Zpracování chyb a záložní řešení
Na této stránce
Zpracování chyb a záložní řešení
Volání funkcí přináší výzvu, se kterou se klasický kód nepotýká: když funkce selže, mají tuto chybu dva příjemce. Tvou aplikaci jako obvykle – a model, který čeká na výsledek, aby mohl pokračovat. Zapomenutí na tuto skutečnost vytváří v produkci ten nejmatoucí příznak: konverzace, která se bez vysvětlení zcela zastaví, protože výjimka byla na straně serveru polknuta a model stále čeká.
Pravidlo, které strukturuje celou tuto lekci, zní: vždy vrať function_call_output, a to i při selhání. Model informovaný o nedostupnosti API může navrhnout alternativu, požádat o upřesnění nebo situaci uživateli vysvětlit. Model, který nedostane nic, nemůže udělat nic.
Vracení chyb modelu
Formát chyby je stejně důležitý jako samotné její odeslání. Holé „Error“ modelu nic neřekne; objekt JSON, který rozlišuje typ chyby, zda je přechodná nebo trvalá, a navrhuje další kroky, umožňuje modelu se rozhodnout. To je kontraintuitivní: píšeš chybové zprávy určené k tomu, aby je četl uvažující stroj, nikoliv aby se logovaly pro lidi.
import json
from openai import OpenAI
client = OpenAI()
def execute_function(name: str, arguments: str, call_id: str) -> dict:
try:
args = json.loads(arguments)
result = dispatcher[name](**args)
return {
"type": "function_call_output",
"call_id": call_id,
"output": json.dumps(result)
}
except KeyError:
return {
"type": "function_call_output",
"call_id": call_id,
"output": json.dumps({
"error": "unknown_function",
"message": f"The function '{name}' does not exist"
})
}
except json.JSONDecodeError:
return {
"type": "function_call_output",
"call_id": call_id,
"output": json.dumps({
"error": "invalid_arguments",
"message": "The JSON arguments are malformed"
})
}
except Exception as e:
return {
"type": "function_call_output",
"call_id": call_id,
"output": json.dumps({
"error": "internal_error",
"message": str(e)
})
}
Opakování s exponenciálním backoffem
Opakování má smysl pouze u problémů, které se mohou při druhém pokusu vyřešit: výpadky sítě, stavové kódy 429 nebo dočasné nedostupnosti. Opakování požadavku zamítnutého kvůli neplatné autentizaci nebo nesprávným parametrům pouze oddálí selhání a zároveň znásobí počet volání. Proto kód níže explicitně filtruje chyby – filtrování dělá hlavní práci, zatímco backoff je jen zdvořilost, kterou dlužíš vzdálené službě.
import time
import random
def execute_with_retry(func, args, max_retries=3, base_delay=1.0):
"""Opakování s exponenciálním backoffem a jitterem."""
for attempt in range(max_retries + 1):
try:
return func(**args)
except (ConnectionError, TimeoutError) as e:
if attempt == max_retries:
raise
delay = base_delay * (2 ** attempt) + random.uniform(0, 0.5)
time.sleep(delay)
except ValueError:
# Chyba dat: neopakovat
raise
def execute_function_robust(name, arguments, call_id):
args = json.loads(arguments)
try:
result = execute_with_retry(dispatcher[name], args)
return {
"type": "function_call_output",
"call_id": call_id,
"output": json.dumps(result)
}
except Exception as e:
return {
"type": "function_call_output",
"call_id": call_id,
"output": json.dumps({
"error": type(e).__name__,
"message": str(e),
"retries_performed": 3
})
}
Časové limity pro jednotlivé funkce
Jediný časový limit pro všechny funkce je vždy špatně nastavený: příliš krátký zabije náročné zpracování; příliš dlouhý nutí uživatele čekat na jednoduché vyhledání v mezipaměti. Každou hodnotu založ na pozorovaných dobách trvání za běžných podmínek s rezervou – ne na nejhorším myslitelném případě, což by v praxi znamenalo nemít žádný časový limit vůbec.
import signal
from functools import wraps
TIMEOUTS = {
"search_client": 5,
"generate_report": 30,
"send_email": 10,
}
def with_timeout(func, timeout_seconds):
"""Spustí funkci s časovým limitem."""
