بررسی سازوکار فراخوانی ابزار (Tool Calling) در مدل های زبانی بزرگ و نقش آن در توسعه عامل های هوش مصنوعی

25 آبان 1405 - خواندن 8 دقیقه - 4 بازدید


مدل های زبانی بزرگ (Large Language Models) در پردازش زبان طبیعی، تولید محتوا، تحلیل اطلاعات و پاسخ گویی به پرسش ها توانایی قابل توجهی دارند؛ اما عملکرد آن ها به تنهایی به اطلاعات موجود در فرایند آموزش و داده های ورودی محدود است. این مدل ها به صورت مستقل نمی توانند به تمام منابع اطلاعاتی خارجی دسترسی داشته باشند یا عملیات واقعی مانند اجرای کد، جست وجوی پایگاه های داده، ارسال درخواست به سامانه های دیگر و مدیریت فایل ها را انجام دهند. سازوکار فراخوانی ابزار (Tool Calling) با هدف گسترش قابلیت های مدل های زبانی طراحی شده است و امکان برقراری ارتباط میان مدل و نرم افزارها، سرویس ها و منابع خارجی را فراهم می کند.


فراخوانی ابزار به فرایندی گفته می شود که در آن مدل زبانی، بر اساس درخواست کاربر و ابزارهای در دسترس، تشخیص می دهد که برای انجام یک وظیفه به قابلیت خارجی نیاز دارد. سپس درخواست استفاده از ابزار را در قالبی ساختاریافته تولید می کند تا نرم افزار میزبان آن را اجرا کند. نکته مهم این است که مدل معمولا خود ابزار را مستقیما اجرا نمی کند، بلکه درخواست اجرای آن را به برنامه یا محیط اجرایی ارسال می کند. پس از اجرای عملیات، نتیجه به مدل بازگردانده می شود تا بتواند بر اساس اطلاعات جدید، پاسخ نهایی را تولید کند یا در صورت نیاز، ابزار دیگری را فراخوانی نماید.


معماری فراخوانی ابزار معمولا از چند مولفه اصلی تشکیل می شود. نخست، تعریف ابزار (Tool Definition) قرار دارد که مشخص می کند هر ابزار چه وظیفه ای دارد، چه ورودی هایی دریافت می کند و چه خروجی ای تولید می کند. این اطلاعات معمولا از طریق یک ساختار مشخص مانند JSON Schema در اختیار مدل قرار می گیرند. برای مثال، یک ابزار جست وجوی اطلاعات ممکن است به پارامتری با عنوان عبارت جست وجو نیاز داشته باشد. مدل باید نام ابزار و مقادیر ورودی را مطابق ساختار تعریف شده تولید کند تا نرم افزار میزبان بتواند درخواست را پردازش کند.


مولفه دوم، انتخاب ابزار (Tool Selection) است. در این مرحله، مدل درخواست کاربر را تحلیل می کند و تشخیص می دهد که آیا پاسخ گویی به آن به ابزار خارجی نیاز دارد یا خیر. برای مثال، پاسخ به یک پرسش عمومی و مبتنی بر دانش موجود ممکن است بدون ابزار امکان پذیر باشد؛ اما بررسی قیمت لحظه ای یک محصول یا دریافت اطلاعات جدید از پایگاه داده به اجرای عملیات خارجی نیاز دارد. انتخاب صحیح ابزار اهمیت زیادی دارد؛ زیرا فراخوانی غیرضروری می تواند باعث افزایش زمان پاسخ گویی، مصرف منابع و هزینه محاسباتی شود.


پس از انتخاب ابزار، مرحله تولید آرگومان ها (Argument Generation) انجام می شود. در این مرحله، مدل مقادیر موردنیاز برای اجرای ابزار را استخراج و در قالب ساختاریافته تولید می کند. کیفیت این مرحله به وضوح تعریف پارامترها، محدودیت های ورودی و دستورالعمل های ارائه شده به مدل وابسته است. برای مثال، اگر ابزاری برای رزرو جلسه به تاریخ، ساعت و تعداد شرکت کنندگان نیاز داشته باشد، مدل باید این اطلاعات را به شکل صحیح و مطابق قالب مورد انتظار ارسال کند. استفاده از اعتبارسنجی ساختاریافته می تواند احتمال بروز خطاهای قالب بندی و ورودی های نامعتبر را کاهش دهد؛ هرچند اعتبار ساختاری به تنهایی صحت معنایی اطلاعات را تضمین نمی کند.


مرحله بعد، اجرای ابزار (Tool Execution) است. در این بخش، نرم افزار میزبان درخواست تولیدشده توسط مدل را دریافت می کند، مجوزهای لازم را بررسی می نماید و عملیات موردنظر را اجرا می کند. ابزار ممکن است یک تابع نرم افزاری، سرویس اینترنتی، پایگاه داده، موتور جست وجو یا محیط اجرای کد باشد. برای نمونه، اگر کاربر درخواست بررسی موجودی یک محصول را مطرح کند، مدل می تواند ابزار استعلام موجودی را فراخوانی کند و برنامه میزبان با اتصال به سامانه انبارداری، اطلاعات واقعی را دریافت نماید.


پس از اجرای عملیات، نتیجه ابزار در قالب خروجی مشخص به مدل بازگردانده می شود. این مرحله با عنوان بازگرداندن نتیجه ابزار (Tool Response) شناخته می شود. مدل با استفاده از خروجی دریافت شده می تواند پاسخ نهایی را تولید کند، اطلاعات را تحلیل نماید یا در صورت پیچیده بودن وظیفه، مرحله دیگری از فراخوانی ابزار را آغاز کند. این چرخه ممکن است چندین بار تکرار شود تا هدف موردنظر تکمیل گردد. بنابراین، فراخوانی ابزار فقط یک ارتباط ساده میان مدل و نرم افزار نیست، بلکه می تواند بخش مهمی از یک فرایند چندمرحله ای و هدف محور باشد.


