Vyhledávání nástrojů: Dynamické nástroje
Na této stránce
Vyhledávání nástrojů: Dynamické nástroje
Demo agent si bez problémů vystačí se třemi nebo čtyřmi nástroji. Podnikový agent však nevyhnutelně nabírá desítky, někdy i stovky nástrojů: fakturace, HR, CRM, dokumenty, plánování. V takovém měřítku se posílání celého katalogu modelu s každým požadavkem stává neefektivní a drahé z hlediska tokenů. Vyhledávání nástrojů (Tool Search) tento problém řeší dynamickým výběrem relevantních nástrojů pro každý požadavek.
Problém s příliš mnoha nástroji
Představ si agenta s 50 nástroji. Při každém volání API se do promptu odešlou schémata všech 50 nástrojů. To spotřebuje tisíce tokenů a může model zmást: čím delší je seznam, tím více si popisy připomínají a model více váhá mezi sousedními nástroji. Náklady rostou, zatímco přesnost klesá – to je ta nejhorší možná kombinace.
# Problém: příliš mnoho nástrojů
agent = Agent(
name="Super Agent",
instructions="Můžeš dělat cokoliv.",
tools=[tool_1, tool_2, tool_3, ... , tool_50], # 50 nástrojů = spousta tokenů
)
Aktivace vyhledávání nástrojů
Vyhledávání nástrojů využívá sémantický index k výběru relevantních nástrojů na základě požadavku. Nástroje deklaruješ jako obvykle, ale parametr tool_use_behavior="auto" umožní modelu vybrat si z katalogu místo toho, aby se vše načítalo předem. V níže uvedeném příkladu požadavek na odeslání upomínky k platbě nespustí HR nástroje a naopak.
from agents import Agent, Runner, function_tool
# Definice mnoha nástrojů
@function_tool
def create_invoice(client: str, amount: float) -> str:
"""Vytvoří fakturu pro klienta."""
return f"Faktura vytvořena pro {client}: €{amount}"
@function_tool
def send_reminder(invoice_id: str) -> str:
"""Odešle upomínku k platbě za nezaplacenou fakturu."""
return f"Upomínka odeslána pro fakturu {invoice_id}"
@function_tool
def generate_hr_report(month: str) -> str:
"""Vygeneruje report lidských zdrojů pro daný měsíc."""
return f"HR report vygenerován pro {month}"
@function_tool
def schedule_interview(candidate: str, date: str) -> str:
"""Naplánuje pracovní pohovor s kandidátem."""
return f"Pohovor naplánován s {candidate} na {date}"
# Mnoho dalších nástrojů...
agent = Agent(
name="Podnikový agent",
instructions="Spravuješ chod společnosti.",
tools=[
create_invoice,
send_reminder,
generate_hr_report,
schedule_interview,
# ... 50 dalších nástrojů
],
tool_use_behavior="auto", # Model vybírá dynamicky
)
Vzor: Ruční výběr nástrojů
Pokud chceš mít nad výběrem nástrojů úplnou kontrolu, implementuj vlastní logiku. Princip je jednoduchý: malý agent-směrovač (router) přečte požadavek a pouze pojmenuje relevantní doménu. Následně za běhu vytvoříš specializovaného agenta pouze s nástroji pro tuto doménu. Věta jako „pošli upomínku pro fakturu F-2026-114“ vyjde ze směrovače s odpovědí accounting a vykonávající agent nikdy neuvidí HR nástroje.
from agents import Agent, Runner, function_tool
# Seskupení nástrojů podle domény
accounting_tools = [create_invoice, send_reminder]
hr_tools = [generate_hr_report, schedule_interview]
# Agent-směrovač, který vybírá doménu
router = Agent(
name="Směrovač",
instructions="""Urči doménu požadavku.
