Function Calling & Tool Use: Cara AI Menjalankan Perintah

Oleh Darus S Alfatah · 2026-11-03 · Tutorial · 9 menit

Function Calling & Tool Use: Cara AI Menjalankan Perintah

Catatan penulis: Penyebab tool dipanggil salah hampir selalu deskripsinya, bukan modelnya. Memperjelas deskripsi menyelesaikan sebagian besar masalah kami.

Dari Mengobrol ke Bertindak

Model bahasa pada dasarnya hanya menghasilkan teks. Agar bisa "melakukan sesuatu" — mengecek stok, mengirim email, menghitung pajak — kita perlu jembatan: function calling atau tool use. Model diberi daftar fungsi yang tersedia beserta skemanya, lalu memilih kapan memanggilnya dan dengan argumen apa. Aplikasi Anda yang mengeksekusi fungsi itu dan mengembalikan hasilnya ke model.

Bagaimana Alurnya

  1. Aplikasi mengirim pesan pengguna + daftar tool (nama, deskripsi, skema parameter).
  2. Model membalas bukan dengan teks, melainkan permintaan memanggil tool tertentu beserta argumen.
  3. Aplikasi menjalankan tool dan mengirim hasilnya kembali ke model.
  4. Model menyusun jawaban akhir berdasarkan hasil tool.
{
  "model": "auto",
  "messages": [{"role":"user","content":"Cuaca di Bandung?"}],
  "tools": [{
    "type": "function",
    "function": {
      "name": "get_weather",
      "description": "Ambil cuaca terkini sebuah kota",
      "parameters": {
        "type": "object",
        "properties": { "city": {"type":"string"} },
        "required": ["city"]
      }
    }
  }]
}

Kenapa Ini Penting untuk Agen AI

Function calling adalah tulang punggung agen otonom. Dengan tool, model bisa mencari di web, membaca database, menjalankan kode, atau mengubah data. Pola "loop" (panggil → eksekusi → observasi → ulangi) memungkinkan agen menyelesaikan tugas multi-langkah tanpa campur tangan manusia di setiap langkah.

Praktik Aman

  • Definisi tool yang sempit — hindari fungsi "lakukan apa saja"; batasi operasinya.
  • Validasi argumen — periksa input terhadap skema sebelum dieksekusi.
  • Izin & konfirmasi — operasi destruktif wajib butuh persetujuan manusia.
  • Batas iterasi — batasi jumlah putaran agar agen tidak berputar selamanya.
  • Logging — catat setiap pemanggilan tool untuk audit.

Kesalahan Umum

Deskripsi tool yang ambigu membuat model salah memilih. Skema parameter yang longgar memicu argumen tak terduga. Tidak ada timeout membuat permintaan menggantung. Jangan pernah mengeksekusi perintah mentah dari model tanpa sanitasi — ini celah keamanan paling serius pada sistem berbasis tool. Perlakukan keluaran model sebagai masukan tidak tepercaya.

Memilih Model untuk Tool Use

Tidak semua model sama mahir memanggil tool. Model reasoning dan model besar umumnya lebih andal dalam perencanaan multi-langkah, sementara model kecil lebih cepat dan murah untuk tool tunggal. Uji dengan skenario nyata Anda, karena kemampuan function calling sering berbeda dari skor benchmark umum.

Contoh Kasus di Indonesia

  • E-commerce — cek stok dan ongkir lewat API internal.
  • Fintech — ambil saldo dan riwayat transaksi (read-only) untuk asisten.
  • Layanan publik — cek status pengajuan berdasarkan nomor tiket.

Merancang Deskripsi Tool yang Efektif

Deskripsi adalah "dokumentasi" bagi model. Tulis jelas apa fungsi itu melakukan, kapan dipakai, dan apa arti tiap parameter. Sertakan contoh nilai. Deskripsi yang buruk adalah penyebab nomor satu pemanggilan tool yang salah — bukan kelemahan modelnya.

