Tool Calling (Pemanggilan Alat oleh LLM)

TL;DR: Tool Calling adalah mekanisme yang membuat LLM bisa memanggil fungsi atau API saat menyusun jawaban. Bukan sekadar menjawab dari pengetahuan internal, LLM dapat mengambil data live, menjalankan query, atau memicu aksi. Tool Calling jadi fondasi agen AI modern dan terkait erat dengan Model Context Protocol.

Apa itu Tool Calling?

Tool Calling, kadang disebut function calling, adalah cara LLM memutuskan untuk memanggil fungsi eksternal di tengah proses menjawab. Developer mendaftarkan tool dengan skema parameter, lalu LLM memilih kapan dan dengan argumen apa tool itu dipanggil. Hasilnya dikembalikan ke LLM untuk diolah jadi jawaban final.

Analogi sederhana: bayangkan asisten yang punya kalkulator, kalender, dan ponsel. Daripada menebak jadwal Anda, ia membuka kalender dulu. Daripada mengarang harga saham, ia memanggil API harga saham real-time.

Tool Calling vs Pengetahuan Internal LLM

Kenapa Penting?

Untuk marketer dan developer Indonesia, Tool Calling membuka pintu otomasi yang dulu butuh integrasi rumit. Dalam beberapa eksperimen Vito Atmo di Atmo LMS, agen yang dilengkapi tool calling bisa mengambil data enrolment dari Supabase, menyusun ringkasan, dan posting ke Slack tanpa kode glue tradisional. Dokumentasi resmi tersedia di docs Anthropic tentang tool use. Tool Calling juga bikin konten Anda lebih sering jadi sumber agent handoff karena AI butuh data terverifikasi.

Pertanyaan Umum

Apakah Tool Calling sama dengan plugin ChatGPT?

Plugin adalah salah satu implementasi Tool Calling versi awal. Sekarang istilah tool calling lebih umum, mencakup function calling OpenAI, tool use Anthropic, dan standar lintas-vendor seperti MCP.

Apakah Tool Calling membuat respons lebih lambat?

Ya, karena ada panggilan jaringan. Tapi penambahan latency biasanya 200-800 ms per tool, masih layak dibanding nilai akurasi data live yang didapat.