本文へ移動
Harch AI Lab AI Learning & Research Mediapowered by Artiql Inc.

Function Calling(関数呼び出し/Tool Use)とは・意味、仕組み・各社のAPI・由来

Function Callingとは?

Function Calling(関数呼び出し/Tool Use)とは、生成AIのAPIで、開発者が渡した関数の一覧からAIモデルが使うものを選び、呼び出しに必要な引数を決まった形式で返す機能のこと。返された呼び出しを実際に実行するのは、モデルではなく開発者のアプリだ。

OpenAI は開発者向けの Function calling の手引きで、この機能を tool calling とも呼ぶ。同社は、自社のモデルが外部のシステムとやり取りし、学習データにない情報を使えるようにする方法と説明している。

Anthropic は同じ機能を「tool use」と呼ぶ。同社の日本語のツール使用の文書は、tool use を「ツール使用」と訳し、関数呼び出しという呼び方もあると記している。Microsoft の日本語の文書も「関数呼び出し」の表記を使う。

Google は、モデルは関数を自分では実行しないと説明している。関数の名前と引数を取り出して実行するのは、アプリの側の役目だ。Microsoft の説明では、アプリが関数を実行して結果をモデルに返す形のため、開発者は実際に行われる操作を管理できる。

主な使い道として Google が挙げるのは、予定の登録やメールの送信のような外部のシステムへの操作、データベースなどからの情報の取得、計算機やグラフの作成のようにモデルの限界を補う処理の3つだ。

OpenAI の API では、自分で定義した関数のほかに、組み込みのツールとして MCP(AIのアプリを外部のデータや道具とつなぐ共通の規格)のサーバーの機能も呼び出せる。Google の Gemini API でも、Interactions API を使えばリモートの MCP サーバーにつなぎ、外部の道具やサービスをモデルに使わせることができる。

Function Callingの仕組み

Function Calling は、アプリとモデルが API を通じて何度かやり取りする形で進む。OpenAI は、その流れを大きく5つの段階に分けている。

Function Calling のやり取りの流れOpenAI の開発者向けの手引きで示された5つの段階
1
使える関数を付けて頼むアプリは、モデルが呼び出せる関数の一覧を付けて、利用者の依頼をモデルに送る
2
呼び出しの要求を受け取るモデルは関数を使うと決めると、関数の名前と引数を書いた呼び出しの要求を返す1回の応答に、複数の呼び出しが入ることもある
3
アプリが関数を実行するアプリの側のコードが、要求に書かれた引数を使って処理を実行する
4
結果を付けてもう一度頼むアプリは実行の結果を付けて、2回目の要求をモデルに送る
5
答えか次の呼び出しを受け取るモデルは最終の答えを返すか、さらに関数の呼び出しを求める
出典:OpenAI「Function calling」

OpenAI の手引きの例では、天気を調べる get_weather という関数をモデルに渡す。「パリの天気は?」という依頼に対し、モデルは引数の location に Paris を指定した呼び出しを返す。アプリが気温などの結果を返すと、モデルはそれをもとに答えの文章を作る。

呼び出しと結果のやり取りは、OpenAI の Responses API では作業に必要な回数だけ続けることができる。モデルが道具を使い、結果を見て次の行動を決める繰り返しは、エージェンティックループと呼ばれる。

関数の定義には名前と説明と引数の形を書く

OpenAI の API では、関数ごとに、名前、いつどう使うかの説明、入力の引数の形を定めた parameters などを書く。parameters は JSON Schema で書く。JSON Schema は一般に、データの形を JSON で記述するための決まりを指す。

Google の Gemini API でも、関数の宣言に名前、目的の説明、引数を書く。Anthropic の API では、引数の形を input_schema という欄に書く。

関数を呼ぶかどうかは初期の設定ではモデルが決める

OpenAI の API の初期の設定では、いつ、いくつの関数を使うかをモデルが決める。tool_choice という設定で、1つ以上の呼び出しを必ず求めることや、名前を指定した1つの関数だけを呼ばせることもできる。

Google の Gemini API の tool_choice には、モデルが判断する auto のほか、必ず関数の呼び出しを返させる any、呼び出しを禁じる none などがある。

初期の設定の auto では、依頼が道具の説明に書いた機能に当たっていて答えがまだ文脈にないときに Claude が道具を呼ぶと、Anthropic は文書で説明している。Claude は、変わらない知識を問う質問や創作、会話のやり取りには、道具を使わずに答える。

