Modelaanroep: hoe applicaties een AI-model 'bellen' voor een antwoord
Als je ChatGPT een vraag stelt, Copilot om codeersuggesties vraagt of Claude een tekst laat samenvatten, gebeurt er achter de schermen iets dat techneuten een modelaanroep noemen: de applicatie stuurt jouw tekst naar een AI-model dat ergens op een server draait, en krijgt daar een antwoord op terug. Jij ziet alleen het gesprek in je scherm, maar onder de motorkap is dat eigenlijk een kort, gestructureerd verzoek-en-antwoordspel tussen twee computerprogramma's.
Een handige vergelijking: stel je een telefonische hulplijn voor met een specialist die alles weet, maar die je nooit zelf in huis haalt. Je belt, stelt je vraag zo duidelijk mogelijk, en legt er eventueel bij welke soort antwoord je wilt (kort, formeel, met voorbeelden). De specialist luistert, denkt na en antwoordt. Zodra het gesprek klaar is, hangt iedereen weer op — de specialist ‘onthoudt’ niets, tenzij je expliciet het hele gesprek opnieuw meestuurt. Zo werkt een modelaanroep ook: elk verzoek aan een AI-model is in de basis op zichzelf staand.
Wat is het precies?
Een modelaanroep begint bij een applicatie — dat kan een chatbot zijn, een programmeerhulpje of een bedrijfssysteem. Die applicatie stelt eerst een prompt samen: de tekst of vraag die naar het model gaat, vaak aangevuld met instructies ("antwoord in het Nederlands", "wees beknopt") en technische instellingen, zoals hoe "creatief" het model mag zijn (vaak temperature genoemd) of hoe lang het antwoord maximaal mag zijn.
Die prompt wordt vervolgens verstuurd als een API-verzoek: een gestandaardiseerd berichtje over het internet naar een server waar het model draait. API staat voor application programming interface, oftewel een vaste manier waarop computerprogramma's met elkaar kunnen "praten" zonder dat een mens erbij hoeft te kijken.
Op de server verwerkt het model de tekst in kleine stukjes die tokens heten — ongeveer een woorddeel per token. Het model voorspelt stap voor stap het volgstuk tekst, tot het antwoord compleet is. Dat antwoord komt terug naar de applicatie: soms in één keer, soms "streaming", wat betekent dat je het woord voor woord op je scherm ziet verschijnen terwijl het model nog aan het genereren is.
Een uitbreiding hierop is function calling of tool use: in plaats van alleen tekst terug te geven, kan het model aangeven dat het een externe functie wil laten uitvoeren, bijvoorbeeld een rekensom, een zoekopdracht op internet of een database-query. De applicatie voert die actie dan echt uit, stuurt het resultaat terug naar het model in een nieuwe modelaanroep, en het model gebruikt dat om zijn uiteindelijke antwoord te formuleren. Dit achter-elkaar-doen van meerdere modelaanroepen, waarbij het model zelf bepaalt welke volgende stap nodig is, is de basis van wat vaak een AI-"agent" wordt genoemd.
Wat wil men ermee bereiken?
Het idee achter modelaanroepen is vooral praktisch: niet elk bedrijf of elke ontwikkelaar kan of wil een eigen AI-model trainen en op eigen servers draaien — dat kost enorm veel rekenkracht en expertise. Door een model via een API aan te roepen, kan iedereen gebruikmaken van geavanceerde AI zonder die investering zelf te doen.
Daarnaast zorgt standaardisatie van de aanroep — een vast format voor het verzoek en het antwoord — ervoor dat ontwikkelaars relatief eenvoudig kunnen wisselen tussen verschillende modellen of aanbieders, en dat AI-functionaliteit kan worden ingebouwd in bestaande software zonder alles opnieuw te bouwen.
Er wordt meestal betaald per aanroep of per verwerkt token (pay-per-use), wat het voor kleine partijen betaalbaar maakt om te experimenteren, en voor grote partijen schaalbaar om miljoenen gebruikers te bedienen. Tot slot maakt het combineren van meerdere modelaanroepen — zoals bij agents — het mogelijk om complexere taken op te lossen dan één enkel antwoord, doordat het model tussentijds externe informatie kan opvragen of acties kan laten uitvoeren.
