Quest 33 - Function Calling Implementer

Quest 33: Function Calling Implementer

medium 25 minutes

---

🎯 Learning Objectives

• ✅ เข้าใจ concept ของ function calling ใน LLM tool use
• ✅ สร้าง function schema ที่มี name, description, parameters ครบถ้วน
• ✅ เขียน validate function ที่ตรวจสอบ arguments ได้ถูกต้อง
• ✅ เรียนรู้ว่า structured outputs ทำให้ LLM return ข้อมูลที่เชื่อถือได้

---

📖 Concept: Function Calling ใน LLM

Function calling คือความสามารถที่ให้ LLM เรียกใช้ functions ที่เรากำหนดไว้ได้ แทนที่จะ return แค่ free-form text — LLM จะ return structured data ที่เราใช้ต่อได้ทันที

ลองนึกภาพว่าคุณกำลังสร้าง chatbot ที่ต้อง check ราคาสินค้า แทนที่ LLM จะตอบแบบ “ราคาน่าจะประมาณ 200 บาท” — function calling ทำให้มัน return ข้อมูลแบบ { action: "checkPrice", params: { productId: "ABC" } } ซึ่งเราเอาไปเรียก API จริงได้เลย

นี่คือหัวใจของ structured outputs — การที่ LLM ไม่ได้แค่ “เดา” แต่ return ข้อมูลในรูปแบบที่ program ของเรา validate และใช้งานได้จริง

---

⚙️ How It Works

โครงสร้างของ Function Schema

ทุก function ที่ LLM จะเรียกใช้ต้องมี schema ที่บอกว่า:

{
  name: "getWeather",        // ชื่อ function
  description: "...",        // อธิบายว่า function ทำอะไร
  parameters: {              // ข้อมูลที่ต้องการ
    type: "object",
    properties: {
      city: { type: "string", description: "City name" },
      units: { type: "string", enum: ["celsius", "fahrenheit"] }
    },
    required: ["city"]
  }
}

Flow ของ Function Calling

1. LLM ได้รับ user request
         ↓
2. LLM ตัดสินใจว่าต้องเรียก function ไหน
         ↓
3. LLM return structured output ตาม schema
         ↓
4. Code ของเรา validate arguments
         ↓
5. เรียก function จริง แล้ว return result ให้ LLM

การ Validate Arguments

ส่วนสำคัญคือ validate(args) — เราต้องตรวจสอบว่า LLM ส่ง arguments มาครบและถูก type:

function validate(args) {
  // ตรวจสอบ required fields
  if (!args.city || typeof args.city !== 'string') return false;
  // ตรวจสอบ enum values
  if (args.units && !['celsius', 'fahrenheit'].includes(args.units)) return false;
  return true;
}

---

💡 Example: สร้าง Function Schema

function defineFunction(name, description, parameters) {
  return {
    name,
    description,
    parameters,
    validate(args) {
      if (typeof args !== 'object' || args === null) return false;

      // ตรวจสอบ required parameters
      const required = parameters.required || [];
      for (const field of required) {
        if (!(field in args)) return false;
      }

      // ตรวจสอบ types
      for (const [key, schema] of Object.entries(parameters.properties || {})) {
        if (key in args) {
          if (schema.type === 'string' && typeof args[key] !== 'string') return false;
          if (schema.type === 'number' && typeof args[key] !== 'number') return false;
          if (schema.enum && !schema.enum.includes(args[key])) return false;
        }
      }

      return true;
    }
  };
}

// ตัวอย่างการใช้งาน
const getWeather = defineFunction(
  'getWeather',
  'Get current weather for a city',
  {
    type: 'object',
    properties: {
      city: { type: 'string', description: 'City name' },
      units: { type: 'string', enum: ['celsius', 'fahrenheit'] }
    },
    required: ['city']
  }
);

getWeather.validate({ city: 'Bangkok' });          // true ✅
getWeather.validate({ city: 'Bangkok', units: 'celsius' }); // true ✅
getWeather.validate({ units: 'celsius' });          // false ❌ (city missing)
getWeather.validate({ city: 123 });                 // false ❌ (wrong type)

---

⚠️ Common Mistakes

Mistake 1: ไม่ validate required fields

“ส่ง parameters ไปแล้ว LLM น่าจะส่งมาครบ” → LLM บางครั้งจะ omit required fields หรือส่ง null — ต้อง validate เสมอ

Mistake 2: ไม่ตรวจสอบ enum values

“ถ้า LLM ส่ง string มา ก็ปล่อยผ่าน” → LLM อาจส่งค่าที่ไม่อยู่ใน enum — เช่น ส่ง “farenheit” แทน “fahrenheit”

Mistake 3: ลืม return validate function

“schema ดูดีแล้ว ไม่ต้องมี validate ก็ได้” → Validate คือ safety net — ถ้าไม่มี invalid arguments จะเข้า system จริงและทำให้เกิด bugs

Mistake 4: ทำ schema กำกวมเกินไป

“description ยาวๆ ดีกว่าสั้นๆ” → LLM เข้าใจ description ที่กระชับและชัดเจนได้ดีกว่า — ระบุ parameter types และ constraints ให้ครบ

---

📝 Knowledge Check

📝 Knowledge Check

Q1:Function calling ใน LLM มีจุดประสงค์หลักคืออะไร?

ให้ LLM เขียนโค้ดได้เร็วขึ้นให้ LLM return structured data แทน free-form textให้ LLM เรียก API ของตัวเองได้ให้ LLM ทำงานแบบ offline

Q2:ทำไมต้องมี validate function ใน function schema?

เพื่อให้ LLM รู้ว่า parameters ถูกต้องเพื่อป้องกัน invalid arguments ไม่ให้เข้า system จริงเพื่อให้ code ดู professionalเพื่อให้ AI generate code ได้ดีขึ้น

Q3:LLM มักจะส่ง error แบบไหนบ่อยที่สุดในการ function calling?

ส่ง function name ผิดOmit required fields หรือส่ง nullส่ง arguments มากเกินไปลืม return structured output

---

🏋️ Quest: Function Calling Implementer

พร้อมแล้วลุยเลย! Implement function calling สำหรับ LLM tool use

1. Download ไฟล์เริ่มต้นของ quest:

   npx bluebeltdojo download quest-33-function-calling
   cd quest-33-function-calling

2. เปิด problem.js ใน editor ของคุณพร้อมความช่วยเหลือของ AI

3. Implement defineFunction(name, description, parameters) ที่ return { name, description, parameters, validate(args) }

4. ตรวจสอบ solution ของคุณ:

   node test.js

5. เมื่อ tests ผ่านทั้งหมด ส่งคำตอบ:

   npx bluebeltdojo submit

💡 Tip: อ่าน Learning Objectives ข้างบนอีกครั้ง — นี่คือ skill ที่ใช้ได้จริงในการสร้าง AI agents

---

คำใบ้

• ดูตัวอย่าง function schema ใน section “How It Works”
• อย่าลืม validate required fields และ type checking
• ถ้าติดขัด ลอง test กับ inputs หลายแบบ — ทั้ง valid และ invalid