Function calling কী? LLM কীভাবে tool ব্যবহার করে
function calling-এ LLM আপনার code-কে একটি tool চালাতে বলে আর ফলাফল ব্যবহার করে। ধাপে ধাপে প্রক্রিয়া, চালানোর মতো উদাহরণ ও নিরাপত্তার নিয়ম জানুন।
ছোট উত্তর: function calling (বা tool calling) হলো এমন একটি পদ্ধতি, যাতে large language model (LLM) শুধু লেখা না লিখে আপনার প্রোগ্রামকে একটি function চালাতে বলতে পারে। আপনি আছে এমন tool-গুলোর বর্ণনা দেন, model tool-এর নাম ও argument JSON-এ জানায়, আপনার code সেটি চালায়, আর ফলাফল model-কে ফেরত দিলে সে উত্তর লেখে। model নিজে কিছুই চালায় না।
LLM-এর কেন function calling দরকার?
LLM শুধু তার training data জানে, নিজে থেকে কিছু করতে পারে না। সে আজকের আবহাওয়া দেখতে, আপনার database-এ query করতে বা email পাঠাতে পারে না। function calling তাকে এসব কাজের অনুরোধ করতে দেয়, আর নিয়ন্ত্রণ থাকে আপনার code-এর হাতে। AI agent-এর এটাই মৌলিক ভিত্তি।
Function calling ধাপে ধাপে কীভাবে কাজ করে?
Tool-এর বর্ণনা দিন। প্রতিটি function-এর জন্য নাম, ছোট বর্ণনা এবং সে কী কী argument নেয় (সাধারণত JSON schema-তে) পাঠান।
User প্রশ্ন করেন। “Rivertown-এ আবহাওয়া কেমন?”
Model সিদ্ধান্ত নেয়। tool কাজে লাগলে সে চূড়ান্ত উত্তরের বদলে tool call পাঠায়: tool-এর নাম ও argument, JSON-এ।
আপনার code tool চালায়। অনুরোধ যাচাই করে আসল function ডাকে।
ফলাফল ফেরত দিন পরের message-এ model-কে।
Model চূড়ান্ত উত্তর লেখে সেই ফলাফল ব্যবহার করে।
field-এর সঠিক নাম প্রদানকারীভেদে আলাদা, তাই আসল ফরম্যাটের জন্য আপনার provider-এর documentation দেখুন। ধারণা সব জায়গায় একই।
Code-এ এটি দেখতে কেমন?
এই চালানোর মতো নমুনা শুধু মাঝের অংশটি দেখায়: tool call পড়া এবং নিরাপদে চালানো। model-এর উত্তর এখানে হাতে লেখা, তাই কোনো account লাগে না।
import json
def get_weather(city):
data = {"Rivertown": "18C, cloudy", "Lakeside": "25C, sunny"}
return data.get(city, "unknown")
TOOLS = {"get_weather": get_weather} # শুধু অনুমোদিত tool
# tool ডাকার সিদ্ধান্ত নিলে model যেমন উত্তর দিতে পারে
model_reply = '{"tool": "get_weather", "arguments": {"city": "Lakeside"}}'
call = json.loads(model_reply)
func = TOOLS[call["tool"]]
result = func(**call["arguments"])
print(result) # 25C, sunny (model-কে ফেরত পাঠানো হবে)
Function calling, RAG ও MCP
ধারণা | কী করে |
|---|---|
Function calling | Model কাজের অনুরোধ করে; আপনার code তা চালায়। |
প্রাসঙ্গিক document খুঁজে prompt-এ যোগ করে। | |
AI অ্যাপে tool জোড়ার একটি সর্বজনীন স্ট্যান্ডার্ড। |
অনুসন্ধানকেও একটি tool হিসেবে দেওয়া যায়, তাই ধারণাগুলো একসাথে কাজ করে।
