---
title: "Yapay Zeka Gerçekte Nasıl API Çağırır? Sıfırdan Tool Calling Mantığı"
url: https://blog.edumints.com/yapay-zeka-gercekte-nasil-api-cagirir-sifirdan-tool-calling-sjdqac2l
category: "LLM"
date: 2026-09-17T15:07:21.362Z
publisher: Edumints Blog
lang: tr-TR
source_name: "dev.to"
source_url: https://dev.to/aws/how-ai-actually-calls-an-api-tool-calling-explained-from-scratch-4lf8
---

# Yapay Zeka Gerçekte Nasıl API Çağırır? Sıfırdan Tool Calling Mantığı

Temel yapay zeka modelleri (LLM) tek başlarına zamana hapsolmuş durumdadır. Bilgileri eğitim kesim tarihinde durur ve dış dünyaya doğrudan erişimleri yoktur. Modeller belgeleri okuyup arama yapabilseler de anlık hava durumunu, canlı fiyatları veya bugünün tarihini bilemezler. İşte **tool calling** (araç çağırma), modeli bu kapalı kutudan çıkarıp dış dünyadaki canlı verilerle buluşturan temel mekanizmadır.

## Model Bir Aracı Kendisi mi Çalıştırır?

Geliştiricilerin düştüğü en yaygın yanılgı, yapay zekanın kendi kendine harici bir API'ye bağlanıp kod yürüttüğünü düşünmeleridir. Oysa model hiçbir kod çalıştırmaz; teknik olarak bunu yapması da mümkün değildir. Dil modeli yalnızca aldığı istemi okur ve metin üretir.

Modelin ürettiği çıktı aslında yapılandırılmış bir taleptir: *"Şu girdileri kullanarak şu aracı çağırmak istiyorum."* Model geliştiriciye adeta bir not uzatır. Bu notu okuyan uygulama kodunuz gerçek aracı (API'yi) çalıştırır ve sonucu modele teslim eder. Model bu aşamadan sonra ya nihai cevabı üretir ya da yeni bir araç çağrısı talep eder.

> **Temel Çıkarım:** Model karar verici akıl, yazdığınız uygulama kodu ise işi gerçekleştiren ellerdir.

## Dört Adımlı Döngü

Tool calling mimarisi yazılım tarafında her zaman şu standart döngüyle yürütülür:

1. **Soru ve Araç Tanımlarını Gönderme:** Kullanıcı sorusuyla birlikte modelin kullanımına izin verilen araçların açıklamaları modele iletilir.
2. **Modelin Karar Vermesi ve İstek Üretmesi:** Model soruyu kendisinin yanıtlayıp yanıtlayamayacağını değerlendirir. Harici veriye ihtiyaç duyarsa yapılandırılmış bir istek üretir (örneğin: `get_weather`, şehir: Toronto).
3. **Kodun Gerçek Fonksiyonu Çalıştırması:** Uygulama kodu modelin bu isteğini yakalar ve gerçek hava durumu API'sine istek atan fonksiyonu çalıştırır.
4. **Sonucun Modele İletilmesi ve Yanıt:** Dönen sonuç modele geri gönderilir. Model bu canlı veriye dayanarak kullanıcıya doğrulanmış nihai yanıtı sunar.

## Kurulum: Bir Aracı Modele Tanımlamak

Amazon Bedrock üzerindeki Converse API gibi modern sistemlerde araçlar `toolConfig` parametresi üzerinden modele aktarılır. Bir aracı modele tarif etmek üç ana parçadan oluşur:

- **İsim (Name):** Aracın kimliği (örneğin `get_weather`).
- **Açıklama (Plain-English Description):** Modelin aracın amacını anlamasını sağlayan yalın açıklama metni.
- **Girdi Şeması (Input Schema):** Parametrelerin tiplerini ve zorunluluklarını belirten JSON şeması.

Yazılım mühendisliği açısından en kritik ilke şudur: **Araç açıklamanız bir prompt'tur; ona bir prompt gibi yaklaşın.** Model ne zaman ve nasıl çağrı yapacağını yalnızca bu metin ve şemadan öğrenir. API çağrısını yapan fonksiyon ise geliştiricinin kontrolünde ayrı bir mantık olarak çalışır.

[[Orijinal kaynağa buradan ulaşabilirsiniz.](https://dev.to/aws/how-ai-actually-calls-an-api-tool-calling-explained-from-scratch-4lf8)](https://dev.to/aws/how-ai-actually-calls-an-api-tool-calling-explained-from-scratch-4lf8)

---

Bu konuyu derinlemesine öğrenmek isterseniz: [Tool Calling ve Multi-Step Agent'lar](https://edumints.com/kesfet/nextjs-ve-vercel-ai-sdk-ile-production-ai-uygulama-21y7) modülüne göz atın.

---

**Kaynak:** [dev.to](https://dev.to/aws/how-ai-actually-calls-an-api-tool-calling-explained-from-scratch-4lf8)
**Yayıncı:** [Edumints Blog](https://blog.edumints.com) · Alıntılarken bu URL'ye bağlantı verin: https://blog.edumints.com/yapay-zeka-gercekte-nasil-api-cagirir-sifirdan-tool-calling-sjdqac2l