diff --git a/units/ko/_toctree.yml b/units/ko/_toctree.yml
index caefd9a8..c7a26d43 100644
--- a/units/ko/_toctree.yml
+++ b/units/ko/_toctree.yml
@@ -41,4 +41,6 @@
 - title: Bonus Unit 1. Fine-tuning an LLM for Function-calling
   sections:
   - local: bonus-unit1/introduction
-    title: Introduction
\ No newline at end of file
+    title: Introduction
+  - local: bonus-unit1/what-is-function-calling
+    title: What is Function Calling?
diff --git a/units/ko/bonus-unit1/what-is-function-calling.mdx b/units/ko/bonus-unit1/what-is-function-calling.mdx
new file mode 100644
index 00000000..bcf31133
--- /dev/null
+++ b/units/ko/bonus-unit1/what-is-function-calling.mdx
@@ -0,0 +1,76 @@
+# 함수 호출이란 무엇인가[[what-is-function-calling]]
+
+함수 호출은 **LLM이 환경과 상호작용하여 동작을 수행하는 방법**입니다. 처음에는 [GPT-4에서 도입되었으며](https://openai.com/index/function-calling-and-other-api-updates/), 이후 다른 모델에서도 구현되었습니다.
+
+에이전트의 도구처럼, 함수 호출은 모델에게 **주어진 환경에서 동작을 수행할 수 있는 능력**을 제공합니다. 다만 함수 호출 능력은 **모델 스스로 학습을 통해 체득한 것**이므로, 다른 에이전트 기법들보다 **프롬프트에 덜 의존**한다는 점입니다.
+
+Unit 1에서는 에이전트가 **도구를 사용하는 법을 학습한 것이 아니며**, 우리는 그저 도구 목록을 모델에게 제공했고, 모델이 **이 도구들을 활용해 계획을 생성할 것이라는 일반화 능력**에 의존했습니다.
+
+여기서는 **함수 호출을 통해 에이전트가 도구를 사용할 수 있도록 미세 조정(학습)**합니다.
+
+## 모델은 동작 수행을 어떻게 "학습"할까요?[[how-does-the-model-learn-to-take-an-action]]
+
+Unit 1에서는 에이전트의 일반적인 워크플로우를 살펴보았습니다. 사용자가 에이전트에 도구를 제공하고 질의를 전달하면, 모델은 다음 과정을 반복합니다.
+
+1. *사고(Think)* : 목표를 달성하기 위해 어떤 동작을 수행해야 할지 고민합니다.  
+2. *행동(Act)* : 정해진 형식에 맞춰 행동을 수행하고, 일단 자신의 텍스트 응답 생성은 멈춥니다.
+3. *관찰(Observe)* : 행동의 실행 결과를 외부로부터 받아옵니다.
+
+API를 통한 “일반적인” 대화는 아래처럼 사용자("user")와 어시스턴트("assistant")가 메시지를 주고받는 형태로 구성됩니다.
+
+```python
+conversation = [
+    {"role": "user", "content": "I need help with my order"},
+    {"role": "assistant", "content": "I'd be happy to help. Could you provide your order number?"},
+    {"role": "user", "content": "It's ORDER-123"},
+]
+```
+
+함수 호출은 이 대화의 흐름에 **새로운 역할("role")**을 추가합니다!
+
+1. **행동(Action)**을 위한 새로운 역할  
+2. **관찰(Observation)**을 위한 새로운 역할  
+
+[Mistral API](https://docs.mistral.ai/capabilities/function_calling/)를 예로 들면, 대화 구조가 이렇게 바뀌게 됩니다.
+
+```python
+conversation = [
+    {
+        "role": "user",
+        "content": "What's the status of my transaction T1001?"
+    },
+    {
+        "role": "assistant",
+        "content": "",
+        "function_call": {
+            "name": "retrieve_payment_status",
+            "arguments": "{\"transaction_id\": \"T1001\"}"
+        }
+    },
+    {
+        "role": "tool",
+        "name": "retrieve_payment_status",
+        "content": "{\"status\": \"Paid\"}"
+    },
+    {
+        "role": "assistant",
+        "content": "Your transaction T1001 has been successfully paid."
+    }
+]
+```
+> ...하지만 방금 함수 호출에 '새로운 역할'이 추가된다고 하지 않았나요? 
+
+**그렇기도 하고 아니기도 합니다.** 이 경우를 비롯해 많은 API에서, 모델은 수행할 동작을 "assistant" 메시지로 출력합니다. 그러면 이후 채팅 템플릿이 이 메시지를 함수 호출을 위한 **특수 토큰**으로 변환하여 처리합니다.
+
+- `[AVAILABLE_TOOLS]` – 사용 가능한 도구 목록 시작  
+- `[/AVAILABLE_TOOLS]` – 사용 가능한 도구 목록 종료  
+- `[TOOL_CALLS]` – 도구를 호출(즉, **Action** 수행)  
+- `[TOOL_RESULTS]` – 동작 결과(“Observe”)  
+- `[/TOOL_RESULTS]` – 관찰 종료(이제 모델이 이어서 응답을 생성할 수 있음)  
+
+강의에서 함수 호출을 다시 다룰 예정이지만, 더 깊이 살펴보고 싶다면 [Mistral의 공식 문서](https://docs.mistral.ai/capabilities/function_calling/)를 참고하세요.
+
+---
+이제 함수 호출이 무엇이고 어떻게 작동하는지 배웠으니, 아직 해당 기능이 없는 모델인 [google/gemma-2-2b-it]([google/gemma-2-2b-it](https://huggingface.co/google/gemma-2-2b-it)에 새로운 특수 토큰을 덧붙이는 방식으로 함수 호출 기능을 직접 추가해보겠습니다.
+
+이를 위해서는 **먼저 미세 조정과 LoRA**를 이해해야 합니다.