Function Callingとは？LLMがJSONで外部ツールを呼ぶ仕組み

先に結論。Function Callingは、モデルが関数を「実行」する機能ではない。「この関数をこの引数で呼んでほしい」というJSONを返すだけで、実行するのは自分のコードだ。この記事を読めば、その往復を自分で組めるし、構造化出力・MCPとの違いも見分けられる。

1往復の流れ

リクエストにツール一覧（名前・説明・JSON Schema）を一緒に送る。モデルがツールが要ると判断すると、テキストの代わりに呼び出しを返す。Claudeはstop_reasonがtool_useで、tool_useブロックが来る。OpenAIは名前とJSON「文字列」の引数が入ったfunction callが来る。

自分のコードがそれを実際に実行し、結果に呼び出しのidを付けて送り返す（Claudeならtool_resultのtool_use_id）。モデルは結果を読んで答えるか、また呼ぶ。

{"type": "tool_use", "id": "toolu_01...", "name": "get_weather", "input": {"location": "Tokyo"}}

うちのコードで見たこと

このリポジトリの社内チャット機能も、この往復を回している（Azure OpenAI）。読んでみて、2か所が目に付いた。

ループの上限。 呼び出し → 結果 → また呼び出し、が延々と続きうるので、5回で打ち切っている（MAX_TOOL_ITERATIONS = 5）。これがないと、モデルが同じツールを呼び続けたときに料金だけがかさむ。

壊れた引数。 うちのコードは引数JSONのパースに失敗すると、ログだけ残して空のハッシュ{}に置き換え、そのまま実行する。rails runnerで途中で切れたJSON（{"name": "nega）を入れてみると、本当に{}が返ってきた。検索ツールなら条件なしの検索が走る。

最初は「エラーなら止まるだろう」と思っていたが、止まらなかった。直すなら、パース失敗もツールの結果としてモデルに返すほうがいい。知らないツール名はすでにそうしていて、{"error": "Unknown function: ..."}を返す。いまはツール定義にstrict: trueを付けてスキーマを強制することもできる（Claude・OpenAIとも）。

構造化出力・MCPと何が違うか

Function Calling  モデルが「これを呼んで」と出す → 自分のコードが実行 → 結果を戻す
構造化出力        答えそのものをスキーマ通りのJSONで受け取る → 実行するものはない
MCP               ツールをどこからどう取ってくるかの規格 → モデルには結局ツール定義として渡る

分類や抽出のように結果がJSONならいいだけなら、構造化出力のほうが単純だ。外のシステムを読んだり変えたりするならFunction Calling。同じツールを複数のアプリやクライアントで使いたくなったら、そこでMCPで包む。MCPについてはMCPの記事にある。

気をつけること

モデルは書き込み系のツールも、もっともらしく呼ぶ。削除・決済・メールのようなツールは、人の確認を挟むか、最初から渡さない。DBを見せるときに書き込みをDB権限で止めた話はこの記事に書いた。

社内システムにAIをつなぎたいけれど、どのツールをどこまで開けるか決めかねているならnegabaroに相談してもらって構わない。ツール一覧と権限の整理から一緒にできる。