ChatGPTの『Function Calling』機能とは？使い方を分かりやすく徹底解説！

AIの進化は日々目覚ましく、その中でもOpenAIが開発したChatGPTは大きな注目を集めています。ChatGPTの機能がさらに拡張され、「Function Calling」という新機能が追加されました。この機能は、AIと外部システムとの連携を可能にし、ChatGPTの能力を大幅に向上させる画期的なものです。

本記事では、この「Function Calling」機能について詳しく解説し、その仕組みや使い方、そして具体的な活用事例までを分かりやすくお伝えします。AIの新たな可能性を切り開くFunction Callingについて、一緒に学んでいきましょう！

本記事は、2024年7月時点での情報となります。

現在ChatGPTでは、「GPT-4o」という最新モデルが登場しています！詳しくは、以下の記事で解説していますので、合わせてチェックしてみてください！

Function Callingとは？
Function Callingの仕組み
Function Callingの使い方
Function Callingの活用事例
Function Callingを利用する際の注意点
まとめ

Function Callingとは？

Function Calling（ファンクション・コーリング）は、ChatGPTが外部の関数やAPIを呼び出す能力を指します。この機能により、ChatGPTは単なる会話AIから、より高度で実用的なツールへと進化しました。

具体的には、Function Callingによって以下のことが可能になります。

外部データの取得： ChatGPTが直接アクセスできない情報（例：最新のニュース、天気予報、株価など）を外部から取得し、会話に組み込むことができます。
特定のタスクの実行：計算、データ分析、画像処理などの複雑なタスクを外部プログラムに依頼し、その結果を会話に反映させることができます。
サービスとの連携：予約システム、ECサイト、カレンダーアプリなど、様々な外部サービスと連携して操作を行うことができます。

Function Callingの重要なポイントは、ChatGPTが自動的に適切な関数を選択し、必要なパラメータを抽出できることです。例えば、ユーザーが「東京の明日の天気は？」と尋ねた場合、ChatGPTは自動的に天気情報を取得する関数を選び、「東京」と「明日」というパラメータを正確に設定します。

この機能により、ChatGPTの応用範囲が大きく広がり、より実用的で柔軟なAIアシスタントとして機能することが可能になりました。単なる会話だけでなく、実際のタスク遂行やリアルタイムの情報提供など、幅広いニーズに対応できるようになったのです。

Function Callingは、開発者にとっても大きいメリットがあります。ChatGPTの高度な言語理解能力と、独自に開発した機能やサービスを組み合わせることで、より洗練された、ユーザーフレンドリーなアプリケーションの開発が可能になりました。

Function Callingの仕組み

Function Callingの仕組みは、大きく分けて3つのステップで構成されています。これらのステップを順を追って、具体例を用いながら説明していきます。

STEP1：関数の定義

まず、開発者が使用したい関数を定義します。この定義には以下の要素が含まれます。

関数名：何をする関数なのかを示す名前
説明：関数の目的や機能の詳細
パラメータ：関数が必要とする情報（例：都市名、日付など）
戻り値：関数が返す情報の形式

例えば、ユーザーが「明日の東京の天気を教えて」と指示する場合は、

{
  "name": "get_weather",
  "description": "指定された都市の天気予報を取得する",
  "parameters": {
    "city": "都市名",
    "date": "予報日（今日、明日、明後日など）"
  }
}

こちらの関数を定義します。

STEP2：ユーザー入力の解析

ChatGPTはユーザーの入力を解析し、どの関数を呼び出すべきか、またどのパラメータが必要かを判断します。この過程では、ChatGPTの自然言語理解能力が重要な役割を果たします。

具体的には、STEP1の例に続いて、ChatGPTは入力を分析し「get_weather」関数を呼び出すべきだと判断します。また、「東京」と「明日」をパラメータとして抽出します。

STEP3：関数の呼び出しと結果の統合

適切な関数が選択されると、ChatGPTは必要なパラメータを抽出し、関数を呼び出します。関数からの戻り値を受け取ると、それを自然な形で会話に組み込みます。

具体的には、STEP2の例に続いて、ChatGPTは「get_weather(“東京”, “明日”)」を呼び出します。関数から天気情報が返ってきたら、それを自然な文章に組み込みます。

