Como funciona o 'tool calling' em IA: o essencial cabe em 40 linhas de JavaScript

Um dos recursos mais falados no universo de IA generativa atualmente é o ‘tool calling’ (ou ‘function calling’), técnica que permite que modelos de linguagem como GPT ou Claude não apenas gerem texto, mas também executem ações reais — buscar informações na web, consultar um banco de dados, rodar código ou acionar uma API externa. Apesar de parecer um recurso sofisticado, a lógica por trás dele é surpreendentemente simples.

De acordo com um tutorial publicado no Hacker News, é possível implementar o conceito básico de tool calling com apenas 40 linhas de JavaScript puro, sem frameworks ou bibliotecas externas. A ideia central é direta: o desenvolvedor descreve para o modelo quais ‘ferramentas’ estão disponíveis (com nome, descrição e parâmetros esperados), e o próprio modelo decide, com base no pedido do usuário, se e quando deve chamar uma dessas funções.

Na prática, o fluxo funciona em etapas. Primeiro, a aplicação envia ao modelo o prompt do usuário junto com a lista de ferramentas disponíveis. Se o modelo identificar que precisa de uma ação externa para responder — como consultar a previsão do tempo ou fazer um cálculo — ele retorna uma resposta estruturada indicando qual função chamar e com quais argumentos. O código então executa essa função de verdade, no mundo real, e devolve o resultado ao modelo, que finalmente usa essa informação para formular a resposta final ao usuário.

Esse mecanismo é a base de praticamente todos os agentes de IA modernos, de assistentes que navegam na web a copilotos de programação que executam comandos no terminal. Entender esse funcionamento em sua forma mais crua, sem as camadas de abstração de frameworks como LangChain ou similares, ajuda desenvolvedores a diagnosticar problemas e construir integrações mais confiáveis.

O valor do exercício proposto na publicação está justamente em desmistificar a tecnologia: ao reduzir o conceito a um exemplo mínimo e funcional, fica claro que o ‘poder’ dos agentes de IA vem menos de uma engenharia complexa e mais da capacidade do modelo de linguagem em interpretar contexto e decidir quando delegar uma tarefa a código tradicional.