ツール呼び出しとは？AI統合の完全ガイド
- 公開日
- 最終更新日
AIモデルは、トレーニングデータをもとに推論・補完し、ユーザーに応答します。しかし、リクエストがその初期情報の範囲を超えた場合はどうなるのでしょうか？
ツール呼び出しは、こうした知識や機能のギャップを埋める機能です。更新の送信といったアクションの実行やデータダッシュボードからのコンテンツ取得など、外部ツールやシステムに追加の支援を求められます。
この記事では、ツール呼び出しとは何か、関数呼び出しとの違い、そしてElevenAgentsが会話型AIワークフローでツール呼び出しをどのように活用するかを解説します。
概要
- ツール呼び出しにより、AIモデルはアクションを実行し、外部ツールやAPIに情報をリクエストできます。
- AIモデル自体がツールを実行するわけではありません。代わりに、アプリケーションレイヤーがリクエストを実行します。
- ツール呼び出しは5つのステップで進み、同一のリクエストで複数の異なるツールが起動されることもあります。
- ツール呼び出しは、情報取得、コード実行、デバイス制御、ワークフローやプロセスとの連携に利用できます。
- ElevenAgentsは音声エージェントでのツール呼び出しをサポートしており、会話型AIアシスタントが代わりにタスクを完了できます。
ツール呼び出しとは？
ツール呼び出しとは、AIモデルが別のシステムとやり取りできるようにする機能です。そのシステムは、データベース、API、ソフトウェア、またはトレーニングデータの範囲を超えた機能を実行できるあらゆるものです。
ツール呼び出しでは、通常JSON形式で、タスクの実行をサードパーティーシステムに依頼するリクエストを生成します。AIシステムはツール呼び出しを使って、外部システムへのクエリ、リアルタイム情報の取得、コマンドの実行、操作の実行を行います。ツールを呼び出す機能により、エージェント型AIは外部リソースにアクセスし、サードパーティーシステムを動的に利用して、より複雑なタスクや複数ステップのタスクを完了できます。
ツールを呼び出す機能こそが、既に知っている内容にもとづいてしか応答できないLLMと、エージェント型AIアシスタントを分ける要素です。
ツール呼び出しが重要な理由
大規模言語モデルは、膨大な過去のデータを学習して能力を身につけます。これによりユーザーへの応答や情報提供に優れたシステムとなる一方、初期のトレーニングコンテキストや情報コーパスを超えることは苦手です。LLMの範囲外や能力を超える情報を求める場合、応答するには外部の支援が必要です。
ツール呼び出しはその外部支援です。LLMは他のソースから最新データを取得したり、サードパーティーAPIや社内データベースなど、企業がすでに運用しているライブシステムと連携したりできます。
AIシステムにおけるツール呼び出しには、多くのメリットがあります。
- ハルシネーションの削減： 情報の検証を直接的なツール呼び出しに頼るシステムは、情報を作り出したりトレーニングデータから推測したりする可能性があるのではなく、証拠とデータにもとづいて動作します。
- 自律性と対応範囲の拡大： ツール呼び出し対応のLLMは、単に情報を提供するだけではないアクションを完了できます。
- リアルタイムの回答： ライブソースをポーリングすることで、LLMはデータベースやAPI呼び出しからリアルタイムデータを取得できます。トレーニングデータだけでは得られない最新情報を提供できます。
- 複数ステップのプロセスを自動化： 複数の異なるシステムとのやり取りが必要なタスクも、ツール呼び出し対応LLMなら1つのプロンプトに集約できます。操作画面を離れずに、他のシステムに問い合わせて情報を取得できます。
Gartnerは、エンタープライズアプリケーションの40％が2026年末までに、タスク特化型のAIエージェントと統合されると予測しています。2025年の5％未満からの増加です。タスクに適したツールを呼び出せるモデルは能力を高め、自然言語プロンプトでより多くの作業を可能にします。
ツール呼び出しと検索拡張生成（RAG）の比較
検索拡張生成とツール呼び出しはどちらも、モデルのトレーニングデータが提供するコンテキストを超えてデータを検索しますが、対象は異なります。RAGは主に、記事、ドキュメント、モデルに接続するナレッジベースなどの静的コンテンツ向けです。LLMに追加のコンテキストを与え、より包括的な回答の生成を支援します。
ツール呼び出しは、絶えず変化するリアルタイムシステムを含む情報に動的にアクセスするためのものです。RAGでは特定年の価格表PDFを取得できますが、ツール呼び出しなら接続先システムから現在の価格を即座に取得できます。ナレッジベースとライブツールの両方が多くのユースケースで重要なため、ほとんどのLLMシステムはこれらの機能を組み合わせて使います。
ツール呼び出しの仕組み
AIエージェントが社内アプリを呼び出す場合でも外部モデルを呼び出す場合でも、ツール呼び出しはおおむね標準的なパターンに従います。
ツール呼び出しの仕組みを大まかに見てみましょう。
- ツール呼び出しが必要かを判断する
- 接続済みシステムから適切なツールを選ぶ
- リクエストを作成して送信する
- リクエストが実行され、結果が返される
- モデルが応答するか、追加のアクションを実行する
それぞれを詳しく見ていきましょう。
ステップ1：ツール呼び出しが必要かを判断する
自然言語でリクエストを入力すると、モデルはプロンプトを読み、ツールによる外部支援が必要かどうかを判断します。トレーニングデータと一致する質問では外部支援は不要ですが、モデルのコンテキストを超えるような質問では必要になります。
「Salesforceにおける第2四半期の売上は？」や「Shopifyストアで現在アクティブなユーザー数は？」といった質問には、どちらもツール呼び出しが必要です。
ステップ2：接続済みシステムから適切なツールを選ぶ
