[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"general-list":3,"footer-feature-tags":4,"slate-glossary-term-function-calling":66},true,[5,14,20,29,34,40,46,52,56,62],{"id":6,"name":7,"hex":8,"translations":9,"count_pages":13},8,"Компания","#f40925",{"ru":10,"en":11},{"name":7},{"name":12},"Company",9,{"id":15,"name":16,"hex":17,"translations":18,"count_pages":6},26,"Главная страница",null,{"ru":19},{"name":16},{"id":21,"name":22,"hex":23,"translations":24,"count_pages":28},2,"Проекты","#3027ff",{"ru":25,"en":26},{"name":22},{"name":27},"Project",15,{"id":30,"name":31,"hex":17,"translations":32,"count_pages":21},33,"ИИ",{"ru":33},{"name":31},{"id":35,"name":36,"hex":17,"translations":37,"count_pages":39},34,"Комментарии",{"ru":38},{"name":36},4,{"id":41,"name":42,"hex":17,"translations":43,"count_pages":45},25,"Задачи",{"ru":44},{"name":42},24,{"id":47,"name":48,"hex":17,"translations":49,"count_pages":51},27,"Рабочие пространства",{"ru":50},{"name":48},3,{"id":45,"name":53,"hex":17,"translations":54,"count_pages":6},"Kanban-доска",{"ru":55},{"name":53},{"id":57,"name":58,"hex":17,"translations":59,"count_pages":61},23,"Диаграмма Ганта",{"ru":60},{"name":58},1,{"id":28,"name":63,"hex":17,"translations":64,"count_pages":61},"Календарь",{"ru":65},{"name":63},{"detail":67,"more":155},{"id":68,"slug":69,"translations":70,"category":84,"tags":92,"letter":111,"og_image":17,"cover":17,"author_name":17,"author_position":17,"author_avatar":17,"faqs":112,"related":126,"views_count":152,"helpful_yes_count":115,"helpful_no_count":115,"created_at":153,"updated_at":154,"published_at":17},281,"function-calling",{"ru":71},{"title":72,"short_definition":73,"tldr":74,"full_explanation":75,"when_to_apply":76,"when_not_to_apply":77,"examples":78,"tips":79,"synonyms":80,"translation_en":81,"seo_title":82,"seo_description":83},"Вызов функций (function calling)","Возможность модели вернуть структурированный запрос на вызов внешней функции вместо обычного текста и затем учесть её результат.","Вызов функций — это способ научить большую языковую модель нажимать кнопки во внешних системах. Разработчик описывает доступные функции, например «получить курс валют» или «создать задачу в Jira». Модель в нужный момент возвращает имя функции и её аргументы, программа выполняет вызов и подаёт результат обратно. Так модель из генератора текста превращается в управляющий контур приложения.","\u003Cp>Без вызова функций модель ограничена собственными знаниями и текущим контекстом. С вызовом функций она получает доступ к актуальным данным, реальным действиям в системах и точным алгоритмам.\u003C\u002Fp>\u003Ch3>Типичный сценарий\u003C\u002Fh3>\u003Col>\u003Cli>Разработчик описывает функции и их параметры в виде схемы (например, JSON Schema).\u003C\u002Fli>\u003Cli>Модель получает запрос пользователя и описания доступных функций.\u003C\u002Fli>\u003Cli>Модель решает, нужно ли вызвать функцию, и возвращает её имя и аргументы.\u003C\u002Fli>\u003Cli>Программа выполняет функцию и подаёт результат модели в виде нового сообщения.\u003C\u002Fli>\u003Cli>Модель формирует окончательный ответ пользователю.\u003C\u002Fli>\u003C\u002Fol>\u003Ch3>Где особенно полезно\u003C\u002Fh3>\u003Cul>\u003Cli>Получение свежих данных: курсы, погода, остатки на складе, статусы заказов.\u003C\u002Fli>\u003Cli>Точные вычисления и работа с базами данных.\u003C\u002Fli>\u003Cli>Создание и обновление записей в CRM, обращений в поддержке, событий в календаре.\u003C\u002Fli>\u003Cli>Подключение к корпоративному поиску и базе знаний.\u003C\u002Fli>\u003C\u002Ful>","\u003Cul>\u003Cli>Нужно подключить модель к актуальным данным или внешним системам\u003C\u002Fli>\u003Cli>Хочется обойти ограничения модели в точных вычислениях\u003C\u002Fli>\u003Cli>Строите агента, который должен выполнять действия, а не только отвечать\u003C\u002Fli>\u003C\u002Ful>","\u003Cul>\u003Cli>Простой ассистент, которому достаточно текстовых ответов\u003C\u002Fli>\u003Cli>Когда вызов внешних систем требует сложной авторизации, к которой ещё не готова инфраструктура\u003C\u002Fli>\u003C\u002Ful>","\u003Cp>В ассистента для работы с CRM добавляют несколько функций: «найти клиента», «получить сделки клиента», «создать задачу для менеджера». Пользователь просит: «открой задачу позвонить Иванову завтра в 11». Модель сама вызывает «найти клиента (Иванов)», получает его карточку, затем «создать задачу (клиент=…, время=…, текст=…)» — и подтверждает в чате, что задача создана.\u003C\u002Fp>","\u003Cp>Чёткое описание функций важнее, чем выбор модели. Хорошее имя, понятные параметры с типами и краткое пояснение, когда функцию вызывать, дают на порядок более стабильное поведение, чем длинный системный промпт. Если функция вызывается не там, где нужно, в 80% случаев проблема в её описании, а не в самой модели.