Wie funktioniert Tool-Aufruf bei KI wirklich?

Das Modell bekommt eine Speisekarte, keine Tastatur

Bevor eine Anfrage gesendet wird, beschreibt die Anwendung dem Modell die verfügbaren Tools: einen Namen, eine Beschreibung dessen, was jedes tut, und ein Schema für die erwarteten Argumente. Das Modell erhält keinen funktionierenden Code und keine aktive Verbindung zu irgendetwas — es erhält eine Beschreibung, so wie eine Person eine Speisekarte liest, ohne Zugang zur Küche zu haben.

Das Modell führt nie selbst etwas aus

Wenn ein Modell entscheidet, dass ein Tool helfen würde, erzeugt es eine strukturierte Ausgabe — typischerweise einen Tool-Namen und eine Reihe von Argumenten — und hört dort auf. Es wurde noch nichts durchsucht, aufgerufen oder verändert. Die Anwendung, die die Anfrage gesendet hat, liest diese strukturierte Ausgabe, entscheidet, ob sie darauf reagiert, und führt gegebenenfalls die echte Funktion oder den API-Aufruf auf ihrer eigenen Infrastruktur aus.

Ein vollständiger Austausch ist eine Schleife, kein einzelner Schritt

Der typische Ablauf: Die Anwendung sendet einen Prompt plus die Liste verfügbarer Tools; das Modell antwortet entweder mit einer Antwort oder einem vorgeschlagenen Tool-Aufruf; handelt es sich um einen Tool-Aufruf, führt die Anwendung ihn aus und sendet das Ergebnis als Teil des Gesprächs zurück; das Modell fährt dann fort, oft mit einer endgültigen Antwort, die dieses Ergebnis nutzt. Mehrstufige Aufgaben können diese Schleife mehrmals wiederholen, bevor eine Antwort den Nutzer erreicht.

Ein vorgeschlagener Aufruf ist eine plausible Vermutung, keine garantiert richtige

Ein Modell kann das falsche Tool vorschlagen, ein Argument erfinden, das nie im Schema stand, oder ein Tool aufrufen, obwohl gar nichts aufzurufen war — dieselbe probabilistische Generierung, die jede andere Ausgabe erzeugt, erzeugt auch einen Tool-Aufruf. Nichts am Mechanismus macht einen vorgeschlagenen Aufruf von sich aus sicher auszuführen. Eine Anwendung, die Argumente ausführt, ohne sie gegen das Schema zu prüfen, und ohne zu autorisieren, worauf der Aufruf tatsächlich zugreifen darf, vertraut einer Vermutung echten Zugriff an.

Das Schema ist die einzige Schnittstelle, die das Modell tatsächlich sieht

Name, Beschreibung und Argumentschema eines Tools sind die gesamte Spezifikation, mit der das Modell arbeiten muss — es hat keine andere Möglichkeit zu lernen, was ein Tool tut oder wie seine Parameter korrekt auszufüllen sind. Dieselbe zugrunde liegende Funktion, klar und eng beschrieben, wird tendenziell weit häufiger korrekt aufgerufen als eine vage beschriebene oder mit fachfremden Optionen gebündelte, weil das Modell Auswahl und Argumente allein aus dieser Beschreibung ableitet.

Warum das anders ist, als ein Modell Code schreiben zu lassen

Ein Modell zu bitten, ein funktionierendes Skript zu erzeugen, und es zu bitten, ein vordefiniertes Tool aufzurufen, sind nicht dieselbe Anfrage. Ein Tool-Aufruf ist auf einen Namen und Argumente beschränkt, mit denen Ihre Anwendung bereits sicher umzugehen weiß; frei generierter Code kann versuchen, alles zu tun, was die Ausführungsumgebung erlaubt — ein viel größeres und andersartiges Sicherheitsproblem. Tool-Aufruf begrenzt das, worum ein Modell bitten kann, auf eine feste, überprüfbare Menge von Optionen.

Häufige Fragen

Führt das Modell das Tool selbst aus?

Nein. Das Modell gibt eine strukturierte Anfrage aus, die ein Tool und dessen Argumente benennt. Die Anwendung, die die Anfrage gesendet hat, entscheidet, ob sie ausgeführt wird, und der eigentliche Funktions- oder API-Aufruf läuft auf der eigenen Infrastruktur der Anwendung, nicht im Modell.

Kann ein Modell ein Tool mit erfundenen Argumenten aufrufen?

Ja. Ein Modell kann einen Wert liefern, der nie Teil des Schemas war oder für das Tool keinen Sinn ergibt, weil der Aufruf genauso erzeugt wird wie jede andere Ausgabe. Argumente vor der Ausführung von etwas Echtem zu prüfen ist Aufgabe der Anwendung, nicht etwas, das das Modell garantiert.

Was passiert, wenn das Modell das falsche Tool aufruft?

Das hängt vollständig davon ab, wie die Anwendung gebaut ist. Eine gut gebaute prüft, ob der Aufruf sinnvoll ist, bevor sie ihn ausführt, und kann einen Fehler oder ein klärendes Ergebnis an das Modell zurückgeben, statt auf eine unpassende Anfrage zu reagieren; eine schlecht gebaute führt aus, was sie erhält.

Ist Tool-Aufruf dasselbe wie ein KI-Agent?

Nein, aber Agenten bauen meist darauf auf. Tool-Aufruf ist der zugrunde liegende Anfrage-Antwort-Mechanismus; ein Agent wiederholt diese Schleife typischerweise mehrfach, mit zusätzlicher Logik, die anhand jedes Ergebnisses entscheidet, was als Nächstes zu versuchen ist.