Přejít na hlavní obsah
Čeština— Vyberte jazyk
Menu

Omezení a osvědčené postupy

Lekce 3 z 14 Aktualizováno 29. července 2026 Vývojář
Na této stránce
  1. Technická omezení volání funkcí
  2. Maximálně 200 nástrojů na požadavek
  3. Model nezaručuje platnost argumentů
  4. Zpracování chyb
  5. Unikátní a explicitní názvy
  6. Popisy: faktor kvality číslo jedna
  7. Optimalizace počtu nástrojů
  8. Bezpečnost: modelu nikdy nedůvěřuj
  9. Klíčové poznatky

Technická omezení volání funkcí

Než začneš s implementací, musíš pochopit limity systému. Volání funkcí v modelu Grok je sice výkonné, ale pracuje v rámci specifických omezení, která musíš zvládnout, abys vybudoval robustní aplikace.

Maximálně 200 nástrojů na požadavek

API Grok přijme v jednom požadavku až 200 definic nástrojů. Tento limit je štědrý – většina aplikací využívá pouze 5 až 20 nástrojů. Pokud však buduješ škálovatelný systém (pluginy, tržiště nástrojů), musíš s tímto limitem počítat.

Každá definice nástroje zabírá místo v kontextovém okně. Konkrétně:

  • Jednoduchý nástroj (2–3 parametry) spotřebuje přibližně 50–100 tokenů
  • Složitý nástroj (10+ parametrů, podrobné popisy) může překročit 300 tokenů
  • 200 složitých nástrojů = 60 000 tokenů jen pro definice

Proto musíš postupovat strategicky: deklaruj pouze nástroje relevantní pro aktuální požadavek.

Model nezaručuje platnost argumentů

Grok se snaží generovat argumenty odpovídající schématu, ale není neomylný. Model může:

  • Vygenerovat nesprávný formát data
  • Předat string tam, kde se očekává integer
  • Ve vzácných případech vynechat povinné pole
  • Halucinovat hodnoty výčtu, které neexistují

Tvůj kód na straně klienta musí vždy validovat přijaté argumenty před spuštěním funkce.

import json

def handle_tool_call(tool_call):
    args = json.loads(tool_call.function.arguments)

    # Validace před spuštěním
    if "city" not in args:
        return {"error": "Parametr city je povinný"}

    if not isinstance(args["city"], str):
        return {"error": "city musí být řetězec"}

    return get_weather(args["city"], args.get("unit", "celsius"))

Zpracování chyb

Když funkce selže, musíš chybu vrátit modelu, nikoliv tiše spadnout. Model pak může:

  • Přeformulovat svůj požadavek s opravenými parametry
  • Informovat uživatele o problému
  • Zkusit alternativní nástroj
try:
    result = search_database(query=args["query"])
    return json.dumps(result)
except ConnectionError:
    return json.dumps({
        "error": "Databáze je nedostupná",
        "suggestion": "Zkuste to znovu za několik sekund"
    })

Vždy vracej strukturované JSON, a to i v případě chyby. Model rozumí chybovým zprávám a podle nich přizpůsobí svou odpověď.

Unikátní a explicitní názvy

Názvy funkcí musí být v seznamu nástrojů unikátní. Pokud dva nástroje sdílejí stejný název, chování je nedefinované – API může požadavek odmítnout nebo jeden z nástrojů ignorovat.

Přijmi konzistentní konvenci pojmenování:

✅ Osvědčené postupy:
   get_weather          → získávání dat
   search_products      → vyhledávání
   create_ticket        → vytvoření
   update_order_status  → aktualizace
   delete_draft         → smazání

❌ Vyvaruj se:
   fn1, fn2             → nesrozumitelné
   doStuff              → příliš vágní
   getWeatherData       → camelCase (upřednostňuj snake_case)

Popisy: faktor kvality číslo jedna

Kvalita popisů přímo určuje spolehlivost volání funkcí. Zde je srovnávací tabulka:

Slabý popis Efektivní popis
"Vyhledat" "Vyhledat produkty podle názvu, kategorie nebo cenového rozpětí v e-commerce katalogu"
"Odeslat zprávu" "Odeslat e-mail příjemci. Vyžaduje předmět a tělo zprávy. Nepodporuje přílohy."
"Vypočítat" "Vypočítat celkovou cenu včetně daně z ceny před zdaněním a sazby DPH. Vrátí částku v eurech se dvěma desetinnými místy."

Optimalizace počtu nástrojů

Místo deklarování 200 nástrojů při každém požadavku dynamicky vybírej ty, které jsou skutečně důležité. Prvním filtrem je kontext: pokud uživatel mluví o počasí, načítání fakturačních nástrojů jen přidává šum – lehké směrování na úrovni upstream (podle klíčových slov nebo prvního klasifikačního volání) stačí k předložení pouze relevantní rodiny nástrojů. Druhým filtrem je role: agent podpory nepotřebuje administrátorské nástroje a jejich odstranění je otázkou přesnosti stejně jako bezpečnosti. Třetím filtrem je krok: v pracovním postupu s více kroky má každá fáze své vlastní nástroje – jejich načítání podle postupu udržuje model zaměřený na to, co musí udělat právě teď.

Přínos je dvojnásobný a okamžitý: méně vstupních tokenů na požadavek (definice nástrojů tě stojí peníze při každém volání) a lepší přesnost výběru – model vybírající ze šesti dobře popsaných nástrojů se málokdy spletne, zatímco stejný model čelící dvěma stovkám definic si nakonec začne plést blízké varianty.

Bezpečnost: modelu nikdy nedůvěřuj

Volání funkcí je potenciálním vektorem pro injekce. Škodlivý uživatel může formulovat svůj požadavek tak, aby manipuloval s argumenty předávanými funkcím. Bezpečnostní pravidla:

  • Validuj všechny argumenty na straně serveru
  • Omez oprávnění: funkce určená pouze ke čtení nesmí mít právo zápisu
  • Loguj volání: sleduj každé volání funkce pro účely auditu
  • Čisti vstupy: escapuj speciální znaky před dotazy SQL/shell

Klíčové poznatky

  • Maximálně 200 nástrojů na požadavek – ale pro efektivitu cíl na 5–20
  • Vždy validuj argumenty na straně klienta před spuštěním
  • Vracej chyby modelu ve strukturovaném JSON
  • Názvy musí být unikátní, ve formátu snake_case a explicitní
  • Podrobné popisy drasticky zlepšují spolehlivost
  • Dynamicky vybírej relevantní nástroje pro každý požadavek
  • Nikdy nedůvěřuj argumentům bez validace