Odpověz pouze 'accounting' nebo 'hr'.""",
model="gpt-5.6-terra", # Rychlý a levný pro směrování
output_type=str,
)
async def handle_request(message: str):
# Krok 1: Určení domény
route = await Runner.run(router, message)
domain = route.final_output.strip().lower()
# Krok 2: Vytvoření specializovaného agenta se správnými nástroji
if domain == "accounting":
tools = accounting_tools
instructions = "Spravuješ účetnictví společnosti."
elif domain == "hr":
tools = hr_tools
instructions = "Spravuješ lidské zdroje."
else:
tools = accounting_tools + hr_tools
instructions = "Spravuješ chod společnosti."
specialized_agent = Agent(
name=f"{domain.capitalize()} Agent",
instructions=instructions,
tools=tools,
model="gpt-5.6-terra",
)
result = await Runner.run(specialized_agent, message)
return result.final_output
Použití gpt-5.6-terra jak pro směrování, tak pro vykonávání patří k předchozí generaci modelů; logika tohoto vzoru zůstává identická i u rodiny GPT-5.6, kde nastavení úsilí odlišuje rychlý směrovač od vykonavatele.
Vzor: Dynamické nástroje závislé na kontextu
Výběr nezávisí pouze na položené otázce, ale také na tom, kdo se ptá. Dostupné nástroje můžeš přizpůsobit přihlášenému uživateli, čímž zabiješ dvě mouchy jednou ranou: odešle se méně tokenů a co je důležitější, kontrola přístupu je vynucena ještě předtím, než model začne uvažovat. Obchodní zaměstnanec dostane nástroje pro tvorbu nabídek, ale delete_account v jeho agentovi jednoduše neexistuje.
from dataclasses import dataclass
@dataclass
class UserContext:
role: str # "admin", "manager", "employee"
department: str
def get_tools_for_role(ctx: UserContext) -> list:
"""Vrátí autorizované nástroje na základě role."""
base_tools = [search_document, view_schedule]
if ctx.role in ("admin", "manager"):
base_tools.extend([create_invoice, generate_hr_report])
if ctx.role == "admin":
base_tools.extend([modify_permissions, delete_account])
if ctx.department == "sales":
base_tools.extend([search_client, create_quote])
return base_tools
async def create_agent_for_user(ctx: UserContext):
tools = get_tools_for_role(ctx)
return Agent(
name="Vlastní agent",
instructions=f"Pomáháš {ctx.role} na oddělení {ctx.department}.",
tools=tools,
model="gpt-5.6-terra",
)
Optimalizace popisů nástrojů
Ať už zvolíš jakýkoli mechanismus výběru, spoléhá na jediný materiál: text tvých popisů. Kvalita těchto popisů přímo ovlivňuje relevanci výběru. Porovnej níže uvedená dvě prohlášení: první nic neříká o scénáři použití, zatímco druhé pojmenovává vstupy, výstup a kdy jej použít.
# Špatně: vágní popis
@function_tool
def process_data(data: str) -> str:
"""Zpracovává data."""
return "OK"
# Dobře: přesný a kontextualizovaný popis
@function_tool
def calculate_gross_margin(revenue: float, production_cost: float) -> str:
"""Vypočítá hrubou marži v procentech z tržeb
a výrobních nákladů. Užitečné pro čtvrtletní finanční analýzu."""
margin = ((revenue - production_cost) / revenue) * 100
return f"Hrubá marže: {margin:.1f}% (Tržby: €{revenue}, Náklady: €{production_cost})"
Dobrý popis nástroje je jako dobrý docstring: vysvětluje, kdy nástroj použít, nejen co dělá. Věnuj deset minut revizi popisů svého agenta a u každého se zeptej, zda by kolega dokázal vybrat správný nástroj pouze na základě přečtení této věty. Přesně toto cvičení provádí model.
Klíčové poznatky
- Vyhledávání nástrojů dynamicky vybírá relevantní nástroje pro každý požadavek
- Při velkém množství nástrojů může agent-směrovač předem určit doménu
- Přizpůsob dostupné nástroje na základě role a kontextu uživatele
- Kvalita popisu nástroje ovlivňuje přesnost výběru
- Pro rychlé směrování použij lehký model a pro vykonávání výkonný model