import concurrent.futures
with concurrent.futures.ThreadPoolExecutor(max_workers=1) as executor:
future = executor.submit(func)
try:
return future.result(timeout=timeout_seconds)
except concurrent.futures.TimeoutError:
raise TimeoutError(
f"Function interrupted after {timeout_seconds}s"
)
def execute_with_timeout(name, arguments, call_id):
args = json.loads(arguments)
timeout = TIMEOUTS.get(name, 10) # Ve výchozím nastavení 10 s
try:
result = with_timeout(
lambda: dispatcher[name](**args),
timeout
)
return {
"type": "function_call_output",
"call_id": call_id,
"output": json.dumps(result)
}
except TimeoutError as e:
return {
"type": "function_call_output",
"call_id": call_id,
"output": json.dumps({
"error": "timeout",
"message": str(e),
"suggestion": "Retry with more specific criteria"
})
}
Záložní přepínání mezi funkcemi
Záložní řešení je kompromis, nikoliv reflex: obsloužení šest hodin starých dat z mezipaměti je pro dashboard lepší než nic, ale pro zůstatek na účtu je to mnohem horší než nic. Když degraduješ kvalitu, řekni to – ve výsledku vráceném modelu, aby mohl uživatele upozornit, místo aby prezentoval zastaralá data jako čerstvá.
async def search_product(term: str) -> dict:
"""Vyhledávání se záložním řešením: primární API -> mezipaměť -> lokální databáze."""
# Pokus 1: Katalogové API
try:
return await api_catalog.search(term)
except Exception:
pass
# Pokus 2: Mezipaměť Redis
try:
cached = await redis_client.get(f"product:{term}")
if cached:
result = json.loads(cached)
result["_source"] = "cache"
result["_warning"] = "Data may be outdated"
return result
except Exception:
pass
# Pokus 3: Lokální databáze SQLite
try:
row = db.execute(
"SELECT * FROM products WHERE name LIKE ?",
(f"%{term}%",)
).fetchone()
if row:
return {
"name": row["name"],
"price": row["price"],
"_source": "local_db",
"_warning": "Data from last synchronization"
}
except Exception:
pass
return {
"error": "unavailable",
"message": "No data source accessible for this search"
}
Jistič (Circuit Breaker)
Jistič řeší to, co opakování nezvládne: službu, která je dlouhodobě nedostupná. Po N selháních se přepne a okamžitě vrátí chybu, aniž by se vůbec pokoušel o volání, a poté občas umožní projít testovacímu požadavku, aby zkontroloval obnovu. Zisk je dvojnásobný – tvoji uživatelé přestanou u každého požadavku čekat na vypršení časového limitu a trpící služba nebude udržována v nedostupnosti tvými opakovanými pokusy.
from datetime import datetime, timedelta
class CircuitBreaker:
def __init__(self, failure_threshold=5, open_duration=60):
self.threshold = failure_threshold
self.duration = open_duration
self.failures = 0
self.last_failure = None
self.state = "closed" # closed, open, half-open
def can_execute(self) -> bool:
if self.state == "closed":
return True
if self.state == "open":
if datetime.now() - self.last_failure > timedelta(seconds=self.duration):
self.state = "half-open"
return True
return False
return True # half-open: allow one test attempt
def record_success(self):
self.failures = 0
self.state = "closed"
def record_failure(self):
self.failures += 1
self.last_failure = datetime.now()
if self.failures >= self.threshold:
self.state = "open"
# Jeden jistič pro každou externí službu
breakers = {
"weather_api": CircuitBreaker(failure_threshold=3, open_duration=30),
"catalog_api": CircuitBreaker(failure_threshold=5, open_duration=60),
}
Kompletní robustní smyčka
Celý vzorec spojuje pět výše uvedených mechanismů. Jedna opatrnost ji činí skutečně bezpečnou a je snadné ji přehlédnout: omez počet iterací. Model, který donekonečna volá funkci, jejíž výsledek se mu nelíbí, je vzácný, ale bez stropu spálí tvůj rozpočet až do vyčerpání – a to je typ incidentu, který zjistíš až z faktury.
def robust_loop(prompt, tools, max_turns=10):
messages = prompt
for turn in range(max_turns):
response = client.responses.create(
model="gpt-5.6-terra",
input=messages,
tools=tools
)
calls = [i for i in response.output if i.type == "function_call"]
if not calls:
return response.output_text
results = []
for call in calls:
result = execute_function_robust(
call.name, call.arguments, call.call_id
)
results.append(result)
messages = response.output + results
return "Workflow interrupted: turn limit reached"
Klíčové poznatky
- Vždy vrať
function_call_output, a to i při chybě - Strukturoj chyby jako JSON, aby je model mohl využít
- Opakuj pouze přechodné chyby s exponenciálním backoffem
- Implementuj záložní přepínání mezi zdroji dat
- Použij jistič k ochraně selhávajících služeb