Липса на персонализирано извикване на функции: Разбиране на ограничението
На тази страница
Структурно ограничение
Ако сте свикнали да декларирате собствени функции и да оставяте модела да решава кога да ги извика, подгответе се да промените подхода си: мулти-агентната система на Grok не поддържа персонализирано извикване на функции. Това не е детайл от конфигурацията, а архитектурно ограничение, което влияе върху начина, по който структурирате приложението си. По-добре е да го разберете сега, отколкото след като напишете триста реда схеми за функции.
Точната граница
Работещи са петте вградени инструмента от предишния урок: web_search за търсене в уеб в реално време, x_search за платформата X, code_execution за изпълнение на Python, collections_search за вашите индексирани колекции и Remote MCP за външни инструменти чрез протокола MCP. Нищо друго не работи. Функции, дефинирани във вашия код, персонализирани схеми и извиквания към ваши собствени API чрез механизма за извикване на функции, всички се отхвърлят.
Конкретно, декларацията по-долу, напълно валидна при стандартен модел, няма ефект в мулти-агентна среда.
# DOES NOT WORK with multi-agent
tools = [
{
"type": "function",
"function": {
"name": "get_weather",
"description": "Get the weather",
"parameters": {"type": "object", "properties": {"city": {"type": "string"}}}
}
}
]
Откъде идва това ограничение
Причината се свежда до координацията. При единичен модел цикълът за извикване на функции е ясен: моделът поиска извикване, вашият код го изпълнява, връщате резултата и моделът продължава. Сега въведете четири или шестнадесет агента, работещи паралелно, и въпросите се натрупват. Кой решава да извика функцията? Какво става, ако два агента извикат една и съща функция едновременно с различни аргументи? Как лидерът синтезира резултатите, получени от под-агентите, чиито разсъждения не е следил?
Вградените инструменти са проектирани за този контекст и знаят как да се държат правилно, когато множество агенти ги поискат едновременно. Вашите функции обаче са написани с предположението за единичен caller. Това ограничение отразява тази разлика в дизайна, а не временен недостатък.
Изложете вашите API чрез MCP сървър
Най-чистото решение е изобщо да не заобикаляте проблема, а да използвате предвидената врата. Ако трябва да извиквате ваши собствени услуги, изложете ги чрез MCP сървър: тогава агентите ще ги обработват като родни инструменти, с необходимото управление на конкурентността. Това изисква малко повече работа в началото в сравнение с декларацията на функция, но остава единственият начин да включите вашата информационна система в цикъла на търсене.
Разделете проучването от действието
Втора стратегия, често правилната, когато вашите функции предизвикват странични ефекти: разделете процеса на две части. Мулти-агентът прави това, което умее най-добре – търсене и анализ; стандартен модел поема частта, която извиква вашите API.
# Step 1: multi-agent research
chat = client.chat.create(
model="grok-4.20-multi-agent-0309",
agent_count=4,
tools=[web_search()],
)
chat.append(user("Find the best Italian restaurants in Paris"))
research_result = ""
for response, chunk in chat.stream():
if chunk.content:
research_result += chunk.content
# Step 2: action with standard model + function calling
# Use grok-4.5 or another model that supports function calling
Това разделение има недооценено предимство: позволява ви да проверите и валидирате резултата от търсенето, преди да се задейства необратимо действие. Агент, който резервира маса въз основа на непроверено проучване, рядко е добра идея.
Обогатете преди, обработете след
Трети подход, най-лекият: извикайте вашите API извън разговора – предварително, за да обогатите подкана (prompt), или последващо, за да използвате отговора. Много нужди, за които се смята, че изискват извикване на функции, всъщност се свеждат до инжектиране на правилните данни в правилния момент.
# Pre-processing: enrich context
user_data = my_api.get_user_profile(user_id)
context = f"User profile: {user_data}"
# Multi-agent with enriched context
chat.append(user(f"{context}\n\nAnalyze options matching this profile"))
Профилът на клиента, историята на поръчките или бюджетните ограничения не трябва да се извличат от модела: вие вече ги знаете, просто му ги предоставете. Накрая, имайте предвид, че API е в бета версия и това ограничение може да се промени – още по-голяма причина да изолирате мулти-агентната част от вашия код зад интерфейс, който можете да развивате, без да пренаписвате всичко.
Ключови изводи
- Персонализираното извикване на функции не се поддържа при мулти-агентна работа
- Работят само вградените инструменти (web_search, x_search, code_execution, collections_search, Remote MCP)
- Използвайте Remote MCP, за да изложите собствените си API пред агентите
- Приложете двустъпкова архитектура, ако имате нужда от извикване на функции
- Това ограничение може да се промени в бъдещи версии (API е в бета)