Menangani Beberapa Tool Sekaligus

Model dapat meminta beberapa tool secara paralel. Eksekusi secara paralel bila independen, lalu kumpulkan hasilnya sebelum melanjutkan. Batasi jumlah tool yang diekspos sekaligus; terlalu banyak pilihan justru menurunkan akurasi pemilihan.

Paralel vs Sekuensial

Tool yang saling bergantung harus sekuensial; yang independen bisa paralel untuk menghemat waktu. Tentukan ketergantungan dari skema, bukan dari tebakan.

Keamanan: Perlakukan Model sebagai Tidak Tepercaya

  • Jangan pernah eval() keluaran model.
  • Batasi izin setiap tool (least privilege).
  • Sanitasi semua argumen sebelum menyentuh sistem nyata.
  • Pisahkan tool baca dan tulis; tool tulis butuh konfirmasi.

Contoh Alur Agen Sederhana

while iterations < 5:
  resp = model(messages, tools)
  if resp.tool_call:
     result = run(resp.tool_call)
     messages += [resp, result]
  else:
     return resp.text

Batas 5 putaran mencegah perulangan tak berujung dan menahan biaya.

Menguji Agen Sebelum Produksi

Buat kumpulan tugas uji dengan jawaban yang diketahui. Jalankan agen dan periksa apakah ia memilih tool yang benar, memakai argumen valid, dan berhenti pada waktu yang wajar. Catat tingkat keberhasilan per tugas, bukan hanya rata-rata. Kasus gagal biasanya menunjukkan tool yang deskripsinya kurang jelas atau skema yang terlalu longgar.

Kapan Sebaiknya Tidak Memakai Agen

Jika tugasnya deterministik dan bisa diselesaikan dengan kode biasa, jangan pakai agen. Agen menambah biaya, latensi, dan ketidakpastian. Gunakan function calling hanya ketika memang perlu fleksibilitas memilih tindakan berdasarkan konteks.

Kesimpulan

Function calling mengubah model dari sekadar penjawab menjadi pelaksana tugas. Rancang tool secara sempit, validasi argumen, dan jaga batas iterasi. Semua model di BankAI mendukung format tool yang kompatibel dengan OpenAI, sehingga kode agen Anda portabel.

Contoh: satu tool pencarian pesanan: Misalkan chatbot perlu menjawab "pesanan saya di mana?". Definisikan tool getOrder(status) dengan skema JSON yang jelas. Model memanggil tool hanya saat perlu, aplikasi Anda yang mengeksekusi query, lalu hasilnya dikirim balik ke model. Jangan pernah biarkan model menebak status pengiriman.

Pertanyaan yang Sering Diajukan

Apakah tutorial ini bisa diikuti pemula?

Ya. Langkah-langkahnya dijelaskan berurutan dan menyertakan contoh kode, jadi bisa diikuti pemula maupun developer berpengalaman.

Apakah endpoint BankAI kompatibel dengan library yang sudah saya pakai?

Ya, BankAI 100% kompatibel dengan standar OpenAI, sehingga library seperti OpenAI SDK, LangChain, dan tools sejenis bisa dipakai tanpa mengubah kode selain Base URL dan API key.

Di mana saya mendapatkan API key untuk mengikuti tutorial ini?

API key (dan Secret Token) didapat setelah daftar dan menyelesaikan pembayaran di dashboard BankAI.

Sumber & Referensi

Tentang penulis

Darus S Alfatah — Founder & Penulis

Darus S Alfatah adalah pendiri BankAI. Ia membangun dan mengoperasikan gateway API LLM yang melayani developer Indonesia, dan menulis tentang integrasi LLM, arsitektur gateway, serta cara memakai AI secara praktis dan hemat biaya. Setiap panduan diuji di lingkungan nyata — termasuk kode, konfigurasi, dan perhitungan token — sebelum diterbitkan, dan diperbarui ketika dokumentasi penyedia atau harga berubah.

Kebijakan editorial

Artikel terkait

🚀 Siap Pakai All in One API Key?

Daftar sekarang, top-up pakai QRIS, dan langsung ngoding pake ChatGPT, Claude, DeepSeek & semua AI dalam satu API Key!

🔑 DAFTAR SEKARANG · Harga