Tool use
Den bredare förmågan hos en LLM att använda externa verktyg — sökning, kodexekvering, kalkylator, databaser, API:er — för att utföra saker den inte kan på egen hand. Function calling är mekanismen; tool use är konceptet och beteendet.
Varför: en språkmodell är dålig på exakt aritmetik, har ingen färsk information och kan inte agera i världen. Tool use ger den "händer": be om en webbsökning för aktuella fakta, kör Python för en uträkning, fråga en databas, anropa ett API för att boka något. Modellen resonerar om vilket verktyg som behövs, anropar det (via function calling), läser resultatet, och fortsätter — ofta i en loop (resonera → agera → observera), vilket är kärnan i en agent. Vinst: dramatiskt utökad förmåga och tillförlitlighet (verktyget gör det modellen är dålig på). Detta är grunden för agentiska system, ReAct-mönstret, och MCP. Skiljer sig från ren text-generering genom att modellen påverkar och hämtar från omvärlden. Hör ihop med function calling och ReAct-agent.