例：「明日の東京の天気は晴れで、最高気温は25度、最低気温は18度の予報です。」

この仕組みにより、ChatGPTは外部情報や機能を、あたかも自身の知識であるかのように自然に会話に組み込むことができます。また、開発者側から見れば、複雑な自然言語処理を ChatGPTに任せることで、より使いやすく柔軟なアプリケーションを作ることが可能になります。

Function Callingの使い方

ここでは、天気情報APIと連携して質問に答えるチャットボットを例に、Function Callingの具体的な使い方を説明します。

使い方①：ライブラリのインストール

まず、必要なライブラリをインストールします。

pip install openai requests

使い方②：APIキーの設定

OpenAIのAPIキーと天気情報APIのキーを設定します。

import openai
import requests

openai.api_key = "あなたのOpenAI APIキー"
WEATHER_API_KEY = "あなたの天気情報APIキー"

使い方③：関数の定義

天気情報を取得する関数を定義します。

def get_weather(city, date):
    url = f"https://api.weatherapi.com/v1/forecast.json?key={WEATHER_API_KEY}&q={city}&days=3"
    response = requests.get(url)
    data = response.json()
    # ここで日付に応じたデータの抽出と整形を行います
    # 簡略化のため、詳細は省略します
    return f"{city}の{date}の天気は晴れ、気温は25度です。"

使い方④：Function Callingの設定

ChatGPTに関数の存在を知らせます。

functions = [
    {
        "name": "get_weather",
        "description": "指定された都市の天気予報を取得する",
        "parameters": {
            "type": "object",
            "properties": {
                "city": {"type": "string", "description": "都市名"},
                "date": {"type": "string", "description": "予報日（今日、明日、明後日など）"}
            },
            "required": ["city", "date"]
        }
    }
]

使い方⑤：チャットボットの実装

ユーザーとの対話を処理するメインのループを実装します。

messages = []
while True:
    user_input = input("ユーザー: ")
    if user_input.lower() == "終了":
        break
    
    messages.append({"role": "user", "content": user_input})
    
    response = openai.ChatCompletion.create(
        model="gpt-3.5-turbo-0613",
        messages=messages,
        functions=functions,
        function_call="auto"
    )
    
    response_message = response["choices"][0]["message"]
    
    if response_message.get("function_call"):
        function_name = response_message["function_call"]["name"]
        function_args = json.loads(response_message["function_call"]["arguments"])
        
        if function_name == "get_weather":
            function_response = get_weather(function_args["city"], function_args["date"])
            
            messages.append(response_message)
            messages.append({
                "role": "function",
                "name": function_name,
                "content": function_response
            })
            
            second_response = openai.ChatCompletion.create(
                model="gpt-3.5-turbo-0613",
                messages=messages
            )
            
            assistant_response = second_response["choices"][0]["message"]["content"]
        else:
            assistant_response = "申し訳ありませんが、その機能はサポートしていません。"
    else:
        assistant_response = response_message["content"]
    
    print("アシスタント:", assistant_response)
    messages.append({"role": "assistant", "content": assistant_response})

分かりやすく言うと、このプログラムの動作は以下の手順で行われます！

ユーザーが質問を入力します。
ChatGPTが質問を解析し、必要に応じてget_weather関数を呼び出します。
関数の結果をChatGPTに返し、自然な応答を生成します。
生成された応答をユーザーに表示します。

例えば、ユーザーが「明日の東京の天気はどうですか？」と聞くと、

アシスタントは「明日の東京の天気についてお調べしました。明日の東京の天気は晴れで、気温は25度の予報となっています。外出の際は、日差しが強いかもしれませんので、日焼け対策をしていくと良いでしょう。」と答えてくれるのです。

このように、Function Callingを使うことで、ChatGPTの自然言語処理能力と外部APIの機能を組み合わせた、高度で柔軟なチャットボットを作成することができます。ユーザーは複雑なコマンドを覚える必要がなく、自然な会話の中で情報を得ることができます。

このサンプルコードは天気情報に特化していますが、同様の方法で様々なAPIや機能と連携させることが可能です。例えば、ニュース検索、株価情報の取得、予約システムとの連携など、アプリケーションの目的に応じて拡張できます！

