--- title: "Function Calling (Chamada de Funções)" url: "https://openclaw.ia.br/glossario/function-calling/" markdown_url: "https://openclaw.ia.br/glossario/function-calling.MD" description: "O que é Function Calling em IA, como modelos executam ações reais e como o OpenClaw usa para automações. Guia completo." date: "2026-02-04" author: "" --- # Function Calling (Chamada de Funções) O que é Function Calling em IA, como modelos executam ações reais e como o OpenClaw usa para automações. Guia completo. ## O Que É Function Calling Function Calling é a capacidade de modelos de linguagem de invocar funções externas durante uma conversa, transformando o LLM de um gerador de texto em um orquestrador de ações reais. Em vez de apenas descrever como enviar um e-mail, o modelo pode realmente enviar o e-mail. Em vez de listar passos para consultar um banco de dados, ele consulta diretamente. Essa capacidade surgiu como uma das adições mais impactantes aos LLMs modernos. Antes do Function Calling, toda a interação com sistemas externos dependia de código extra que interpretava a resposta do modelo e decidia o que fazer. Com o Function Calling, o próprio modelo faz essa ponte: ele conhece as funções disponíveis, decide quando usá-las, extrai os parâmetros necessários da conversa e sinaliza qual função deve ser chamada com quais argumentos. O resultado é uma arquitetura muito mais limpa e confiável para automações baseadas em IA. O modelo não precisa "adivinhar" um formato JSON arbitrário — ele produz chamadas de função estruturadas e validadas que o sistema pode executar com segurança. Isso é a base técnica do que chamamos de [IA agêntica](/glossario/ia-agentica/): sistemas que agem no mundo, não apenas conversam sobre ele. ## Como Funciona O ciclo de Function Calling tem cinco etapas bem definidas: **1. Definição:** o desenvolvedor registra funções disponíveis com um schema JSON descrevendo nome, descrição e parâmetros. O modelo recebe essas definições no sistema prompt. **2. Detecção de intenção:** durante a conversa, o modelo analisa a mensagem do usuário e decide se alguma das funções disponíveis deve ser chamada para atender a solicitação. **3. Extração de parâmetros:** o modelo extrai os argumentos necessários a partir do contexto da conversa — nome do participante, data da reunião, assunto do e-mail — e os formata conforme o schema definido. **4. Execução:** o sistema (não o modelo) executa a função real com os parâmetros fornecidos pelo modelo. Esta etapa acontece fora do LLM. **5. Incorporação:** o resultado da função é retornado ao modelo, que usa esse resultado para compor uma resposta natural ao usuário. Modelos como GPT-4 (Tools API), Claude (tool_use) e Gemini suportam Function Calling nativamente, com schemas JSON padronizados. O modelo pode chamar múltiplas funções em paralelo quando necessário, ou em sequência quando uma chamada depende do resultado da anterior. ## Exemplo Prático Uma empresa de RH em Belo Horizonte usa o OpenClaw para automatizar processos de gestão de pessoas. Um gestor manda a mensagem: "Agenda uma reunião de feedback com a Ana da equipe de produto para sexta-feira às 15h, e manda um lembrete para ela uma hora antes." Aqui o modelo identifica que precisa de duas funções: 1. **Detecta:** `create_calendar_event` com parâmetros `{participante: "Ana", equipe: "produto", data: "sexta-feira", hora: "15:00", tipo: "feedback"}` 2. **Detecta:** `schedule_reminder` com parâmetros `{destinatario: "Ana", evento: "reunião de feedback", antecedencia: "1 hora"}` 3. O sistema executa ambas as integrações com o Google Calendar e o sistema de notificações 4. O modelo responde: "Reunião de feedback com Ana agendada para sexta-feira às 15h. Ela receberá um lembrete às 14h." Tudo isso acontece a partir de uma mensagem em linguagem natural, sem que o gestor precise abrir o calendário, pesquisar o contato da Ana ou configurar lembretes manualmente. ## Importância para Empresas Function Calling é o que separa um chatbot sofisticado de um assistente que realmente trabalha. Para empresas brasileiras que querem automatizar processos — de RH, financeiro, atendimento ao cliente, logística — essa capacidade é transformadora porque elimina o custo de integração manual entre o assistente e os sistemas existentes. O impacto é especialmente relevante para PMEs que não têm equipes de desenvolvimento grandes. Com Function Calling, o assistente pode se integrar a sistemas como ERP (TOTVS, SAP), CRM (Salesforce, HubSpot), sistemas de NF-e, plataformas de e-commerce e APIs bancárias, tornando-se um hub central de automação que qualquer colaborador consegue operar em linguagem natural. Outro benefício é a rastreabilidade: como cada chamada de função é registrada com seus parâmetros e resultados, cria-se automaticamente um log auditável de todas as ações tomadas pelo assistente — fundamental para compliance e para resolução de problemas. ## Function Calling no OpenClaw O sistema de Skills do OpenClaw é construído inteiramente sobre Function Calling. Cada skill que você habilita no OpenClaw registra um conjunto de funções que o modelo pode invocar. Quando você instala a skill de Google Calendar, por exemplo, o modelo passa a ter acesso às funções `create_event`, `list_events`, `update_event` e `delete_event`. Você pode criar suas próprias Skills personalizadas escrevendo funções em Python ou JavaScript que o OpenClaw registra automaticamente para o modelo. Isso significa que qualquer sistema interno da sua empresa pode ser exposto ao assistente como um conjunto de funções — seu ERP, seu banco de dados de clientes, sua planilha de controle de estoque, qualquer coisa com uma API ou que possa ser acessada via código. A combinação de Function Calling com a [janela de contexto](/glossario/janela-de-contexto/) grande dos modelos modernos permite que o OpenClaw execute workflows complexos e multi-etapas em uma única conversa, mantendo o contexto de todas as ações anteriores. ## Termos Relacionados - [IA Agêntica](/glossario/ia-agentica/) - [Guardrails](/glossario/guardrails/) - [Gateway](/glossario/gateway/) - [Inferência](/glossario/inferencia/) ## Perguntas Frequentes **Function Calling é seguro? O modelo pode executar qualquer ação?** O modelo apenas propõe chamadas — a execução real fica no controle do sistema. Você define quais funções estão disponíveis. Funções sensíveis (como deletar dados) podem exigir confirmação humana antes da execução. Os [guardrails](/glossario/guardrails/) do OpenClaw adicionam uma camada extra de proteção. **Qual a diferença entre Function Calling e webhook?** Um webhook envia dados para um endpoint quando um evento acontece (push). Function Calling é o modelo decidindo chamar uma função específica com parâmetros extraídos da conversa (pull). São complementares: o webhook pode acionar o assistente, que então usa Function Calling para executar ações. **O modelo pode chamar funções que não existem?** Modelos bem treinados tendem a chamar apenas funções do schema fornecido. Mas sempre é importante validar os parâmetros antes de executar qualquer função, especialmente em sistemas críticos. **Funciona com qualquer modelo de IA?** Não. Function Calling é uma capacidade que precisa ser treinada no modelo. GPT-4, Claude 3+ e Gemini Pro suportam nativamente. Modelos menores ou mais antigos podem não suportar ou ter resultados inconsistentes. O OpenClaw foi testado principalmente com modelos que suportam Function Calling nativamente. **Como o modelo sabe quais parâmetros extrair da conversa?** Através das descrições no schema JSON de cada função. Quanto mais clara e detalhada a descrição dos parâmetros, melhor o modelo é em extraí-los corretamente da conversa. Boa documentação das funções é essencial para que o Function Calling funcione de forma confiável.