Přejít na hlavní obsah
Čeština— Vyberte jazyk
Menu

Volání funkcí v reálném čase

Lekce 4 z 18 Aktualizováno 2. listopadu 2026 Vývojář
Na této stránce
  1. Volání funkcí v reálném čase
  2. Deklarace nástrojů v relaci
  3. Průběh volání funkce
  4. Implementace obslužné rutiny pro funkce
  5. Integrace do smyčky událostí
  6. Klíčové poznatky

Aktualizace 2. listopadu 2026 — Zvukové modely. Několik modelů v tomto kurzu je zastaralých: tts-1, tts-1-hd a gpt-4o-mini-tts přestanou fungovat 6. ledna 2027 (uvedenou náhradou je gpt-realtime-2.1-mini, který podle průvodce OpenAI TTS není podporován endpointem /v1/audio/speech: migrace syntézy řeči přechází na Realtime API); gpt-realtime, gpt-4o-realtime a starší zvukové modely skončí 20. ledna 2027 (gpt-realtime-2.1, gpt-realtime-2.1-mini, gpt-audio-1.5); whisper-1, gpt-4o-transcribe a /v1/audio/translations skončí 26. února 2027 (gpt-transcribe, gpt-live-transcribe, v1/realtime/translations). Pro plně duplexní hlas je GPT-Live 1 dostupné v API od 10. září 2026.

Volání funkcí v reálném čase

Volání funkcí v Realtime API umožňuje tvému hlasovému agentovi provádět během konkrétní konverzace konkrétní akce: dotazování do databáze, zadávání objednávek nebo kontrolu stavu. Mechanismus je podobný jako u Responses API, ale přizpůsobený pro stream událostí přes WebSocket.

Deklarace nástrojů v relaci

Nástroje deklaruješ v události session.update, přesně jako pokyny a hlas. Každý nástroj je schéma JSON popisující jeho parametry:

tools = [
    {
        "type": "function",
        "name": "get_weather",
        "description": "Get the current weather for a given city",
        "parameters": {
            "type": "object",
            "properties": {
                "city": {
                    "type": "string",
                    "description": "Name of the city"
                },
                "unit": {
                    "type": "string",
                    "enum": ["celsius", "fahrenheit"],
                    "description": "Temperature unit"
                }
            },
            "required": ["city"]
        }
    },
    {
        "type": "function",
        "name": "book_appointment",
        "description": "Book an appointment",
        "parameters": {
            "type": "object",
            "properties": {
                "date": {"type": "string", "description": "Date in YYYY-MM-DD format"},
                "time": {"type": "string", "description": "Time in HH:MM format"},
                "service": {"type": "string", "description": "Type of service"}
            },
            "required": ["date", "time", "service"]
        }
    }
]

await ws.send(json.dumps({
    "type": "session.update",
    "session": {
        "type": "realtime",
        "output_modalities": ["audio"],
        "instructions": "You are a voice assistant. Use the available tools.",
        "audio": {"output": {"voice": "marin"}},
        "tools": tools,
        "tool_choice": "auto"
    }
}))

Průběh volání funkce

Když se model rozhodne zavolat nástroj, následuje tato sekvence událostí:

1

response.function_call_arguments.delta

Argumenty funkce přicházejí prostřednictvím streamu, po částech.

2

response.function_call_arguments.done

Argumenty jsou kompletní. Nyní můžeš funkci spustit.

3

conversation.item.create (ty)

Odešleš výsledek funkce zpět modelu.

4

response.create (ty)

Požádáš model, aby pokračoval ve své odpovědi s využitím výsledku.

Implementace obslužné rutiny pro funkce

Zde je kompletní příklad zpracování volání funkcí:

import json

# Registr dostupných funkcí
async def get_weather(city: str, unit: str = "celsius") -> dict:
    # Volání skutečného API pro počasí
    return {"city": city, "temperature": 22, "unit": unit, "condition": "sunny"}

async def book_appointment(date: str, time: str, service: str) -> dict:
    # Logika rezervace
    return {"confirmed": True, "date": date, "time": time, "reference": "RDV-2026-0042"}

FUNCTION_REGISTRY = {
    "get_weather": get_weather,
    "book_appointment": book_appointment,
}

async def handle_function_call(ws, event):
    """Zpracuje volání funkce a vrátí výsledek."""
    response = event["response"]

    for output in response.get("output", []):
        if output["type"] != "function_call":
            continue

        func_name = output["name"]
        call_id = output["call_id"]
        arguments = json.loads(output["arguments"])

        print(f"Calling function: {func_name}({arguments})")

        # Spuštění funkce
        func = FUNCTION_REGISTRY.get(func_name)
        if func:
            result = await func(**arguments)
        else:
            result = {"error": f"Unknown function: {func_name}"}

        # Odeslání výsledku zpět modelu
        await ws.send(json.dumps({
            "type": "conversation.item.create",
            "item": {
                "type": "function_call_output",
                "call_id": call_id,
                "output": json.dumps(result)
            }
        }))

    # Požádání modelu o pokračování s výsledkem
    await ws.send(json.dumps({
        "type": "response.create"
    }))

Integrace do smyčky událostí

Obslužná rutina pro funkce se integruje do tvé hlavní smyčky:

async def event_loop(ws):
    """Hlavní smyčka pro zpracování událostí."""
    async for raw_message in ws:
        event = json.loads(raw_message)
        event_type = event["type"]

        if event_type == "response.done":
            response = event["response"]
            # Kontrola, zda model zavolal nějaké funkce
            has_function_calls = any(
                o["type"] == "function_call"
                for o in response.get("output", [])
            )
            if has_function_calls:
                await handle_function_call(ws, event)

        elif event_type == "response.output_audio.delta":
            # Přehrání zvukové odpovědi
            audio_bytes = base64.b64decode(event["delta"])
            player.write(audio_bytes)

        elif event_type == "error":
            print(f"Error: {event['error']['message']}")

Vícenásobná volání funkcí

Model se může rozhodnout zavolat více funkcí v rámci jedné odpovědi. Pole output v události response.done může obsahovat více položek typu function_call. Všechny je zpracuj před voláním response.create.

Klíčové poznatky

  • Nástroje se deklarují v session.update pomocí standardního schématu JSON
  • Argumenty přicházejí prostřednictvím streamu přes response.function_call_arguments.delta
  • Po spuštění odešli výsledek zpět přes conversation.item.create s identifikátorem call_id
  • Zavolej response.create, aby model mohl formulovat svou hlasovou odpověď s výsledkem
  • Zpracuj vícenásobná volání: model může najednou zavolat několik funkcí