1回の応答で複数の関数を呼ぶこともある

OpenAI の API では、モデルが1回の応答で複数の関数を呼ぶことがある。parallel_tool_calls を false にすると、呼び出しは0件か1件に限られる。

Google の Gemini API は、互いに関係しない複数の関数を同時に呼ぶ並列の呼び出しと、順番に呼ぶ呼び出しの両方に対応する。

Anthropic の API では、初期の設定で Claude が1回の応答で複数の道具を呼ぶことがある。tool_choice の type が auto のときに disable_parallel_tool_use: true を設定すると、1回の応答で呼ぶ道具は1つまでになる。

strict の設定で引数を定義どおりにそろえる

OpenAI の API で strict を true にすると、関数の呼び出しはできる範囲で合わせる形ではなく、定義したスキーマに確実に沿うようになる。同社は strict を常に有効にするよう勧めている。

Anthropic の API でも、定義に strict: true を足すと、Claude の呼び出しが常にスキーマにそのまま一致するようになる。Google の Gemini API には、関数のスキーマに沿うことをモデルに守らせる validated という設定がある。

Function Callingの各社のAPIでの名前と設定

提供元 機能の名前 ツールの定義の主な欄 呼び出しの設定
OpenAI Function calling(tool calling とも呼ぶ) name、description、parameters(JSON Schema)、strict tool_choice の auto(初期値)・required・関数の指定・allowed_tools・none
Google Function calling(Gemini API) type、name、description、parameters tool_choice の auto(初期値)・any・none・validated
Anthropic Tool use(ツール使用) name、description、input_schema tool_choice の auto(初期値)。呼び出しを必須にする設定もある

※2026年11月時点

Function Callingの由来と広まった経緯

言語モデルに外部の道具を使わせる研究は、Function Calling の提供より前からあった。Timo Schick 氏らは2023年2月に arXiv で公開した論文で、言語モデル Toolformer を示した。Toolformer は、どの API をいつ呼び、どんな引数を渡し、結果をどう使うかを自分で決めるよう学習させたモデルだ。

OpenAI は2023年6月13日、Chat Completions API に function calling の機能を加えた。

開発者は新しい引数の functions と function_call を使い、関数を JSON Schema でモデルに説明する。この機能に対応した gpt-4-0613 と gpt-3.5-turbo-0613 は、関数を呼ぶかどうかを判断し、呼ぶときは引数を含む JSON を出力する。

OpenAI はこの機能を、GPT の能力を外部の道具や API により確実につなぐ新しい方法と位置づけた。同社は使い道として、外部の道具を呼んで質問に答えるチャットボット、自然言語の依頼を API の呼び出しやデータベースへの問い合わせに変えること、文章から構造のあるデータを取り出すことを挙げた。

Google は2023年12月13日、開発者向けに Gemini API で Gemini Pro の提供を始め、その機能の1つに function calling を挙げた。

Anthropic は2024年5月30日、Claude が外部の道具や API を使える tool use を、Claude 3 のモデル群で一般提供した。提供先は自社の Messages API と Amazon Bedrock、Google Cloud の Vertex AI だ。

OpenAI は2026年3月5日、GPT-5.4 とあわせて tool search を Responses API に加えた。tool search は、大量のツールの定義を、実行の途中で必要になるまで読み込まずにおく機能だ。

2026年9月3日に公開した GPT-6 Astra では、OpenAI はツールの呼び出しに Responses API を使うことを必須にした。

同じ日には、GPT-6 Astra の長時間の作業向けの機能として、アプリが関数やカスタムツールを実行している間もモデルが作業を続けられる非同期のツール呼び出し(async tool calling)も Responses API に加わった。

Function Callingに関する主な出来事・ニュース

ツールの読み込みと呼び出しを効率化する各社の機能

Anthropic はツールの使い方を広げる3つの機能を加えた

Anthropic は2025年11月、ツールの使い方を広げる3つの機能をベータ版として公開した。そのうち Tool Search Tool は、ツールの定義をすべて先に読み込まず、必要なツールをその場で探して読み込む機能だ。必要になった分だけを読み込む設計は、段階的開示と呼ばれる。

