Tool Calling (Function Calling) - wie ein Sprachmodell Werkzeuge aufruft

Tool Calling - oft auch Function Calling genannt - beschreibt die Fähigkeit eines Sprachmodells, externe Werkzeuge und Funktionen aufzurufen, statt nur Text zu erzeugen. Das Modell erkennt, dass es für eine Aufgabe ein Werkzeug braucht, formuliert einen strukturierten Aufruf mit den nötigen Angaben, und ein umgebendes System führt diesen Aufruf tatsächlich aus. Das Ergebnis fließt zurück ins Modell, das damit weiterarbeitet.

Damit überwindet ein Modell seine natürliche Grenze: Aus sich heraus kann ein Sprachmodell weder rechnen, noch eine Datenbank abfragen oder eine E-Mail versenden. Über Tool Calling delegiert es genau diese Aufgaben an dafür gebaute Funktionen - und wird so vom Textgenerator zum handelnden System.

Wie ein Tool-Aufruf abläuft

1. Werkzeuge bekannt machen: Dem Modell wird beschrieben, welche Funktionen es gibt, was sie tun und welche Angaben sie erwarten.
2. Bedarf erkennen: Aus der Nutzeranfrage schließt das Modell, dass ein Werkzeug nötig ist - etwa eine Abfrage statt einer geratenen Antwort.
3. Aufruf formulieren: Das Modell erzeugt einen strukturierten Aufruf, meist als klar definiertes Datenobjekt mit dem Namen der Funktion und den Parametern.
4. Ausführung: Nicht das Modell, sondern das umgebende System führt die Funktion aus und holt das Ergebnis.
5. Rückgabe: Das Ergebnis wird dem Modell zurückgegeben, das daraus eine Antwort formuliert oder den nächsten Schritt plant.

Wichtig ist die Rollenteilung: Das Modell entscheidet, welches Werkzeug mit welchen Angaben aufgerufen wird - ausgeführt wird der Aufruf außerhalb des Modells. Das gibt Kontrolle darüber, was tatsächlich passiert.

Grundlage für KI-Agenten

Tool Calling ist der Mechanismus, der aus einem Sprachmodell einen KI-Agenten macht. Ein Agent plant eine Aufgabe, ruft dafür Werkzeuge auf, wertet die Ergebnisse aus und ruft bei Bedarf das nächste Werkzeug auf. Diese Schleife aus Denken und Handeln ist der Kern eines agentischen Workflows. Ohne Tool Calling bliebe ein Agent auf sein antrainiertes Wissen beschränkt und könnte keine reale Aktion auslösen.

Die Rolle von MCP als Standardisierung

Tool Calling beantwortet die Frage, wie ein Modell einen Aufruf formuliert. Offen bleibt, welche Werkzeuge zur Verfügung stehen und wie sie angebunden werden. Genau hier setzt das Model Context Protocol (MCP) an: Es standardisiert, wie Werkzeuge bereitgestellt und beschrieben werden, sodass nicht für jedes Modell eine eigene Integration nötig ist.

• Ohne Standard: Jede Anbindung eines Werkzeugs an ein Modell wird einzeln gebaut - aufwändig und schwer wiederverwendbar.
• Mit MCP: Ein MCP-Server stellt Werkzeuge einheitlich bereit, und jeder MCP-fähige Assistent kann sie über Tool Calling nutzen.

Tool Calling und MCP greifen also ineinander: Tool Calling ist die Fähigkeit des Modells, MCP der Standard für die Werkzeuge dahinter. Geht es um die Zusammenarbeit mehrerer Agenten, kommt zusätzlich das A2A-Protokoll ins Spiel.

Worauf es in der Praxis ankommt

• Klare Beschreibungen: Je präziser eine Funktion beschrieben ist, desto zuverlässiger ruft das Modell sie richtig auf.
• Strenge Parameter: Erwartete Angaben sollten klar definiert und geprüft werden, damit keine unsinnigen Aufrufe entstehen.
• Fehlerbehandlung: Schlägt ein Aufruf fehl, braucht das Modell eine verständliche Rückmeldung, um sinnvoll zu reagieren.
• Rechte und Sicherheit: Werkzeuge, die echte Aktionen auslösen, gehören abgesichert - besonders bei schreibenden Zugriffen.

Tool Calling bei Elasticbrains

Bei Elasticbrains bauen wir die Werkzeuge, die Ihre KI-Agenten handlungsfähig machen - mit klaren Beschreibungen, geprüften Parametern und sauberer Rechtevergabe, standardisiert über MCP. Wie wir das umsetzen, zeigen wir auf unserer Leistungsseite MCP-Server entwickeln lassen.