یکی از فناوری های مهم مرتبط با این حوزه، فراخوانی تابع (Function Calling) است. این مفهوم در بسیاری از پلتفرم های مدل های زبانی برای اتصال مدل به توابع و قابلیت های نرم افزاری استفاده می شود. در این روش، توسعه دهنده مجموعه ای از توابع را با مشخصات و پارامترهای معین در اختیار مدل قرار می دهد. مدل بر اساس درخواست کاربر، تابع مناسب را انتخاب و آرگومان های موردنیاز را تولید می کند. سپس برنامه میزبان تابع را اجرا کرده و نتیجه را به مدل بازمی گرداند. فراخوانی تابع را می توان یکی از شیوه های پیاده سازی فراخوانی ابزار دانست، اما تمام ابزارها الزاما به شکل تابع های ساده و محلی پیاده سازی نمی شوند.


در کنار این فناوری، پروتکل زمینه مدل (Model Context Protocol یا MCP) نیز به عنوان روشی برای استانداردسازی ارتباط میان مدل های هوش مصنوعی و منابع خارجی مطرح شده است. MCP یک پروتکل ارتباطی است که امکان معرفی و استفاده از ابزارها، منابع اطلاعاتی و قابلیت های مختلف را از طریق یک ساختار مشترک فراهم می کند. در این معماری، سرورهای MCP قابلیت های خود را در اختیار برنامه متصل کننده قرار می دهند و مدل می تواند بر اساس ابزارهای معرفی شده، درخواست اجرای عملیات را تولید کند. مزیت این رویکرد، کاهش نیاز به طراحی اتصال اختصاصی برای هر مدل و هر سرویس است. در نتیجه، توسعه دهندگان می توانند سامانه های هوش مصنوعی را با منابع و ابزارهای متنوع تری یکپارچه کنند.


فراخوانی ابزار نقش مهمی در توسعه عامل های هوش مصنوعی (AI Agents) دارد. عامل هوشمند برای انجام وظایف پیچیده به چیزی فراتر از تولید متن نیاز دارد و باید بتواند محیط خود را بررسی کند، اطلاعات جدید دریافت نماید و اقدامات مشخصی انجام دهد. برای مثال، یک عامل مدیریت کسب وکار می تواند از ابزارهای تحلیل داده برای بررسی عملکرد فروش، از ابزارهای ارتباطی برای ارسال پیام و از پایگاه داده برای دریافت اطلاعات مشتریان استفاده کند. در چنین شرایطی، مدل زبانی نقش تصمیم گیرنده و انتخاب کننده عملیات را ایفا می کند و ابزارهای خارجی امکان اجرای واقعی اقدامات را فراهم می سازند.

یکی از قابلیت های پیشرفته در این زمینه، فراخوانی موازی ابزارها (Parallel Tool Calling) است. در برخی مدل ها و محیط های اجرایی، امکان ارسال چند درخواست مستقل به ابزارهای مختلف در یک مرحله وجود دارد. برای مثال، اگر یک عامل بخواهد اطلاعات چند محصول را از منابع مستقل دریافت کند، می تواند درخواست های مربوط به آن ها را به صورت هم زمان ارسال نماید. این روش در صورت مستقل بودن عملیات می تواند زمان اجرای فرایند را کاهش دهد. البته اگر یک عملیات به نتیجه عملیات قبلی وابسته باشد، اجرای ترتیبی ضروری خواهد بود.


با وجود مزایای فراخوانی ابزار، این فناوری با چالش های فنی و امنیتی متعددی روبه رو است. یکی از مهم ترین مشکلات، انتخاب ابزار نامناسب یا تولید پارامترهای اشتباه توسط مدل است. همچنین ممکن است ابزار خارجی با خطای شبکه، محدودیت دسترسی یا خروجی غیرمنتظره مواجه شود. از سوی دیگر، اتصال مدل به ابزارهایی که امکان تغییر یا حذف اطلاعات، انجام تراکنش مالی یا ارسال پیام دارند، خطرات امنیتی و عملیاتی ایجاد می کند. به همین دلیل، اعتبارسنجی ورودی ها، کنترل سطح دسترسی، محدودسازی عملیات، ثبت رویدادها و در نظر گرفتن تایید انسانی برای اقدامات حساس اهمیت زیادی دارد.

در نهایت، فراخوانی ابزار یکی از سازوکارهای بنیادی برای تبدیل مدل های زبانی از سامانه های صرفا تولیدکننده محتوا به سامانه های تعاملی و قادر به انجام عملیات است. این فناوری با ایجاد ارتباط ساختاریافته میان مدل های هوش مصنوعی و نرم افزارهای خارجی، امکان دسترسی به اطلاعات به روز، اجرای کد، مدیریت داده ها و انجام وظایف چندمرحله ای را فراهم می کند. بااین حال، کارایی واقعی آن به طراحی مناسب ابزارها، تعریف دقیق پارامترها، مدیریت خطا و رعایت الزامات امنیتی وابسته است. توسعه عامل های هوش مصنوعی قابل اعتماد در آینده، بیش از آنکه به افزایش تعداد ابزارهای در دسترس وابسته باشد، به توانایی آن ها در انتخاب صحیح، اجرای کنترل شده و ارزیابی دقیق نتایج ابزارها بستگی خواهد داشت.