従来のツールの呼び出しでは、呼び出しのたびにモデルの推論が1回必要になると、同社は指摘する。途中の結果も、役に立つかどうかにかかわらず文脈に蓄積されるという。

Programmatic Tool Calling では、Claude が複数のツールを呼ぶコードを生成し、コードを実行する環境の中で出力を処理して、文脈に取り込む情報を絞る。同社は、表計算ソフト向けの Claude for Excel が、数千行のスプレッドシートを読み書きするのにこの機能を使っているとしている。

Tool Use Examples は、ツールの定義の中に呼び出しの例を記述する機能だ。例を書くことで、どの任意の引数を含めるかのように JSON Schema だけでは伝わらない使い方を Claude に示すことができるというのが、同社の説明だ。

OpenAI の tool search は関数の定義を必要なときに読み込む

OpenAI の tool search では、読み込みを遅らせたい関数に defer_loading を付けると、モデルが必要になったときに探して文脈に読み込む。Responses API で tool search を使えるのは、gpt-5.4 以降のモデルだ。

関数を1つずつ遅らせた場合でも、関数の名前と説明は最初からモデルに見える。その場合に遅らせる中身は、主に引数の定義だ。OpenAI は2026年7月9日に公開した GPT-5.6 で、Responses API に Programmatic Tool Calling も加えた。

Function Callingの性能を測るベンチマーク

BFCL は関数の呼び出しの正しさを評価する

Shishir G Patil 氏らは、機械学習の国際会議 ICML 2025 の論文で、関数呼び出しの能力を測るベンチマーク BFCL(Berkeley Function Calling Leaderboard)を示した。BFCL は論文より前に試行版が公開され、関数呼び出しの評価の事実上の標準になったと、著者らは述べている。

論文は関数呼び出しを tool use とも呼び、利用者の質問に応じて LLM が外部の関数や API、利用者が定義した道具を呼び出す能力と定義している。

BFCL は、順番に行う呼び出しと並列の呼び出しを、複数のプログラミング言語で評価する。呼び出しの正しさは、抽象構文木(AST)を使う方法で判定する。答えを控える必要がある場面で控えられるか、状態が変わる複数の段階の作業で推論できるかも評価の対象だ。

著者らが公開している順位表の BFCL V4 は、2026年4月12日に更新された。順位表は、関数呼び出しの機能を備えたモデルの結果(FC)と、通常の文章の生成で呼び出しを出力させた結果(Prompt)を分けて示している。

国内では Sarashina の評価にも BFCL が使われた

SB Intuitions の浅野広樹氏らは2026年10月29日、同社の技術ブログで、思考モデル Sarashina3.2 mini thinking を紹介した。同社は、エージェントの能力を測るベンチマークの1つに BFCL v3 を使い、BFCL を LLM の関数呼び出しの能力を評価するベンチマークと説明している。

Function Callingを使うときのリスクと設計の注意

道具の出力に仕込まれた指示に従うおそれがある

OpenAI は2023年の発表で、信頼できない道具の出力に含まれたデータが、意図しない操作をモデルにさせうることを示す攻撃の実証を例に挙げた。同社は、開発者は信頼できる道具の情報だけを使い、メールの送信や投稿、購入のように現実に影響する操作の前に利用者の確認の手順を設けることでアプリを守れると記した。

外部の情報に仕込んだ指示でAIを操る攻撃は、一般にプロンプトインジェクションと呼ばれる。ツールの説明などに指示を仕込む攻撃は、ツールポイズニングと呼ばれる。

OWASP は Excessive Agency を3番目のリスクに挙げる

セキュリティの国際団体 OWASP の GenAI Security Project は2026年8月、LLM のアプリの10大リスクの2026年版を公表した。3番目に挙げたのは、「Excessive Agency」というリスクだ。

LLM を使うシステムは、道具を通じて関数を呼び出したりほかのシステムとやり取りしたりする力を開発者から与えられることが多いと、OWASP は指摘する。Excessive Agency は、LLM の出力が想定外のものやあいまいなもの、操作されたものだったときに、害のある操作が実行される弱点と説明されている。

Excessive Agency の根本の原因の多くは、機能の過剰、権限の過剰、自律の過剰の1つ以上だという。

対策として OWASP は、エージェントが呼べるツールを必要最小限に絞る、ツールの機能と権限を最小限にする、シェルの実行のように何でもできるツールを避けるなどを挙げている。引数には厳密なスキーマを定めて使う前に中身を検証することや、影響の大きい操作の前に承認の手順を組み込むことも求めている。

