Ga naar hoofdinhoud
Nederlands— Kies een taal
Menu

Inleiding tot Function Calling

Les 1 van 14 Bijgewerkt op 3 november 2026 Ontwikkelaar
Op deze pagina
  1. Waarom function calling alles verandert
  2. De LLM + Tools-architectuur
  3. Welke Mistral-modellen ondersteunen function calling?
  4. Typische use cases
  5. Wat u in deze cursus leert
  6. Belangrijkste punten

Update 2 november 2026 — Modellen. Mistral Large 3 (mistral-large-2512) en Mistral Medium 3.5 zijn op 31 oktober 2026 verouderd verklaard en worden op 30 april 2027 buiten gebruik gesteld. Hun aangewezen opvolger, Mistral Large 4 (mistral-large-4), is sinds 6 oktober beschikbaar in openbare preview. De voorbeelden in deze cursus gebruiken de alias mistral-large-latest, die volgens de officiële specificatie momenteel verwijst naar Mistral Large 3 (geverifieerd op 3 november 2026). Evenzo verwijst mistral-medium-latest naar Mistral Medium 3.5. Deze aliassen blijven geldig tot 30 april 2027. Test voor nieuwe projecten mistral-large-4, hun aangewezen opvolger.

Waarom function calling alles verandert

Grote taalmodellen, zoals die van Mistral AI, zijn uitzonderlijk goed in het begrijpen en genereren van tekst. In de praktijk is dat zelden voldoende. Het beantwoorden van “Waar is mijn bestelling?” vereist een query naar een database. Het bevestigen van een betaling betekent het controleren, of zelfs triggeren, van een transactie. Het plannen van een afspraak vereist het uitlezen van een agenda. Function calling is het mechanisme dat een LLM in staat stelt de grens tussen tekst en actie te overschrijden.

Het proces omvat drie stappen. Het model beslist dat het een externe functie moet aanroepen, genereert de vereiste argumenten in JSON-formaat, en laat vervolgens uw code de functie uitvoeren en het resultaat retourneren. Op geen enkel moment raakt het model uw systemen direct aan: u behoudt de volledige controle.

De LLM + Tools-architectuur

Alles berust op een strikte scheiding van verantwoordelijkheden. Het is belangrijk dit nauwkeurig te stellen, omdat de rest van de cursus hierop voortbouwt. Het model begrijpt het verzoek van de gebruiker, selecteert de juiste functie en stelt de argumenten op. Uw code, en alleen uw code, voert die functie daadwerkelijk uit, opent de toegang tot de gegevens en retourneert het resultaat. Het model neemt vervolgens weer het stokje over om dat ruwe resultaat om te zetten in een natuurlijk antwoord.

Het voordeel is aanzienlijk: het model heeft nooit directe toegang tot uw systemen en kan geen willekeurige code uitvoeren. Het drukt simpelweg een intentie uit—“Ik wil deze functie aanroepen met deze parameters”—en uw applicatie beslist wat ermee gebeurt. Een verzoek om een account te verwijderen kan zo worden geweigerd, gelogd of onderworpen aan een bevestiging voordat er ook maar iets wordt uitgevoerd.

# Vereenvoudigde weergave van de flow
user = "Wat is de status van bestelling #4521?"

# 1. Het model analyseert en beslist
# → "Ik moet get_order_status aanroepen met order_id=4521"

# 2. Uw code voert uit
result = get_order_status(order_id=4521)
# → {"status": "shipped", "tracking": "FR123456789"}

# 3. Het model formuleert het antwoord
# → "Uw bestelling #4521 is verzonden. Hier is uw track-and-trace nummer: FR123456789."

Let op het datapad in dit voorbeeld: het track-and-trace nummer FR123456789 bestaat nergens in de kennis van het model. Het komt uit uw systeem, passeert via het resultaatbericht en belandt uiteindelijk in een zin die de gebruiker kan lezen. Dit is precies wat function calling mogelijk maakt.

Welke Mistral-modellen ondersteunen function calling?

Alle grote Mistral-modellen ondersteunen deze functie. Onder de algemene modellen vindt u Mistral Large 3, Medium 3.5, Small 4 en Ministral 3 in zijn drie maten (14B, 8B, 3B). Aan de gespecialiseerde kant bieden ook Devstral 2.0, Devstral Small 2 en Codestral deze functionaliteit. Magistral Medium en Small boden dit eveneens, maar die familie is nu verouderd: redeneercapaciteiten zijn nu geïntegreerd in Mistral Small 4 en Medium 3.5.

Uw keuze hangt af van uw use case. Voor complexe function calls met veel parameters en subtiele afwegingen tussen meerdere tools blijft Mistral Large 3 het meest betrouwbaar. Voor eenvoudige productiecases met een hoge doorvoer—een assistent die twee of drie goed gedefinieerde functies duizenden keren per dag bevraagt—biedt Mistral Small 4 een uitstekende verhouding tussen kosten en prestaties.

Typische use cases

Toepassingen zijn diverser dan ze op het eerste gezicht lijken. Een conversatie-assistent verbonden met een CRM-, ERP- of ticketingdatabase beantwoordt raadpleegvragen: het model leest maar wijzigt niets. Automatisatie gaat verder door workflows te triggeren—het verzenden van een e-mail, het aanmaken van een taak, het updaten van een status—en legt daarmee een veel zwaardere verantwoordelijkheid bij de code. Bij augmented search (RAG) verschuift function calling de beslissing: in plaats van systematisch een vectordatabase te bevragen, laat u het model beslissen wanneer en hoe dit te doen, waardoor het injecteren van onnodige context wordt vermeden.

Twee meer ambitieuze use cases maken het plaatje compleet. Autonome agenten koppelen meerdere function calls aan elkaar om een complexe taak te volbrengen, waarbij elk resultaat de volgende call stuurt. Tot slot stellen natuurlijke interfaces een gebruiker in staat een volledige applicatie via conversatie aan te sturen, zonder ooit te hoeven leren waar een specifieke knop zich bevindt.

Wat u in deze cursus leert

De cursus bestaat uit veertien lessen en volgt een bewust lineaire opbouw. U begint met fundamentele concepten: het vijf-stappenproces en de JSON-schema’s die uw functies beschrijven. Vervolgens gaat u aan de slag met de implementatie in Python—het schrijven, aanroepen, uitvoeren en ketenen van functies met de Mistral SDK. Het derde blok behandelt geavanceerde functies: parallelle calls, tool_choice-opties, foutafhandeling en beveiliging. De cursus sluit af met praktijkvoorbeelden—een betalingstracker, een geautomatiseerd CRM—en best practices voor productieomgevingen.

Aan het einde van deze cursus bent u in staat een robuust function calling-systeem te ontwerpen, implementeren en uitrollen met de Mistral API.

Belangrijkste punten

  • Function calling stelt het model in staat de uitvoering van een functie aan te vragen zonder deze zelf uit te voeren
  • De architectuur berust op een strikte scheiding: het model genereert argumenten, uw code voert uit
  • Alle grote Mistral-modellen ondersteunen deze functie
  • Function calling is de bouwsteen voor AI-agenten en conversatie-automatisering