Seri AI #3: Tools & Function Calling Itu Apa?

Pada tulisan sebelumnya kita belajar bahwa LLM, sebagus apa pun bahasanya, sendirian hanya bisa menghasilkan teks. Ia seperti siswa yang sangat pandai berbicara dan menulis, tetapi tidak punya tangan, tidak bisa membuka buku di perpustakaan, dan tidak bisa melihat kalender di dinding. Agar LLM bisa benar-benar melakukan sesuatu — bukan hanya membicarakan sesuatu — ia perlu diberi alat bantu. Alat bantu inilah yang dalam dunia AI disebut tools, dan cara LLM meminta alat itu dipakai disebut function calling.

Tools adalah program atau fungsi di luar LLM yang masing-masing punya satu kegunaan yang jelas. Ada tool kalkulator untuk menghitung, tool pencarian web untuk mencari informasi terbaru di internet, tool pembaca berkas untuk membuka dokumen, tool kalender untuk melihat dan membuat jadwal, sampai tool untuk menjalankan kode program. Penting untuk dicatat: LLM sendiri tidak menjalankan tool itu. LLM hanya memutuskan tool apa yang diperlukan dan meminta agar tool tersebut dijalankan oleh sistem di sekelilingnya — mirip murid yang meminta izin memakai kalkulator, sementara yang menyediakan dan mengawasi kalkulatornya adalah gurunya.

Proses function calling berjalan dalam langkah-langkah yang rapi. Pertama, pengguna menyampaikan permintaan, misalnya, "Carikan jadwal ujian terbaru lalu hitung berapa hari lagi dari sekarang." Kedua, LLM menilai bahwa ia tidak bisa menjawab ini dari ingatannya saja, lalu menyusun sebuah panggilan fungsi yang terstruktur: nama tool-nya apa, dan data apa yang harus diisikan, seperti kata kunci pencarian atau tanggal yang akan dihitung. Ketiga, sistem menjalankan tool tersebut dan mengembalikan hasilnya kepada LLM. Keempat, barulah LLM merangkai hasil itu menjadi jawaban berbahasa wajar yang bisa kita baca. Jadi jawaban yang kita terima tetap tulisan LLM, tetapi isinya kini bersumber dari pekerjaan nyata sebuah tool.

Kehadiran tools mengubah LLM dari sekadar mesin bahasa menjadi pembantu yang jauh lebih berguna, sekaligus mengatasi tiga kelemahan utamanya. Pertama, soal kemutakhiran: dengan tool pencarian, LLM bisa melihat informasi hari ini, bukan hanya informasi lama dari masa pelatihannya. Kedua, soal ketepatan: hitungan matematika sebaiknya dikerjakan kalkulator atau program, bukan ditebak dari pola kata. Ketiga, soal tindakan: dengan tool yang tepat, AI tidak berhenti pada saran, tetapi bisa membantu memeriksa jadwal, membaca dokumen yang kita berikan, atau menyusun draf berdasarkan data kita sendiri — tentu selalu dengan izin kita.

Di sinilah kita juga perlu berhati-hati. Tool ibarat kunci: semakin banyak kunci yang diberikan kepada AI, semakin besar pula tanggung jawab pengawasannya. AI bisa saja memilih tool yang keliru atau mengisikan data yang salah, dan tool yang mengakses data pribadi — seperti email atau dokumen sekolah — tidak boleh diberikan tanpa batas izin yang jelas dan persetujuan penggunanya. Prinsip amannya sederhana: berikan hanya akses yang memang dibutuhkan untuk tugas itu, dan tetaplah menjadi penentu akhir sebelum sebuah tindakan penting benar-benar dilakukan.

Masalahnya, selama ini setiap aplikasi dan setiap penyedia tool punya cara sendiri-sendiri untuk menghubungkan tools kepada LLM. Akibatnya, pengembang harus membuat sambungan khusus berulang-ulang untuk setiap kombinasi, seperti membuat colokan listrik yang berbeda untuk setiap perangkat. Dunia AI membutuhkan satu standar bersama agar tool apa pun bisa dipasangkan dengan mudah — dan standar itulah yang akan kita bahas pada tulisan berikutnya: MCP, atau Model Context Protocol.