[LLM] 펑션 콜링 실습 function calling practice

펑션 콜링 실습

실습 내용

• 1. 프로젝트 폴더 만들기
• 1. 도구(펑션) 함수와 설명 작성
• 1. 도구(펑션) 리스트 작성
• 1. 펑션 콜링 구현

작성할 도구(펑션) 목록
(1) 특정 타임존의 현재 시각을 확인하는 함수
(2) 주식 종목의 정보를 가져오는 함수
(3) 주식 가격 이력을 가져오는 함수
(4) 주식 추천 정보를 가져오는 함수

프로젝트 폴더 만들기

• 파이썬 패키지 및 프로젝트 관리 툴인 uv 를 사용합니다.
• uv : https://whdrns2013.github.io/python/20250515_002_uv/

# 프로젝트 폴더 초기화
bash init function_calling
cd function_calling

# 폴더 생성
mkdir tools

# 의존성 설치
uv add openai yfinance pytz tabulate

도구(펑션)함수 및 설명 작성

코드블럭 최상단의 파일명을 꼭 참고하고, 그 위치에 파일을 작성해주세요.

1. 시간 확인 함수

• 특정 타임존의 현재 시간을 확인하는 함수입니다.
• datetime 과 pytz 모듈을 사용합니다.
• pytz에 대한 설명 : https://whdrns2013.github.io/python/20260126_001_pytz/

# 파일명 : tools/_get_current_time.py
from datetime import datetime
import pytz

def func(timezone="Asia/Seoul"):
    tz = pytz.timezone(timezone)
    now = datetime.now(tz).strftime("%Y-%m-%d %H:%M:%S")
    now_timezone = f"{now} {timezone}"
    return now_timezone

tool_def = {
        "type": "function",
        "function": {
            "name": "get_current_time",
            "description": "해당 타임존의 날짜와 시간을 반환합니다.",
            "parameters": {
                "type":"object",
                "properties":{
                    "timezone": {
                        "type":"string",
                        "description":"현재 날짜와 시간을 반환할 타임존을 입력하세요.(예. Aisa/Seoul)",
                    }
                },
                "required":["timezone"]
            }
        }
    }

2. 주식 종목 정보 가져오기

• 주식 종목의 정보를 가져오는 함수입니다.
• yfinance (yahoo! finance) 라이브러리를 사용합니다.
• yfinance : https://whdrns2013.github.io/python/20260129_001_yfinance/

# 파일명 : tools/_get_yf_stock_info.py
import yfinance as yf

def func(ticker: str):
    stock = yf.Ticker(ticker)
    info = stock.info
    return str(info)

tool_def = {
        "type": "function",
        "function": {
            "name": "get_yf_stock_info",
            "description": "해당 종목의 Yahoo Finance 정보를 반환합니다.",
            "parameters": {
                "type":"object",
                "properties":{
                    "ticker": {
                        "type":"string",
                        "description":"Yahoo Finance 정보를 반환할 종목의 티커를 입력하세요. (예:APPL)",
                    }
                },
                "required":["ticker"]
            }
        }
    }

3. 주식 가격 이력 가져오기

• 주식 종목의 과거 가격 이력을 조회해오는 함수입니다.
• 동일하게 yfinance (yahoo! finance) 라이브러리를 사용합니다.

# 파일명 : tools/_get_yf_stock_history.py
import yfinance as yf

def func(ticker:str, period:str):
    stock = yf.Ticker(ticker)
    hist = stock.history(period=period)
    return str(hist.to_markdown())

tool_def = {
        "type": "function",
        "function": {
            "name": "get_yf_stock_history",
            "description": "해당 종목의 Yahoo Finance 주가 정보를 반환합니다.",
            "parameters": {
                "type":"object",
                "properties":{
                    "ticker": {
                        "type":"string",
                        "description":"Yahoo Finance 주가 정보를 반환할 종목의 티커를 입력하세요. (예:APPL)",
                    },
                    "period": {
                        "type": "string",
                        "description":"주가 정보를 조회할 기간을 입력하세요. (예: 1d, 5d, 1mo, 3mo, 1y, 5y)"
                    }
                },
                "required":["ticker", "period"]
            }
        }
    }

4. 주식 추천 정보 가져오기

• 전문가들의 주식 추천 정보를 가져오는 함수입니다.
• 동일하게 yfinance (yahoo! finance) 라이브러리를 사용합니다.

# 파일명 : tools/_get_yf_stock_recommendations.py
import yfinance as yf

def func(ticker:str):
    stock = yf.Ticker(ticker)
    reco = stock.recommendations
    return str(reco.to_markdown())

tool_def = {
        "type": "function",
        "function": {
            "name": "get_yf_stock_recommendations",
            "description": "해당 종목의 Yahoo Finance 추천 정보를 반환합니다.",
            "parameters": {
                "type":"object",
                "properties":{
                    "ticker": {
                        "type":"string",
                        "description":"Yahoo Finance 추처 정보를 반환할 종목의 티커를 입력하세요. (예:APPL)",
                    }
                },
                "required":["ticker"]
            }
        }
    }

도구(펑션) 리스트 작성

• 이제 작성한 도구(펑션)들에 대한 설명 dictionary를 하나의 리스트 tools에 모읍니다.
• 이렇게 모은 tools는 추후 LLM에 질의를 할 때 함께 제공합니다.
• 하는 김에 펑션의 이름과, 이에 대해 실행해야 할 함수를 매칭시킨 함수 tool_mapping을 하나 만들어줍니다.

