Cos'è il tool calling (function calling)?
Il meccanismo con cui un LLM richiede l'esecuzione di una funzione esterna invece di rispondere solo a parole: la base di ogni agente.
Il tool calling è il meccanismo che permette a un LLM di richiedere l'esecuzione di una funzione invece di limitarsi a scrivere testo. Il modello non esegue nulla da solo: quando riconosce che la domanda richiede un'azione (cercare un ordine, leggere un calendario, interrogare un database) restituisce un oggetto strutturato che indica quale funzione chiamare e con quali parametri. È l'ingranaggio che trasforma una chat in un sistema capace di agire. Il programma che ospita il modello, l'harness, intercetta quella richiesta, la esegue davvero contro un sistema reale e restituisce il risultato al modello perché lo usi per la risposta finale o per decidere il passo successivo: il modello propone, il codice dispone, e sicurezza e permessi restano fuori dal modello. Nella pratica la qualità di un sistema agentico dipende più dalla progettazione degli strumenti esposti, nomi chiari, parametri minimi, errori gestiti, che dal modello scelto per orchestrarli.
Come funziona
Al modello viene passato, insieme al prompt, un elenco di strumenti disponibili con nome, descrizione e schema dei parametri. Se decide che uno strumento serve, non produce prosa ma un JSON con il nome della funzione e gli argomenti. Il programma che ospita il modello, l'harness, intercetta quella richiesta, la esegue davvero (chiama l'API, interroga il database, invia l'email) e restituisce il risultato al modello, che lo usa per formulare la risposta finale o per decidere il passo successivo. Il modello propone, il codice dispone: la sicurezza e i permessi restano fuori dal modello.
Perché conta per la tua azienda
Senza tool calling un LLM può solo descrivere cosa farebbe; con il tool calling può effettivamente verificare lo stato di un ordine, aggiornare un CRM o orchestrare più sistemi in sequenza. È la differenza tra un chatbot informativo e un assistente operativo. Vale la pena notare una curiosità terminologica: i primi fornitori la chiamavano "function calling", poi il nome comune è diventato "tool calling" man mano che gli use case si sono allargati oltre le singole funzioni di codice, ma il meccanismo tecnico è identico. Nella pratica, la qualità di un sistema agentico dipende più dalla progettazione degli strumenti esposti al modello (nomi chiari, parametri minimi, errori gestiti) che dal modello stesso.
Termini correlati
- Agenti AI (Agentic AI) · Sistemi AI che non si limitano a rispondere: pianificano, usano strumenti ed eseguono azioni in autonomia dentro i tuoi processi.
- Agent harness · L'impalcatura software attorno a un LLM che lo rende un agente: il loop di esecuzione, gli strumenti, il contesto, i limiti.
- MCP (Model Context Protocol) · Protocollo aperto che collega modelli e agenti AI a strumenti e dati esterni con uno standard comune, invece di un'integrazione diversa per ogni fonte.
- Output strutturato (structured outputs) · Il vincolo che obbliga un LLM a rispondere secondo uno schema JSON dichiarato, garantito in decodifica e non nel prompt.
- Agentic RAG · RAG in cui un agente decide quando recuperare, cosa e da dove, iterando invece di eseguire un solo recupero fisso.
Un termine che ti riguarda da vicino? Parliamone.
CONTATTAMI