モデルがアクセスできる各ツールには、名前、機能の自然言語による説明、受け付けるパラメータからなるスキーマがあります。モデルはリクエストを各説明と照合し、目的に適したツールを探します。特にエージェントが多数のツールを持つ場合、数百ものツールを手作業で確認すると適切なツールの特定が大幅に遅くなるため、関連するツールを絞り込む内部プロセスを実行します。
ステップ3：リクエストを作成して送信する
適切なツールを選択した後、モデルはJSON形式などの構造化された呼び出しを作成します。この呼び出しでは、呼び出すツールとリクエストの内容を定義します。たとえば、ボゴタの天気を問い合わせる場合は、{"name": "get_weather", "arguments": {"city": "Bogota"}}のようになります。モデルがこの呼び出しを出力し、次のステップでアプリケーションレイヤーが実行します。
ステップ4：リクエストが実行され、結果が返される
アプリケーションレイヤーはモデルのリクエストを受け取り、ツールを実行するか、APIを呼び出してリクエストを実行します。その応答は追加コンテキストとして元のモデルに返され、モデルはそれを使ってユーザーへの回答を作成します。
ステップ5：モデルが応答するか、追加のアクションを実行する
ツール呼び出しで取得したデータや情報を使い、モデルは平易な言葉でユーザーに応答するか、特定のアクションが実行されたことを確認します。後者は、特定のプラットフォームへのメッセージ投稿やデータベースへのデータ入力など、ユーザーが達成したいタスクがアクション指向の場合に行われます。
タスクにさらにステップが必要な場合、モデルは必要に応じてステップ1〜4を繰り返します。より複雑なリクエストでは、ユーザーへの最終回答を作成する前に複数のツールを呼び出す必要がある場合があります。たとえば、現在の為替レートを調べてから通貨換算したい場合、モデルはこの最終目標を達成するために複数のステップを順番に実行します。
ツール呼び出しの種類
ツール呼び出しとは、モデルが基礎となるトレーニングの範囲を超えるデータを得るために外部システムを呼び出すことを指します。実際のプロセスでは複数の異なるシステムが呼び出されることがあり、多くのユースケースでさまざまな種類のツールが使われます。
- 情報取得： API、接続された企業データベース、検索インデックスなどの外部ソースからデータを取得し、モデル本来のトレーニングコンテキストの範囲を超える質問に答えます。
- コード実行： コード環境を通じてスクリプト、データ変換プロセス、計算を実行することです。通常、分析が実務でどう機能するかを説明するだけでなく、実際にデータを分析するために使われます。
- プロセス自動化： API呼び出しが別システムの特定ワークフローを起動することを指します。CMSとの連携、会議の予定設定、レコードの更新、通知の送信、リクエストを完了済みアクションに変換することなどが含まれます。個人に代わってタスクを実行するエージェント型システムで特に一般的です。
- デバイスとシステムの制御： 別のデバイス、電話システム、スマートホームアシスタントなどと連携するツール呼び出しは、すべてこのカテゴリに含まれます。
ツール呼び出しがこれらのカテゴリのいずれか1つにきれいに当てはまるとは限りません。複数ステップの呼び出しや、上記の複数カテゴリを継続的なシーケンスで組み合わせる連鎖呼び出しもあります。たとえば、顧客の注文状況を取得し、返金を実行し、社内CRMを更新して、その情報をライブエージェントに伝えることができます。
ツール呼び出しと関数呼び出し：主な違い
ツール呼び出しは関数呼び出しより広いカテゴリで、より広範な用途と多様な機能を含みます。関数呼び出しとは、モデルが事前定義された関数に対して、引数を含む構造化された呼び出しを生成することです。
ツール呼び出しと関数呼び出しの違いを、表で見てみましょう。
ツール呼び出しの信頼性は？
ツール呼び出しの信頼性は、呼び出しを行うモデルに完全に依存します。また、失敗の現れ方もシステムごとに異なります。たとえば、あるAIモデルはツール呼び出しに失敗した後に単に回答をハルシネーションする場合がある一方、別のモデルはユーザーに再試行を促す場合があります。
Berkeley Function Calling Leaderboardは、ツール呼び出しにおける各モデルの性能を比較するためによく参照されるリーダーボードです。関数呼び出しのリーダーボードとされていますが、実際には、API呼び出し、データベースクエリからの情報収集、並列呼び出しの実行、複数ターンの会話への応答などでモデルをテストし、ツール呼び出しの効率を測定しています。
モデルは、総コスト、ウェブ検索能力、複数ターンの会話精度、ハルシネーションの測定、レイテンシーなどについて評価されます。複雑なワークフローや複数ステップのワークフローを実行するなら、より包括的なツール呼び出し能力を持つモデルを把握することは有用です。
ElevenAgentsでツール呼び出しを始める
ElevenAgentsでは複数のモデルから選択できるため、ワークロードに最適な基盤モデルを組み合わせられます。音声エージェントは、ツールを呼び出し、注文を検索し、レコードを確認し、データベースを更新し、APIから情報を収集できます。
外部APIを呼び出すWebhookツール、アプリケーションやブラウザでアクションを起動するクライアントツール、カスタムサーバーサイドロジック用のコードツール、外部ツールサーバーに接続するMCPツール、人間のエージェントへの転送などの組み込みアクション用システムツールなど、複数の種類のツールを利用できます。
ElevenLabsは、事前構築済みネイティブコネクターも提供しています。Zendesk、HubSpot、Salesforceなどのサービスに対応しており、カスタム設定は不要です。ElevenAgentsの詳細を見るか、登録して、ツール呼び出し対応の音声エージェント構築を今すぐ始めましょう。