# 파일명 : tools/gpt_functions.py
from tools import _get_current_time, _get_yf_stock_info, _get_yf_stock_history, _get_yf_stock_recommendations

# 사용 가능한 도구(펑션)들에 대한 설명 정보 리스트
tools = [
    _get_current_time.tool_def,
    _get_yf_stock_info.tool_def,
    _get_yf_stock_history.tool_def,
    _get_yf_stock_recommendations.tool_def
]

# 도구(펑션) 이름과 실행할 함수 매팽
def tool_mapping(tool_name:str, arguments:dict|None):
    if tool_name == "get_current_time":
        func_result = _get_current_time.func(timezone=arguments["timezone"])
    elif tool_name == "get_yf_stock_info":
        func_result = _get_yf_stock_info.func(ticker=arguments["ticker"])
    elif tool_name == "get_yf_stock_history":
        func_result = _get_yf_stock_history.func(ticker=arguments["ticker"], period=arguments["period"])
    elif tool_name == "get_yf_stock_recommendations":
        func_result = _get_yf_stock_recommendations.func(ticker=arguments["ticker"])
    return func_result

펑션 콜링 구현

• 앞서 작성한 도구들과 도구 목록을 이용해 LLM 펑션 콜링을 구현합니다.
• 이번 실습에서는 OpenAI의 API를 사용합니다.
• 터미널에서 간단하게 대화를 할 수 있게 만들었습니다.

# main.py
from openai import OpenAI
from tools.gpt_functions import tools, tool_mapping
import json

API_KEY=************* # api key 입력

def get_ai_response(messages:list[dict], model:str="gpt-4o", tools=tools):
    api_key = API_KEY
    client = OpenAI(api_key = api_key)
    response = client.chat.completions.create(
        model = model,
        messages = messages,
        tools = tools,
    )
    return response

def terminal_chat():
    messages = []
    while True:
        # 사용자 입력
        user_input = input("◆ user\t:")
        if user_input == "exit":
            break
        
        # 대화 내역 추가
        messages.append({"role":"user", "content":user_input})
        
        # AI의 1차 답변
        response = get_ai_response(messages=messages)
        
        # AI 1차 답변 분석 및 처리
        ai_message = None
        if hasattr(response, "choices"):
        
            # 펑션 콜링 처리
            if response.choices[0].message.tool_calls:
                ai_message_obj = response.choices[0].message
                tool_calls = ai_message_obj.tool_calls
                
                # messages 에 tool calls 추가
                messages.append(ai_message_obj)
                
                # 펑션 콜링 처리
                for tool_call in tool_calls:
                    tool_name = tool_call.function.name
                    tool_call_id = tool_call.id
                    arguments = json.loads(tool_call.function.arguments)
                    func_result = tool_mapping(tool_name=tool_name, arguments=arguments)
                    messages.append({"role":"tool", "tool_call_id":tool_call_id, "name":tool_name, "content":str(func_result)})
                    
                # 펑션콜링 결과를 반영한 AI 2차 답변
                response = get_ai_response(messages=messages)
                
            # AI 최종 응답
            ai_message = response.choices[0].message.content
            messages.append({"role":"assistant", "content":ai_message})
        
        # 화면 출력
        if ai_message:
            print("◆ AI\t:" + ai_message)

def main():
    terminal_chat()

# 실행
uv run main.py

대화 예시

◆ user    :애플 주식 정보 알려줘
◆ AI      :애플(AAPL) 주식에 대한 정보를 다음과 같이 제공할 수 있습니다:
					 - **회사명**: Apple Inc.
					 - **산업분야**: 소비자 전자 제품
					 ...
◆ user    :서울과 뉴욕의 시간 알려줘
◆ AI      :현재 시간은 다음과 같습니다:
					 - **서울(한국)**: 2026년 2월 2일 오후 7시 30분
					 - **뉴욕(미국)**: 2026년 2월 2일 오전 5시 30분
					 추가적인 도움이 필요하시면 언제든지 말씀해 주세요!
◆ user    :시간정보는 출처가 어디야
◆ AI      :시간 정보는 지정된 시간대에 따라 시스템에서 자동으로 계산된 결과입니다. 일반적으로 세계 표준 시간(UTC) 기준에서 각 시간대의 오프셋을 적용하여 계산합니다. 다른 질문 있으시면 알려주세요!
◆ user    :펑션콜링한거야?
◆ AI      :네, 저는 시간 정보를 얻기 위해 "get_current_time" 함수를 호출했습니다. 이를 통해 서울과 뉴욕의 현재 시간을 각각 가져올 수 있었습니다. 추가 질문이나 다른 요청이 있으시면 말씀해 주세요!user    :안녕?
◆ AI      :안녕하세요! 어떤 도움이 필요하신가요? 궁금한 점이나 요청 사항이 있으면 말씀해 주세요!

Reference

Do it! LLM을 활용한 AI 에이전트 개발 입문 - 이성용 저