Function Callingの活用事例

Function Callingは様々な分野で活用することができ、AIの能力を大幅に拡張します。以下に主な活用事例を紹介します。

活用事例①：外部データベースとの連携による情報検索

Function Callingを使用することで、ChatGPTを企業の内部データベースや大規模な外部データベースと連携させることができます。

社内知識ベースとの連携：従業員が「プロジェクトXの進捗状況は？」と質問すると、ChatGPTが自動的に社内のプロジェクト管理データベースにアクセスし、最新の進捗情報を提供します。
製品カタログとの連携：顧客が「赤い色の防水スマートフォンケースはありますか？」と尋ねると、ChatGPTが製品データベースを検索し、条件に合う商品の情報や在庫状況を即座に回答します。

実装コード例はこちらです。

def search_product_database(color, feature, category):
    # データベース検索のロジック
    return "赤い防水スマートフォンケースが3種類見つかりました。モデルA（￥2,000）、モデルB（￥2,500）、モデルC（￥3,000）があります。"

# Function Callingの設定
functions = [
    {
        "name": "search_product_database",
        "description": "製品データベースを検索する",
        "parameters": {
            "type": "object",
            "properties": {
                "color": {"type": "string"},
                "feature": {"type": "string"},
                "category": {"type": "string"}
            },
            "required": ["color", "feature", "category"]
        }
    }
]

活用事例②：計算処理や画像処理の自動化

複雑な計算や画像処理タスクをFunction Callingを通じて外部プログラムに委託することができます。

財務計算の自動化：ユーザーが「今年の第2四半期の売上予測を教えて」と質問すると、ChatGPTが自動的に財務データを分析し、予測モデルを適用して結果を提供します。
画像分析：ユーザーが画像をアップロードし「この写真に写っている建物の様式は？」と尋ねると、ChatGPTが画像認識APIを呼び出し、結果を解釈して回答します。

実装コード例は、こちらです。

import cv2
import numpy as np

def analyze_image(image_path):
    # 画像処理のロジック
    return "この建物はゴシック様式の大聖堂です。尖塔や飛梁が特徴的です。"

# Function Callingの設定
functions = [
    {
        "name": "analyze_image",
        "description": "画像を分析し、建築様式を判定する",
        "parameters": {
            "type": "object",
            "properties": {
                "image_path": {"type": "string"}
            },
            "required": ["image_path"]
        }
    }
]

活用事例③：外部サービスとの連携による機能拡張

Function Callingを使用して、様々な外部サービスと連携し、ChatGPTの機能を大幅に拡張することができます。

予約システムとの連携：ユーザーが「来週の金曜日に東京で2人用のフレンチレストランを予約したい」と言うと、ChatGPTが予約サイトのAPIを呼び出し、条件に合うレストランを検索し、予約までの一連の操作をサポートします。
ソーシャルメディア投稿の自動化：マーケティング担当者が「新製品のプロモーションツイートを書いて、スケジュール投稿して」と指示すると、ChatGPTがツイートを生成し、TwitterのAPIを使用して投稿をスケジュールします。

実装コード例は、こちらです。

def book_restaurant(date, location, cuisine, party_size):
    # 予約サイトAPIとの連携ロジック
    return "「ル・パリジャン」を2023年7月7日(金) 19:00に2名様で予約しました。予約番号は ABC123 です。"

def schedule_tweet(content, date, time):
    # Twitter APIとの連携ロジック
    return "ツイート「新製品XYZが発売！20%オフの特別価格でご提供中。詳細はプロフィールのリンクから。#新製品 #特売」を2023年7月5日 10:00に投稿するようスケジュールしました。"

# Function Callingの設定
functions = [
    {
        "name": "book_restaurant",
        "description": "レストランを予約する",
        "parameters": {
            "type": "object",
            "properties": {
                "date": {"type": "string"},
                "location": {"type": "string"},
                "cuisine": {"type": "string"},
                "party_size": {"type": "integer"}
            },
            "required": ["date", "location", "cuisine", "party_size"]
        }
    },
    {
        "name": "schedule_tweet",
        "description": "ツイートをスケジュール投稿する",
        "parameters": {
            "type": "object",
            "properties": {
                "content": {"type": "string"},
                "date": {"type": "string"},
                "time": {"type": "string"}
            },
            "required": ["content", "date", "time"]
        }
    }
]

これらの活用事例は、Function Callingの可能性のほんの一部に過ぎません！この機能を使うことで、ChatGPTは単なる会話AIから、実世界のタスクを遂行できる強力なアシスタントへと進化します。