함수호출
Function Calling은 대규모 언어 모델이 외부 도구나 API와 상호작용하는 메커니즘입니다. 모델이 사용자 요청에 따라 구조화된 파라미터(예: JSON)를 생성하여 사전 정의된 함수(예: 날씨 조회, 데이터베이스 작업)를 트리거합니다. 처리 흐름 예시는 다음과 같습니다.
사용자가 질문: "다음 주 월요일 서울 날씨는 어때?"
모델이 함수 호출 요청을 반환:
{"name": "get_weather", "arguments": {"location": "Seoul", "date": "2025-05-01"}}시스템이 함수를 실행하고 결과를 반환하면, 모델이 이를 자연어 답변으로 변환합니다.
이 기능은 모델의 능력 범위를 확장하여 순수 텍스트 생성을 넘어 동적 데이터 조회나 트랜잭션 처리(예: 항공권 예약)를 구현할 수 있게 합니다. 개발 시에는 함수 설명(이름, 파라미터, 용도)을 정확히 정의하여 모델이 이해할 수 있도록 해야 합니다.
플랫폼 특성
Forguncy 노코드 플랫폼에서 Function Calling(함수 호출)이란, 대규모 언어 모델(LLM)이 사용자 요청에 따라 자동으로 구조화된 파라미터를 생성하여 플랫폼 내에 사전 정의된 명령을 트리거하는 능력을 말하며, "AI 기반 업무 로직"을 구현합니다. 이 메커니즘은 LLM의 활용 범위를 크게 확장하여, 텍스트 생성뿐 아니라 플랫폼의 데이터, 프로세스, 서비스와 능동적으로 깊이 통합될 수 있게 합니다.
런타임 깊은 융합: 런타임 AI 대화 셀과 AI 어시스턴트 명령에서 개발자는 LLM에 함수 정의 목록을 설정할 수 있습니다. 모델이 사용자 의도를 이해한 후 함수 호출 요청(JSON 형식)을 자동으로 생성하면, 플랫폼이 이에 따라 해당 업무 로직(데이터베이스 조회, 승인 트리거, 보고서 내보내기 등)을 실행하고 결과를 LLM에 반환하여 자연어 답변이나 구조화된 형태로 표시합니다.
함수 정의 및 파라미터 설정: 플랫폼은 시각적 인터페이스를 통해 함수 이름, 설명, 파라미터 목록, 반환값 및 실행 명령을 정의할 수 있도록 지원합니다. 개발자는 기존 업무 명령을 유연하게 바인딩하여 높은 수준의 커스터마이징된 지능형 인터랙션을 구현할 수 있습니다.
보안 및 제어: 각 함수마다 활성화/비활성화, 실행 전 확인 등의 보안 옵션을 설정할 수 있어 오작동이나 민감한 작업이 자동으로 트리거되는 것을 방지합니다. 모든 함수 호출 과정은 감사 및 추적이 가능하여 업무 보안과 컴플라이언스를 보장합니다.
대표적인 시나리오:
지능형 고객 상담: AI가 "주문 상세 조회" 함수를 자동으로 호출하여 업무 데이터와 결합한 개인화된 답변을 제공합니다.
지능형 승인: AI가 입력 파라미터에 따라 "승인 프로세스" 함수를 자동으로 트리거하여 승인 의견이나 결과를 반환합니다.
데이터 분석: AI가 분석 지시를 생성하여 "보고서 생성" 함수를 호출하고, 구조화된 데이터나 차트 카드를 출력합니다.
다중 턴 대화 및 컨텍스트: 함수 호출은 다중 턴 대화 컨텍스트와 결합하여 파라미터를 동적으로 조정할 수 있어, 복잡한 업무 프로세스의 지능형 자동 처리를 구현할 수 있습니다.
주의사항:
함수 정의 시 파라미터 유형과 반환값을 명확히 해야 LLM이 정확히 이해하고 호출할 수 있습니다.
핵심 작업에는 "실행 전 확인"을 활성화하는 것을 권장하여, 위험도가 높은 명령이 잘못 트리거되는 것을 방지해야 합니다.
복잡한 함수는 단계별로 설계하는 것을 권장하여 유지보수성과 사용자 경험을 높일 수 있습니다.
Function Calling을 통해 Forguncy 플랫폼은 LLM과 기업 업무 시스템의 깊은 결합을 실현하여, AI가 단순히 "말만 하는" 존재가 아니라 실제로 "실행하는 능력"을 갖추도록 함으로써 기업의 지능화·자동화된 업무 프로세스 구축을 지원합