Function Calling, juga dikenal sebagai Tool Use, adalah kemampuan model AI untuk mengenali kapan suatu permintaan pengguna memerlukan pemanggilan fungsi atau alat eksternal—seperti API cuaca, kalkulator, mesin pencari, atau basis data—dan menghasilkan struktur data (biasanya format JSON) yang berisi nama fungsi serta parameter yang tepat untuk memanggilnya.
Penting dipahami bahwa model AI itu sendiri tidak benar-benar menjalankan fungsi tersebut. Model hanya memutuskan fungsi apa yang perlu dipanggil dan dengan parameter apa, lalu aplikasi di sekitarnya (yang dibangun oleh developer) yang benar-benar mengeksekusi fungsi tersebut dan mengembalikan hasilnya kembali ke model untuk diproses lebih lanjut.
Contoh sederhana: jika pengguna bertanya "berapa suhu di Jakarta sekarang?", model yang dilengkapi function calling akan mengenali bahwa ia tidak memiliki data real-time, lalu menghasilkan pemanggilan fungsi seperti get_weather(city="Jakarta"). Aplikasi kemudian memanggil API cuaca sungguhan, mengembalikan hasilnya ke model, dan model menyusun jawaban akhir dalam bahasa alami berdasarkan data tersebut.
Function calling adalah fondasi teknis di balik hampir semua AI Agent modern. Tanpa kemampuan ini, model AI hanya bisa menghasilkan teks berdasarkan pengetahuan yang dipelajari saat pelatihan—statis dan tidak dapat mengakses informasi terkini atau melakukan tindakan nyata seperti mengirim email, mencari di internet, atau menjalankan kode.
Kemampuan ini membuka pintu bagi aplikasi AI yang jauh lebih berguna secara praktis: asisten yang dapat memesan tiket, chatbot layanan pelanggan yang dapat mengecek status pesanan langsung dari basis data perusahaan, atau agen coding yang dapat menjalankan dan menguji kode secara langsung. Standar seperti Model Context Protocol (MCP) kemudian dikembangkan untuk menyederhanakan dan menstandardisasi cara model AI terhubung dengan berbagai alat eksternal ini.