Ana sayfa / Rehberler / Fonksiyon çağrısı destekli ücretsiz LLM API

Fonksiyon çağrısı destekli ücretsiz LLM API

Fonksiyon çağrısı, yani araç çağrısı, bir LLM'nin kodunuza bir fonksiyon çalıştırmasını istemesini sağlar. Agentlar, canlı veri kullanan sohbet botları ve yapılandırılmış çıkarma işlemlerinin hepsi bunu kullanır. FreeLLMAPI kataloğunda araç çağrısı destekleyen 190 ücretsiz model seçeneği bulunur. OpenAI tarzı tools gönderirsiniz ve ağ geçidi bunları her sağlayıcı için çevirir.

Kod, model adları ve canlı katalog etiketleri İngilizce gösterilir.

FreeLLMAPI üzerinden araç çağrısı nasıl çalışır

  1. Mesajları ve bir tools listesi gönderirsiniz. Her aracın bir adı, bir açıklaması ve parametreleri için bir JSON Schema'sı vardır.
  2. Model tool_calls ve finish_reason: "tool_calls" ile yanıt verir. Kendisi hiçbir şey çalıştırmaz.
  3. Kodunuz fonksiyonu çalıştırır ve sonucu role: "tool" ile bir mesaj olarak ekler.
  4. Konuşmayı yeniden gönderirsiniz. Model sonucu kullanarak nihai yanıtı yazar.

Groq, Cerebras, Mistral, OpenRouter ve Cloudflare gibi OpenAI uyumlu sağlayıcılar isteği olduğu gibi alır. Gemini için FreeLLMAPI, araçları Google’ın functionDeclarations biçimine çevirir ve yanıtı geri çevirir. Kodunuz her sağlayıcı için aynıdır.

Bazı modeller araç çağrısını gerçek bir araç çağrısı yerine düz metin olarak yazar. FreeLLMAPI bunları algılar ve gerçek tool_calls alanlarına dönüştürür.

Bugün araç çağrısı yapabilen ücretsiz modeller

Tablo, araç çağrısı yapabilen en güçlü ücretsiz modelleri gösterir. Veriler canlı katalogdan gelir. Agentlar için bağlam boyutunu da kontrol edin, çünkü araç tanımları ve sonuçları çok token kullanır.

Araç çağrısı yapabilen ücretsiz modeller, en güçlüsü önce
ModelÜcretsiz olduğu yerBağlamÜcretsiz limitler (en iyi teklif)AraçlarGörsel girdi
GLM 5.3UnoRouter1M1 istek/dk
1 req/min per model
EvetHayır
Qwen3.8 MaxACLIDE-€20/month shared internal usage credits · no cardEvetHayır
GLM 5.3 FlashNVIDIA NIM, UnoRouter1M40 istek/dk
40 RPM
EvetEvet
Gemini 3.8 FlashGoogle AI Studio1MRecurring provider quotaEvetEvet
Gemini Flash (latest alias)Google AI Studio-10 istek/dk
20 istek/gün
250,000 jeton/dk
~3M
EvetEvet
Qwen3.8 Flash NextAMD Radeon Cloud262KRecurring daily account allowanceEvetHayır
Qwen3.8 FlashElectronHub1M$0.25/week shared recurring creditEvetEvet
Gemini 3.7 FlashGoogle AI Studio1M10 istek/dk
20 istek/gün
250,000 jeton/dk
~3M
EvetEvet
GPT-5.6 LunaElectronHub1M$0.25/week shared recurring creditEvetEvet
Dots3 Note PreviewKilo Gateway, OpenRouter512K20 istek/dk
50 istek/gün
50 req/day account-wide (1,000 after a $10 purchase)
EvetEvet
DeepSeek V4 FlashAMD Radeon Cloud, BazaarLink, ElectronHub1M10 istek/dk
50 istek/gün
Shared rate limit
EvetHayır
Qwen3.8 27BElectronHub, Groq, OVH AI Endpoints262K30 istek/dk
250 istek/gün
70,000 jeton/dk
~6M
EvetEvet
Gemini 3.6 FlashGoogle AI Studio1M10 istek/dk
20 istek/gün
250,000 jeton/dk
~3M
EvetEvet
Qwen 3.8 27BCloudflare Workers AI262KShared 10k neurons/dayEvetEvet
Gemini 3.5 FlashGoogle AI Studio1M10 istek/dk
20 istek/gün
250,000 jeton/dk
~3M
EvetEvet

146 eşleşen ücretsiz modelden 15 tanesi gösteriliyor. Tüm modelleri gör.

