도구 호출의 루프입니다.
-   **비용.** 왕복할 때마다 새 요청이 생기고, 대화 내용, 도구 정의, 도구 결과가 [입력 토큰](https://broadrouter.com/ko/glossary/input-and-output-tokens/)으로 다시 전송됩니다. 도구 루프가 길수록 [캐시된 입력](https://broadrouter.com/ko/glossary/cached-input-tokens/)과 도구 순서를 일정하게 유지하는 것이 중요해집니다.
-   **안전.** 인자는 모델이 만듭니다. 데이터를 바꾸거나 돈을 쓰는 작업을 실행하기 전에 반드시 검증하세요.

함수는 필요 없고 응답만 스키마에 맞으면 되는 경우에는 [구조화된 출력](https://broadrouter.com/ko/glossary/structured-output/)이 더 간단한 도구입니다.

## BroadNet Inference에서는

BroadNet 문서는 [GLM 5.3](https://broadrouter.com/ko/models/glm-5.3/)과 [Qwen3.8 27B](https://broadrouter.com/ko/models/qwen3.8-27b/)에 도구 호출을 표기하며, 두 모델 모두 구조화된 출력과 추론도 지원합니다. DeepSeek V4.1 Flash와 BroadNet Gemma 4 VL 26B에는 도구 지원이 명시되어 있지 않습니다. 배포할 모델에서 직접 도구 루프를 테스트하세요.

표기된 두 모델은 답하기 전에 추론하고, 추론도 `max_tokens`에 포함되므로 여유를 남기지 않으면 도구 호출이 잘릴 수 있습니다. [추론 토큰](https://broadrouter.com/ko/glossary/reasoning-tokens/)을 참고하세요. 자체 도구 형식을 쓰는 에이전트 도구는 [Cline 가이드](https://broadrouter.com/ko/guides/cline-openai-compatible/)와 [Vercel AI SDK 가이드](https://broadrouter.com/ko/guides/vercel-ai-sdk-openai-compatible/)를 참고하세요.

## 흔한 실수

-   `arguments`를 객체로 파싱하는 것. JSON 문자열로 오므로 디코딩하고 오류를 처리하세요.
-   `tool_call_id`를 빠뜨리는 것. 이것이 없으면 모델이 결과와 호출을 짝지을 수 없습니다.

## 자주 묻는 질문

### 모델이 제 함수를 실행하나요?

아닙니다. 모델은 함수 이름과 인자만 반환합니다. 실행 여부는 코드가 판단하고, 코드가 실행한 뒤 결과를 tool 메시지로 돌려보냅니다.

### 모델이 여러 도구를 한 번에 호출할 수 있나요?

많은 API가 병렬 도구 호출을 허용해, 응답 하나의 tool\_calls에 여러 항목을 담아 반환합니다. 코드는 각각을 실행하고 tool\_call\_id마다 결과를 하나씩 돌려줍니다.

### BroadNet의 어떤 모델이 도구 호출을 지원하나요?

BroadNet 문서는 GLM 5.3과 Qwen3.8 27B에 도구를 표기합니다. DeepSeek V4.1 Flash와 BroadNet Gemma 4 VL 26B에는 도구 지원이 명시되어 있지 않으므로, 그 모델에서 쓰려면 먼저 테스트하세요.

## 함께 보기

-   [구조화된 출력(Structured output)](https://broadrouter.com/ko/glossary/structured-output/) (용어)
-   [입력 토큰과 출력 토큰(input and output tokens)](https://broadrouter.com/ko/glossary/input-and-output-tokens/) (용어)
-   [캐시된 입력 토큰(cached input tokens)](https://broadrouter.com/ko/glossary/cached-input-tokens/) (용어)
-   [OpenAI 호환 API(OpenAI-compatible API)](https://broadrouter.com/ko/glossary/openai-compatible-api/) (용어)
-   [AI 에이전트(AI agent)](https://broadrouter.com/ko/glossary/agent/) (용어)
-   [MCP(Model Context Protocol)](https://broadrouter.com/ko/glossary/mcp/) (용어)
-   [JSON 모드(JSON mode)](https://broadrouter.com/ko/glossary/json-mode/) (용어)
-   [프롬프트 인젝션(prompt injection)](https://broadrouter.com/ko/glossary/prompt-injection/) (용어)
-   [tool\_choice(도구 선택 파라미터)](https://broadrouter.com/ko/glossary/tool-choice/) (용어)
-   [병렬 도구 호출(parallel tool calls)](https://broadrouter.com/ko/glossary/parallel-tool-calls/) (용어)
-   [JSON Schema(JSON 스키마)](https://broadrouter.com/ko/glossary/json-schema/) (용어)
-   [BroadNet Inference에서 OpenAI Python SDK 사용하기](https://broadrouter.com/ko/guides/openai-python-sdk/) (가이드)
-   [BroadNet Inference에서 Cline 사용하기(OpenAI Compatible 제공자)](https://broadrouter.com/ko/guides/cline-openai-compatible/) (가이드)
-   [BroadNet Inference에서 Vercel AI SDK 사용하기](https://broadrouter.com/ko/guides/vercel-ai-sdk-openai-compatible/) (가이드)
-   [정액제 LLM API로 코딩 에이전트를 병렬 실행하는 방법](https://broadrouter.com/ko/blog/run-parallel-coding-agents-flat-rate/) (글)
-   [100만 토큰 컨텍스트 윈도우, 언제 쓸 만하고 언제 아닌가](https://broadrouter.com/ko/blog/million-token-context-window-guide/) (글)

실제 워크로드로 테스트해 보세요. 신규 계정에는 US$5 상당의 초기 크레딧이 제공되며 Gemma 및 음성 전사에 사용할 수 있습니다. DeepSeek, GLM 및 Qwen3.8 모델은 충전이 필요합니다.

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

**출처**

-   [OpenAI, 함수 호출 가이드](https://developers.openai.com/api/docs/guides/function-calling)
-   [OpenAI API 레퍼런스, chat completion 생성(tools)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [BroadNet Inference API 레퍼런스, 모델 (영어)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-glossary-tool-calling&utm_content=sources#models)
