Funktionskald i realtid
På denne side
Opdatering 2. november 2026 — Lydmodeller. Flere modeller i dette kursus er udfaset:
tts-1,tts-1-hdoggpt-4o-mini-ttsophører med at fungere den 6. januar 2027 (den angivne erstatning ergpt-realtime-2.1-mini, som OpenAI’s TTS-guide angiver ikke understøttes af/v1/audio/speech: migrationen af talesyntese flyttes til Realtime API);gpt-realtime,gpt-4o-realtimeog ældre lydmodeller den 20. januar 2027 (gpt-realtime-2.1,gpt-realtime-2.1-mini,gpt-audio-1.5);whisper-1,gpt-4o-transcribeog/v1/audio/translationsden 26. februar 2027 (gpt-transcribe,gpt-live-transcribe,v1/realtime/translations). Til fuld-duplex tale har GPT-Live 1 været tilgængelig i API’en siden 10. september 2026.
Funktionskald i realtid
Funktionskald i Realtime API lader din taleagent udføre konkrete handlinger under en samtale: forespørgsel til en database, placering af en ordre eller kontrol af en status. Mekanismen ligner Responses API, men er tilpasset WebSocket-eventstrømmen.
Deklaration af værktøjer i sessionen
Du deklarerer værktøjer i session.update, præcis som instrukser og stemme. Hvert værktøj er et JSON-skema, der beskriver dets parametre:
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"
}
}))
Forløbet for et funktionskald
Når modellen beslutter at kalde et værktøj, er event-sekvensen som følger:
response.function_call_arguments.delta
Funktionsargumenterne ankommer via streaming, bit for bit.
response.function_call_arguments.done
Argumenterne er komplette. Du kan nu eksekvere funktionen.
conversation.item.create (du)
Du sender funktionsresultatet tilbage til modellen.
response.create (du)
Du beder modellen om at fortsætte sit svar med resultatet.
Implementering af funktionshåndtereren
Her er et komplet eksempel på håndtering af funktionskald:
import json
# Register over tilgængelige funktioner
async def get_weather(city: str, unit: str = "celsius") -> dict:
# Kald en rigtig vejr-API
return {"city": city, "temperature": 22, "unit": unit, "condition": "sunny"}
async def book_appointment(date: str, time: str, service: str) -> dict:
# Logik for booking
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):
"""Behandler et funktionskald og returnerer resultatet."""
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})")
# Eksekver funktionen
func = FUNCTION_REGISTRY.get(func_name)
if func:
result = await func(**arguments)
else:
result = {"error": f"Unknown function: {func_name}"}
# Send resultatet tilbage til modellen
await ws.send(json.dumps({
"type": "conversation.item.create",
"item": {
"type": "function_call_output",
"call_id": call_id,
"output": json.dumps(result)
}
}))
# Bed modellen om at fortsætte med resultatet
await ws.send(json.dumps({
"type": "response.create"
}))
Integration i event-loopen
Funktionshåndtereren integreres i din hovedloop:
async def event_loop(ws):
"""Hovedloop for event-behandling."""
async for raw_message in ws:
event = json.loads(raw_message)
event_type = event["type"]
if event_type == "response.done":
response = event["response"]
# Tjek om modellen har kaldt nogen funktioner
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":
# Afspil svar-lyd
audio_bytes = base64.b64decode(event["delta"])
player.write(audio_bytes)
elif event_type == "error":
print(f"Error: {event['error']['message']}")
Flere funktionskald
Modellen kan beslutte at kalde flere funktioner i ét enkelt svar. Feltet output i response.done kan indeholde flere poster af typen function_call. Behandle dem alle, før du kalder response.create.
Vigtige pointer
- Værktøjer deklareres i
session.updateved hjælp af et standard JSON-skema - Argumenter ankommer via streaming gennem
response.function_call_arguments.delta - Efter eksekvering sendes resultatet tilbage via
conversation.item.createmedcall_id - Kald
response.create, så modellen kan formulere sit talesvar med resultatet - Håndter flere kald: modellen kan kalde flere funktioner på én gang