また、操作を許すかどうかを LLM に判断させず、プログラムの側で認可を確かめることも、OWASP は対策に挙げている。

関数の定義も入力のトークンとして課金される

OpenAI の API では、関数の定義はモデルが学習した形式でシステムメッセージに入る。そのため定義は文脈の上限に数えられ、入力のトークンとして課金される。

Anthropic の API でも、tools に書いた名前や説明、スキーマ、呼び出しと結果のやり取りが、料金のもとになるトークンに含まれる。ツールを使うときは、そのための専用のシステムプロンプトも自動で足される。

OpenAI は、正確さを高めるために、最初に使える関数の数を少なくするよう勧めている。同社は、1回のやり取りの始めに使える関数を20未満にすることを目安に挙げ、あくまで緩い目安だとしている。Google も、有効にするツールを最大で10〜20に保つよう勧めている。

足りない引数をモデルが推測して埋めることがある

Anthropic の文書によると、必須の引数を埋めるだけの情報が依頼にないとき、Claude Opus のほうが、足りない引数に気づいて利用者に尋ねる可能性がずっと高い。Claude Sonnet は、とくに呼び出しの前に考えるよう促されたときに尋ねることがあるが、もっともらしい値を推測して指定することもある。Google は、モデルが返した関数の呼び出しを、実行する前に検証するよう勧めている。

Function Callingの言い方

表記 意味 使用主体
function calling モデルが関数の呼び出しを返す機能 OpenAI、Google
tool calling function calling の別の呼び方 OpenAI
tool use 同じ機能の呼び方。Anthropic は関数呼び出しとも呼ばれるとしている Anthropic、Patil 氏ら
function call/tool call モデルが返す、関数を使いたいという要求 OpenAI
parallel function calling 1回の応答で複数の関数を呼ぶこと OpenAI、Google
Programmatic Tool Calling モデルが生成したコードの中からツールを呼ぶ機能 Anthropic、OpenAI
ツール使用 tool use の日本語の表記 Anthropic
関数呼び出し function calling の日本語の表記 Microsoft、SB Intuitions

Function Callingに関連する用語

  • MCP:AIモデルを道具やデータ、アプリとつなぐための標準の手順。
  • AIエージェント:与えられた目標に向けて、AIモデルが自分で手順を決め、道具を使いながら作業を進めるAIシステム。
  • エージェンティックループ:情報を集め、道具で行動し、結果を確かめる流れを、作業を終えるまで繰り返す仕組み。
  • 段階的開示:最初は要点だけを示し、詳しい内容は必要になったときに示す設計の考え方。
  • プロンプトインジェクション:外部の情報などに仕込んだ指示で、AIに本来の指示と違う動きをさせる攻撃。
  • ツールポイズニング:AIが使うツールの説明などに指示を仕込み、AIの動きを操る攻撃。

Function Callingに関する出典

OpenAI「Function calling」
Anthropic「Claudeでのツール使用」
Microsoft「Microsoft Foundry モデルで関数呼び出しを使用する方法」(2026年8月25日更新)
Google「Function calling with the Gemini API」
OpenAI「Function calling and other API updates」(2023年6月13日)
Timo Schick ほか「Toolformer: Language Models Can Teach Themselves to Use Tools」(2023年2月9日、arXiv)
Google「It’s time for developers and enterprises to build with Gemini Pro」(2023年12月13日)
Anthropic「Claude can now use tools」(2024年5月30日)
OpenAI「Changelog | OpenAI API」
OpenAI「Tool search」
Anthropic「Introducing advanced tool use on the Claude Developer Platform」(2025年11月24日)
Shishir G Patil ほか「The Berkeley Function Calling Leaderboard (BFCL): From Tool Use to Agentic Evaluation of Large Language Models」(2025年、Proceedings of the 42nd International Conference on Machine Learning)
Berkeley Function Calling Leaderboard「Berkeley Function Calling Leaderboard (BFCL) V4」(2026年4月12日更新)
浅野広樹ほか「国産LLM Sarashina3.2 mini thinking の紹介」(2026年10月29日、11月2日追記、SB Intuitions TECH BLOG)
OWASP GenAI Security Project「OWASP GenAI LLM Top 10 2026」(2026年8月3日)
Anthropic「並列ツール使用」

Function Callingに関連する記事