Canlı veriler FreeLLMAPI kataloğundan alınır (sürüm 2026.11.19, 2026-11-19 tarihinde kontrol edildi). Ücretsiz limitler sık değişir. Katalog her gün kontrol edilir.

1. adım: FreeLLMAPI'yi kurun ve anahtarları ekleyin

FreeLLMAPI açık kaynaklıdır. Docker içinde bilgisayarınızda çalışır. Sağlayıcı anahtarlarınız bilgisayarınızda kalır.

Kurun (macOS veya Linux)

curl -fsSL https://freellmapi.co/install.sh | bash

Kontrol panelini http://localhost:3001 adresinde açın. Keys sayfasına üç veya daha fazla sağlayıcıdan anahtar ekleyin. Bir araç döngüsü tek bir görev için birkaç istek gönderir, bu nedenle daha fazla anahtar daha fazla alan sağlar. Birleşik anahtarınızı aynı sayfadan kopyalayın.

2. adım: Tam bir araç döngüsü çalıştırın

curl: ilk istek

curl http://localhost:3001/v1/chat/completions \
  -H "Authorization: Bearer <unified-key>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "auto",
    "messages": [{"role": "user", "content": "What is the weather in Karachi?"}],
    "tools": [{
      "type": "function",
      "function": {
        "name": "get_weather",
        "description": "Get the current weather for a city.",
        "parameters": {
          "type": "object",
          "properties": {"city": {"type": "string"}},
          "required": ["city"]
        }
      }
    }]
  }'

Python: model nihai yanıt verene kadar döngü yapın

import json
from openai import OpenAI

client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")

def get_weather(city: str) -> dict:
    return {"city": city, "temp_c": 32, "condition": "sunny"}  # call a real API here

FUNCS = {"get_weather": get_weather}
tools = [{
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "Get the current weather for a city.",
        "parameters": {
            "type": "object",
            "properties": {"city": {"type": "string"}},
            "required": ["city"],
        },
    },
}]
messages = [{"role": "user", "content": "What is the weather in Karachi and Lahore?"}]

for _ in range(5):  # stop after 5 rounds
    msg = client.chat.completions.create(model="auto", messages=messages, tools=tools).choices[0].message
    if not msg.tool_calls:
        print(msg.content)
        break
    messages.append(msg)
    for call in msg.tool_calls:
        try:
            args = json.loads(call.function.arguments or "{}")
            result = FUNCS[call.function.name](**args)
        except Exception as exc:  # bad JSON, unknown tool or wrong arguments
            result = {"error": str(exc)}
        messages.append({"role": "tool", "tool_call_id": call.id, "content": json.dumps(result)})

Araç çağrısı stream=True ile de çalışır. delta.tool_calls parçaları alırsınız, ardından finish_reason: "tool_calls" içeren son bir parça gelir. JSON'u ayrıştırmadan önce argüman parçalarını birleştirin.

Yapılandırılmış veri almak için bir araç kullanın

Araç çağrısı, sabit bir biçimde veri almanın da iyi bir yoludur. Parametreleri istediğiniz alanlar olan tek bir araç tanımlayın. tool_choice değerini "required" yapın, böylece model bir araç çağırmak zorunda kalır. Sonra argümanları okuyun. Herhangi bir fonksiyon çalıştırmanız gerekmez.

Python: zorunlu araç çağrısıyla alanları çıkarın

import json
from openai import OpenAI

client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")
schema = {
    "type": "function",
    "function": {
        "name": "save_contact",
        "description": "Save one contact found in the text.",
        "parameters": {
            "type": "object",
            "properties": {"name": {"type": "string"}, "email": {"type": "string"}},
            "required": ["name", "email"],
        },
    },
}
resp = client.chat.completions.create(
    model="auto",
    messages=[{"role": "user", "content": "Reach Sara Khan at [email protected]."}],
    tools=[schema],
    tool_choice="required",
)
print(json.loads(resp.choices[0].message.tool_calls[0].function.arguments))

Argümanları kendi kodunuzla doğrulayın. Bir model zorunlu bir alanı atlayabilir veya yanlış bir tür gönderebilir. Kontrol başarısız olursa hatayı geri gönderin ve yeniden isteyin.

Güvenlik: ödemeler, e-postalar veya dosya silme gibi yan etkileri olan araç çağrılarını kontrol etmeden çalıştırmayın. Önce kullanıcıdan bu işlemleri onaylamasını isteyin.

