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
- Mesajları ve bir
toolslistesi gönderirsiniz. Her aracın bir adı, bir açıklaması ve parametreleri için bir JSON Schema'sı vardır. - Model
tool_callsvefinish_reason: "tool_calls"ile yanıt verir. Kendisi hiçbir şey çalıştırmaz. - Kodunuz fonksiyonu çalıştırır ve sonucu
role: "tool"ile bir mesaj olarak ekler. - 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.
| Model | Ücretsiz olduğu yer | Bağlam | Ücretsiz limitler (en iyi teklif) | Araçlar | Görsel girdi |
|---|---|---|---|---|---|
| GLM 5.3 | UnoRouter | 1M | 1 istek/dk 1 req/min per model | Evet | Hayır |
| Qwen3.8 Max | ACLIDE | - | €20/month shared internal usage credits · no card | Evet | Hayır |
| GLM 5.3 Flash | NVIDIA NIM, UnoRouter | 1M | 40 istek/dk 40 RPM | Evet | Evet |
| Gemini 3.8 Flash | Google AI Studio | 1M | Recurring provider quota | Evet | Evet |
| Gemini Flash (latest alias) | Google AI Studio | - | 10 istek/dk 20 istek/gün 250,000 jeton/dk ~3M | Evet | Evet |
| Qwen3.8 Flash Next | AMD Radeon Cloud | 262K | Recurring daily account allowance | Evet | Hayır |
| Qwen3.8 Flash | ElectronHub | 1M | $0.25/week shared recurring credit | Evet | Evet |
| Gemini 3.7 Flash | Google AI Studio | 1M | 10 istek/dk 20 istek/gün 250,000 jeton/dk ~3M | Evet | Evet |
| GPT-5.6 Luna | ElectronHub | 1M | $0.25/week shared recurring credit | Evet | Evet |
| Dots3 Note Preview | Kilo Gateway, OpenRouter | 512K | 20 istek/dk 50 istek/gün 50 req/day account-wide (1,000 after a $10 purchase) | Evet | Evet |
| DeepSeek V4 Flash | AMD Radeon Cloud, BazaarLink, ElectronHub | 1M | 10 istek/dk 50 istek/gün Shared rate limit | Evet | Hayır |
| Qwen3.8 27B | ElectronHub, Groq, OVH AI Endpoints | 262K | 30 istek/dk 250 istek/gün 70,000 jeton/dk ~6M | Evet | Evet |
| Gemini 3.6 Flash | Google AI Studio | 1M | 10 istek/dk 20 istek/gün 250,000 jeton/dk ~3M | Evet | Evet |
| Qwen 3.8 27B | Cloudflare Workers AI | 262K | Shared 10k neurons/day | Evet | Evet |
| Gemini 3.5 Flash | Google AI Studio | 1M | 10 istek/dk 20 istek/gün 250,000 jeton/dk ~3M | Evet | Evet |
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 | bashKontrol 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.
Tuzaklar
- Argümanlar bir metindir:
function.argumentsbir JSON metnidir. Ayrıştırın ve hataları yakalayın. Küçük modeller bazen geçerli olmayan JSON gönderir. - Kimlikleri eşleştirin: her araç mesajı, kendi çağrısının
tool_call_iddeğerine ihtiyaç duyar.tool_callsiçeren 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.
Sorun giderme
| Sorun | Neden | Çözüm |
|---|---|---|
| Model metinle yanıt veriyor ve hiçbir araç çağırmıyor | Model araçlarda zayıf veya araç açıklaması net değil | Tablodan daha güçlü bir model sabitleyin veya araç açıklamasını iyileştirin |
Argümanlarda json.JSONDecodeError | Model geçersiz JSON gönderdi | Hatayı yakalayın ve araç sonucu olarak geri gönderin, böylece model yeniden deneyebilir |
| Bir araç mesajıyla ilgili 400 hatası | tool_call_id eşleşmiyor veya asistan mesajı eksik | Önce asistan mesajını, sonra her çağrı için bir araç mesajı ekleyin |
| Agent görevi sırasında 429 hatası | Döngü çok sayıda büyük istek gönderiyor | Daha fazla sağlayıcı anahtarı ekleyin ve daha az araç gönderin |
| Döngü durmuyor | Model aynı aracı yeniden çağırıyor | Bir tur sınırı belirleyin ve net sonuçlar döndürün |
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
- AI ajanları için ücretsiz LLM API
- AI ajanları için ücretsiz web arama API'si
- En iyi ücretsiz kodlama model API'leri
- LangChain için ücretsiz LLM API
- Python ile ücretsiz LLM API
Kaynaklar
- FreeLLMAPI docs: Tool calling (20 November 2026 tarihinde kontrol edildi)
- FreeLLMAPI README: features (20 November 2026 tarihinde kontrol edildi)
- OpenAI API reference: Chat Completions tools (20 November 2026 tarihinde kontrol edildi)