Function Calling（関数呼び出し）とは？AIが外部ツールを使う仕組みを解説

ChatGPTに「今日の東京の天気は？」と聞いても、リアルタイムの天気は答えられません。なぜなら、LLMの知識は学習時点で止まっているからです。

しかし、Function Calling（関数呼び出し）を使えば、AIは天気APIを呼び出して最新情報を取得できます。

この記事では、LLMと外部世界をつなぐ重要技術「Function Calling」について解説します。

Function Callingとは？

一言で言うと

Function Callingは、LLMが外部の関数やAPIを「呼び出すべきかどうか」を判断し、必要な引数をJSON形式で出力する機能です。

「Tool Use（ツール使用）」とも呼ばれます。

何ができるようになるのか

Function Callingにより、LLMは以下のことが可能になります。

• 最新情報の取得：天気、株価、ニュースなど
• データベース操作：顧客情報の検索、予約の登録
• 外部サービス連携：メール送信、カレンダー登録
• 計算処理：複雑な数学計算、データ分析
• ファイル操作：ドキュメント作成、画像処理

Function Callingの仕組み

処理の流れ

1. ユーザーの質問：「今日の東京の天気は？」
2. LLMが判断：「天気を知るには get_weather 関数が必要だな」
3. LLMが引数を生成（JSON）：

{
  "function": "get_weather",
  "arguments": {
    "location": "東京",
    "date": "2025-12-10"
  }
}

4. プログラムが関数を実行：天気API呼び出し → 「晴れ、最高気温12度」
5. 結果をLLMに渡す
6. LLMが回答を生成：「今日の東京の天気は晴れで、最高気温は12度です」

重要なポイント

関数の定義方法

開発者は、LLMに利用可能な関数を教える必要があります。

{
  "name": "get_weather",
  "description": "指定した場所の天気情報を取得します",
  "parameters": {
    "type": "object",
    "properties": {
      "location": {
        "type": "string",
        "description": "天気を調べたい場所（例：東京、大阪）"
      },
      "date": {
        "type": "string",
        "description": "日付（YYYY-MM-DD形式）"
      }
    },
    "required": ["location"]
  }
}

LLMはこの定義を読んで、ユーザーの質問に適した関数を選択します。

Function Callingの種類

1. 単一関数呼び出し

1回のリクエストで1つの関数を呼び出します。

ユーザー：「東京の天気は？」
→ get_weather(location="東京")

2. 並列関数呼び出し（Parallel Function Calling）

複数の関数を同時に呼び出します。効率的な処理が可能。

ユーザー：「東京と大阪の天気を教えて」
→ get_weather(location="東京")
→ get_weather(location="大阪")
（同時に実行）

3. 連鎖的関数呼び出し

1つの関数の結果を使って、次の関数を呼び出します。

ユーザー：「私の予定がある日の天気を教えて」
→ get_calendar() → 「12月15日に予定あり」
→ get_weather(date="2025-12-15")

tool_choiceオプション

関数呼び出しの挙動を制御できます。

オプション	動作
auto	AIが必要に応じて関数を呼び出す（デフォルト）
required	必ずいずれかの関数を呼び出す
none	関数呼び出しを無効化
{"name": "関数名"}	特定の関数を強制的に呼び出す

主要LLMのFunction Calling対応

OpenAI（GPT-4、GPT-3.5）

2023年6月にFunction Calling機能を発表。2023年12月のアップデートで、パラメータ名が変更されました。

旧パラメータ	新パラメータ
functions	tools
function_call	tool_choice

Anthropic（Claude）

「Tool Use」という名称でFunction Callingをサポート。JSON形式で関数を定義し、Claude API経由で利用可能。

Google（Gemini）

Gemini 1.5 Pro/FlashでFunction Callingをサポート。Vertex AIと統合され、エージェントオーケストレーションにも対応。

オープンソースモデル

Llama、Mistral、Qwenなども、ファインチューニングによりFunction Callingに対応。

Function Callingの活用事例

1. AIアシスタント・チャットボット

ユーザー：「明日の14時に田中さんとミーティングを設定して」
→ create_meeting(date="2025-12-11", time="14:00", attendee="田中")
→ 「ミーティングを設定しました」

チャットボットに実際の「行動」能力を与えられます。

2. データ検索・分析

ユーザー：「先月の売上上位5商品を教えて」
→ query_database(query="SELECT * FROM sales WHERE month='2025-11' ORDER BY amount DESC LIMIT 5")
→ 「1位：商品A（100万円）、2位：商品B（80万円）...」

3. 自然言語からの構造化データ抽出

ユーザー：「山田太郎、35歳、東京都在住、電話番号03-1234-5678」
→ extract_contact({name: "山田太郎", age: 35, address: "東京都", phone: "03-1234-5678"})

4. 複合タスクの自動化

ユーザー：「新規顧客リストをExcelにまとめてメールで送って」
→ get_new_customers()
→ create_excel(data=顧客リスト)
→ send_email(to="担当者", attachment="顧客リスト.xlsx")

Function CallingとMCPの関係

MCP（Model Context Protocol）とは

2024年にAnthropicが発表したMCPは、LLMと外部ツールを接続するための標準プロトコルです。

項目	Function Calling	MCP
提供元	各LLMベンダー	Anthropic（オープン標準）
対象	特定のAPIとの連携	汎用的なツール接続
標準化	ベンダーごとに異なる	統一プロトコル
拡張性	API単位で定義	サーバー単位で機能追加

Function Callingの実装のコツ

1. 関数の説明を明確に

// 悪い例
"description": "天気を取得"

// 良い例
"description": "指定した都市の現在の天気情報（気温、湿度、天候）を取得します。日本国内の都市に対応しています。"

LLMは説明文を読んで関数を選択するため、詳細な説明が精度向上につながります。

2. パラメータの型と制約を明示

"parameters": {
  "temperature_unit": {
    "type": "string",
    "enum": ["celsius", "fahrenheit"],
    "description": "温度の単位"
  }
}

3. 必須パラメータを適切に設定

"required": ["location"]  // 必須パラメータ
// dateは任意（省略時は今日）

4. エラーハンドリングを実装

関数の実行が失敗した場合の処理も重要です。

関数実行エラー発生
→ エラー情報をLLMに返す
→ LLMが別のアプローチを提案

2025年の最新動向

効率化の進展

最新の研究では、利用可能な関数を動的に制限する「Less-is-More」アプローチが注目されています。

• 実行時間：最大70%削減
• 消費電力：約40%削減

関数の選択肢が少ないほど、LLMの判断が速く正確になります。

AIエージェントの基盤技術

Function Callingは、AIエージェント（自律的にタスクを実行するAI）の核心技術となっています。

【AIエージェントの動作】
目標設定 → 計画立案 → Function Calling → 結果確認 → 次のアクション
                         ↑
                    外部世界との接点

まとめ：AIと外部世界をつなぐ架け橋

Function Callingは、LLMが外部システムと連携するための重要な技術です。

Function Callingの重要ポイント：

• LLMが「どの関数を呼ぶか」を判断し、引数を生成
• 実際の関数実行はアプリケーション側が担当
• 天気取得、DB操作、外部API連携など幅広い活用
• OpenAI、Claude、Geminiなど主要LLMが対応
• 並列呼び出し、連鎖呼び出しも可能
• AIエージェントの核心技術として発展中

Function Callingにより、AIは「知識を持つ」だけでなく「行動できる」存在へと進化しています。