Voorbeelden uit de praktijk
In juni 2020 opende OpenAI voor het eerst toegang tot GPT-3 via een API, aanvankelijk in bèta en op uitnodiging. Dit was voor veel ontwikkelaars de eerste kennismaking met het idee om simpelweg een tekstverzoek te sturen en een door AI gegenereerd antwoord terug te krijgen, zonder zelf een model te hoeven bouwen.
In maart 2023 lanceerde OpenAI de gpt-3.5-turbo API, het model dat destijds ook achter ChatGPT zat. Doordat deze aanroepen relatief goedkoop en snel waren, ontstond een golf van applicaties die chatfunctionaliteit integreerden, van klantenservicebots tot schrijfhulpmiddelen.
In juni 2023 introduceerde OpenAI "function calling" in zijn API, waarmee ontwikkelaars konden opgeven welke externe functies een model mocht "aanroepen". Dit maakte het bouwen van praktische toepassingen — zoals een chatbot die daadwerkelijk een afspraak in een agenda zet — een stuk directer.
In november 2024 lanceerde Anthropic het Model Context Protocol (MCP), een open standaard die vastlegt hoe AI-modellen op een uniforme manier verbinding kunnen maken met externe tools, bestanden en databronnen. Het doel is dat ontwikkelaars niet voor elk model en elke tool een aparte koppeling hoeven te bouwen.
Ook GitHub Copilot, sinds juni 2022 algemeen beschikbaar na een technische preview in 2021, leunt volledig op modelaanroepen: terwijl je code typt, stuurt de editor voortdurend de context van je bestand naar een codegeneratiemodel en toont het voorgestelde antwoord direct in beeld.
Hoe ver is de techniek?
Het aanroepen van AI-modellen via API's is inmiddels volwassen, wijdverbreide infrastructuur. Grote cloudaanbieders bieden gehoste toegang tot modellen aan, zodat bedrijven niet eens rechtstreeks met de oorspronkelijke ontwikkelaar hoeven te werken: denk aan Microsoft Azure met de Azure OpenAI Service, Amazon met AWS Bedrock, en Google Cloud met Vertex AI.
Toch zijn er reële beperkingen. Elke modelaanroep kost tijd (latency) en geld; bij agents die tientallen aanroepen achter elkaar doen, kan dit flink oplopen en applicaties merkbaar vertragen. Aanbieders leggen bovendien vaak rate limits op — een maximumaantal aanroepen per minuut — om overbelasting te voorkomen, wat de schaalbaarheid van sommige toepassingen begrenst.
Standaarden zoals MCP voor het koppelen van tools zijn nog relatief jong en volop in ontwikkeling; het is nog niet volledig uitgekristalliseerd hoe uiteenlopende aanbieders en tools op lange termijn het best kunnen samenwerken. Ten slotte lost een goed ingerichte modelaanroep niet het fundamentele probleem op dat modellen soms feitelijk onjuiste informatie presenteren alsof die klopt, ook wel "hallucineren" genoemd — hoe de aanroep ook is vormgegeven.
Wie werken eraan?
De belangrijkste aanbieders van modellen die via API's aan te roepen zijn, zijn OpenAI, Anthropic, Google DeepMind, Meta AI en het Franse Mistral AI. Zij bepalen grotendeels ook de praktische standaarden voor hoe zo'n aanroep eruitziet.
Daarnaast spelen de grote cloudproviders — Microsoft Azure, Amazon AWS en Google Cloud — een centrale rol, omdat zij de infrastructuur leveren waarop veel van deze aanroepen daadwerkelijk worden afgehandeld. Het platform Hugging Face biedt daarnaast open source-infrastructuur en "inference endpoints" waarmee ontwikkelaars ook minder bekende of zelfgehoste modellen kunnen aanroepen.
Ook academische onderzoeksgroepen, onder meer aan universiteiten als Stanford en MIT, doen onderzoek naar efficiëntere manieren om modellen te bevragen en te laten reageren, met als doel de kosten en vertraging van modelaanroepen te verlagen.