\u003C\u002Fp>","Вызов функций, инструменты модели, function calling, tool use","Function Calling \u002F Tool Use","Вызов функций в LLM (function calling) | Глоссарий Shtab","Вызов функций — возможность модели вызывать внешние функции с параметрами. Как работает, где применяется и как описать инструменты, чтобы модель не путалась.",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":88},10,"ai","#a855f7",{"ru":89},{"title":90,"description":91},"Искусственный интеллект","Терминология ИИ и больших языковых моделей: машинное обучение, нейросети, LLM, эмбеддинги, промптинг, RAG, агенты, MLOps, безопасность и этика моделей.",[93,102],{"id":94,"slug":95,"kind":96,"hex":97,"order":98,"translations":99},37,"llm","framework","#7c5ce6",91,{"ru":100},{"title":101},"LLM",{"id":103,"slug":104,"kind":105,"hex":106,"order":107,"translations":108},40,"ai-tool","tool","#5e79ec",94,{"ru":109},{"title":110},"Инструмент ИИ","В",[113,120],{"id":114,"order":115,"translations":116},1624,0,{"ru":117},{"question":118,"answer":119},"Чем вызов функций отличается от разбора текстового ответа модели?","\u003Cp>При обычном разборе разработчик пытается вытащить нужные поля из произвольного текста, который вернула модель, и постоянно ловит новые варианты формулировок. При вызове функций модель сразу возвращает структурированный ответ с именем функции и аргументами по заранее описанной схеме. Это резко снижает число ошибок разбора и заметно упрощает интеграции с внешними системами.\u003C\u002Fp>",{"id":121,"order":61,"translations":122},1625,{"ru":123},{"question":124,"answer":125},"Сколько функций можно дать модели одновременно?","\u003Cp>Технически — десятки, но на практике список лучше держать коротким и хорошо описанным. Чем больше функций, тем чаще модель путается в выборе и вызывает не то. Если список разрастается, его обычно делят на инструменты отдельных подсистем и подключают только нужный набор в зависимости от роли агента и текущего шага сценария.\u003C\u002Fp>",{"parent":127,"related":135},[128],{"id":129,"slug":130,"translations":131},280,"ai-agent",{"ru":132},{"title":133,"short_definition":134},"ИИ-агент","Программа на основе LLM, которая способна планировать действия, вызывать внешние инструменты и доводить задачу до результата без постоянного контроля человека.",[136,139,145],{"id":129,"slug":130,"translations":137},{"ru":138},{"title":133,"short_definition":134},{"id":140,"slug":95,"translations":141},264,{"ru":142},{"title":143,"short_definition":144},"Большая языковая модель","Нейросеть с миллиардами параметров, обученная предсказывать следующий токен в тексте и способная отвечать на вопросы, писать код и рассуждать.",{"id":146,"slug":147,"translations":148},282,"mcp",{"ru":149},{"title":150,"short_definition":151},"MCP (Model Context Protocol, протокол контекста модели)","Открытый протокол, по которому языковые модели и агенты единообразно подключаются к внешним инструментам, данным и сервисам.",108,"2026-05-11T19:55:53.324399+03:00","2026-05-11T19:55:53.324415+03:00",[156,172,193],{"id":146,"slug":147,"translations":157,"category":160,"tags":163,"letter":170,"cover":17,"updated_at":171,"published_at":17},{"ru":158},{"title":150,"short_definition":151,"translation_en":159},"Model Context Protocol (MCP)",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":161},{"ru":162},{"title":90,"description":91},[164,167],{"id":94,"slug":95,"kind":96,"hex":97,"order":98,"translations":165},{"ru":166},{"title":101},{"id":103,"slug":104,"kind":105,"hex":106,"order":107,"translations":168},{"ru":169},{"title":110},"M","2026-05-11T19:55:53.687297+03:00",{"id":173,"slug":174,"translations":175,"category":180,"tags":183,"letter":170,"cover":17,"updated_at":192,"published_at":17},287,"mlops",{"ru":176},{"title":177,"short_definition":178,"translation_en":179},"MLOps (эксплуатация ML-моделей)","Практики и инструменты для разработки, выкатки и эксплуатации моделей машинного обучения и ИИ в боевой среде — аналог DevOps для машинного обучения.","MLOps",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":181},{"ru":182},{"title":90,"description":91},[184,189],{"id":61,"slug":185,"kind":185,"hex":106,"order":61,"translations":186},"methodology",{"ru":187},{"title":188},"Методология",{"id":103,"slug":104,"kind":105,"hex":106,"order":107,"translations":190},{"ru":191},{"title":110},"2026-05-11T19:55:55.482827+03:00",{"id":194,"slug":195,"translations":196,"category":201,"tags":204,"letter":211,"cover":17,"updated_at":212,"published_at":17},278,"rag",{"ru":197},{"title":198,"short_definition":199,"translation_en":200},"RAG (поиск с дополнением генерации)","Подход, при котором перед ответом языковая модель ищет подходящие документы в базе знаний и использует их как контекст.","Retrieval-Augmented Generation (RAG)",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":202},{"ru":203},{"title":90,"description":91},[205,208],{"id":94,"slug":95,"kind":96,"hex":97,"order":98,"translations":206},{"ru":207},{"title":101},{"id":103,"slug":104,"kind":105,"hex":106,"order":107,"translations":209},{"ru":210},{"title":110},"R","2026-05-11T19:55:52.147205+03:00"]