Tuzaklar

  • Argümanlar bir metindir: function.arguments bir JSON metnidir. Ayrıştırın ve hataları yakalayın. Küçük modeller bazen geçerli olmayan JSON gönderir.
  • Kimlikleri eşleştirin: her araç mesajı, kendi çağrısının tool_call_id değerine ihtiyaç duyar. tool_calls içeren asistan mesajını araç mesajlarından önce ekleyin.
  • Aynı anda birden fazla çağrı: bir model tek bir yanıtta birden fazla araç çağrısı döndürebilir. Hepsini çalıştırın, sonra tüm sonuçları gönderin.
  • Token maliyeti: her araç tanımı her istekle birlikte gönderilir. Yirmi büyük araç binlerce token kullanabilir ve düşük bir dakika başına token limitine hızla ulaşabilir. Yalnızca görevin ihtiyaç duyduğu araçları gönderin.
  • Net açıklamalar: model bir aracı adından ve açıklamasından seçer. Aracın ne yaptığını ve ne zaman kullanılacağını söyleyen tek ve kısa bir cümle yazın.
  • Döngüyü durdurun: en fazla tur sayısı belirleyin. Zayıf bir model aynı aracı tekrar tekrar çağırabilir.
  • Araçsız modeller: bazı ücretsiz sağlayıcılar araçları desteklemez. Örneğin AI Horde araçları atar ve yanıtı düz sohbet olarak verir.
Bir görev sırasında aynı model: FreeLLMAPI bir konuşmayı 30 dakika boyunca tek bir modelde tutar. Bir araç döngüsü genellikle tek bir modelde kalır. Bir limit değişikliği zorlarsa, sonraki model araç sonuçları dahil tam mesaj geçmişini alır.

Sorun giderme

SorunNedenÇözüm
Model metinle yanıt veriyor ve hiçbir araç çağırmıyorModel araçlarda zayıf veya araç açıklaması net değilTablodan daha güçlü bir model sabitleyin veya araç açıklamasını iyileştirin
Argümanlarda json.JSONDecodeErrorModel geçersiz JSON gönderdiHatayı yakalayın ve araç sonucu olarak geri gönderin, böylece model yeniden deneyebilir
Bir araç mesajıyla ilgili 400 hatasıtool_call_id eşleşmiyor veya asistan mesajı eksikÖnce asistan mesajını, sonra her çağrı için bir araç mesajı ekleyin
Agent görevi sırasında 429 hatasıDöngü çok sayıda büyük istek gönderiyorDaha fazla sağlayıcı anahtarı ekleyin ve daha az araç gönderin
Döngü durmuyorModel aynı aracı yeniden çağırıyorBir tur sınırı belirleyin ve net sonuçlar döndürün
Bunların hepsini tek bir anahtarla kullanın. FreeLLMAPI, açık kaynaklı ve kendi sunucunuzda çalışan bir yönlendiricidir. Tüm bu ücretsiz katmanları tek bir OpenAI uyumlu uç noktanın arkasında toplar ve bir sağlayıcı hız limitine takıldığında otomatik olarak başka birine geçer. Kataloğa göz atın veya canlı olarak incele.

Sık sorulan sorular

Hangi ücretsiz LLM API'leri fonksiyon çağrısını destekler?

Gemini, Groq, Cerebras, Mistral, OpenRouter, Cloudflare ve diğer sağlayıcıların araç çağrısı yapabilen ücretsiz modelleri var. FreeLLMAPI kataloğunda bugün araç içeren 190 ücretsiz model seçeneği bulunur.

Araç çağrısı, fonksiyon çağrısıyla aynı mı?

Evet. OpenAI önce fonksiyon çağrısı adını kullandı. Güncel API, tools ve tool_calls alanlarını kullanır. İki ad da modelin kodunuzdan bir fonksiyon çalıştırmasını istediği anlamına gelir.

Gemini araç çağrısı OpenAI biçimiyle çalışır mı?

Evet, FreeLLMAPI üzerinden. Ağ geçidi OpenAI tools değerlerini Gemini functionDeclarations değerlerine çevirir ve yanıtı OpenAI tool_calls biçimine geri çevirir.

Araç çağrılarını akış olarak alabilir miyim?

Evet. stream=True ile delta.tool_calls parçaları ve son finish_reason değeri olarak tool_calls alırsınız. Ayrıştırmadan önce argüman parçalarını birleştirin.

İlgili rehberler

Kaynaklar

Tüm rehberler · Tüm ücretsiz modelleri incele