নিরাপত্তার নিয়ম
উপরের code-এর মতো শুধু allow-list-এর tool চালান।
Argument যাচাই করুন; model ভুল বা অপ্রত্যাশিত মান পাঠাতে পারে।
পেমেন্ট, মোছা বা email-এর মতো ঝুঁকিপূর্ণ কাজে মানুষকে নিশ্চিত করতে বলুন।
প্রতিটি tool-কে ন্যূনতম প্রয়োজনীয় অনুমতি দিন, আর tool থেকে ফেরত আসা লেখাকে অবিশ্বস্ত ধরুন।
সাধারণ ভুল
tool-এর অস্পষ্ট বর্ণনা, ফলে model ভুল tool বেছে নেয়।
ভাবা যে model নিজে function চালায়। আসলে আপনার code চালায়।
tool ব্যর্থ হলে বা কিছু না ফেরালে error handling না থাকা।
একসাথে অনেক বেশি tool দেওয়া, যাতে বাছাই কঠিন হয়।
Interview tip: চক্রটি বলুন (বর্ণনা, ডাকা, চালানো, ফেরত দেওয়া, উত্তর) এবং যাচাই ও অনুমতির কথা উল্লেখ করুন। ফ্রি চ্যাপ্টার টুল চুক্তি ও এক্সিকিউশন-এ বিস্তারিত আছে।
মূল কথা
function calling-এ LLM কাঠামোবদ্ধ JSON-এ কাজের অনুরোধ করে, আর আসলে কী চলবে তা ঠিক করে আপনার প্রোগ্রাম। পরিষ্কার tool-বর্ণনা, যাচাই ও সীমিত অনুমতি একে নিরাপদ ও নির্ভরযোগ্য করে।
শুরু করতে চান? tool, context, খরচ ও error handling-সহ LLM অ্যাপ ধাপে ধাপে বানাতে শিখুন। শুরু করুন ফ্রি কোর্স LLM দিয়ে AI ইঞ্জিনিয়ারিং: বিগিনার দিয়ে।
সম্পর্কিত লেখা
AI Engineering বিভাগের আরও লেখা
LLM API key কীভাবে নেবেন (OpenAI ও Gemini) আর খরচ কীভাবে হিসাব হয়
OpenAI বা Gemini API key কোথায় বানাবেন, token ভিত্তিক বিল কীভাবে কাজ করে, খরচ কীভাবে আন্দাজ করবেন এবং key নিরাপদ রাখবেন কীভাবে।
4 মিনিট পড়া১১ নভে, ২০২৬LangChain কী? কখন ব্যবহার করবেন, কখন নয়
LangChain হলো LLM অ্যাপ বানানোর একটি framework। এর মূল building block, একটি ছোট স্কেচ এবং কখন সাধারণ কোড ভালো, জেনে নিন।
3 মিনিট পড়া৪ নভে, ২০২৬AI বা LLM System-এর Performance কীভাবে Evaluate করবেন?
একটি AI system তৈরি করাই যথেষ্ট নয়। এটি কতটা accurate, reliable, safe এবং useful—তা measure করাও অত্যন্ত গুরুত্বপূর্ণ।
2 মিনিট পড়া৬ সেপ, ২০২৬Prompt injection কী? AI অ্যাপের নতুন নিরাপত্তা ঝুঁকি
Prompt injection AI অ্যাপকে আক্রমণকারীর নির্দেশ মানাতে বাধ্য করে। জানুন এর ধরন, কেন বিপজ্জনক এবং ঝুঁকি কমানোর একাধিক স্তর।
4 মিনিট পড়া১২ নভে, ২০২৬System prompt কী? কেন এটি গুরুত্বপূর্ণ
System prompt হলো সেই স্থায়ী নির্দেশনা, যা AI model-এর ভূমিকা, নিয়ম ও format ঠিক করে। user prompt থেকে এর পার্থক্য, কী লিখবেন ও সীমাবদ্ধতা জানুন।
3 মিনিট পড়া১০ নভে, ২০২৬Open-source LLM কী? Ollama দিয়ে নিজের কম্পিউটারে চালান
Open-source LLM কী, কেন মানুষ লোকালি চালায় এবং Ollama দিয়ে কয়েকটি কমান্ডে কীভাবে একটি model ডাউনলোড ও ব্যবহার করবেন।
3 মিনিট পড়া৯ নভে, ২০২৬
মন্তব্য
আলোচনায় যোগ দিতে সাইন ইন করুন।



