Spring til hovedindhold
Dansk— Vælg et sprog
Menu

Fuldendt vejr-agent

Lektion 12 af 14 Opdateret 29. juli 2026 Udvikler
På denne side
  1. Byg en fuldendt vejr-agent fra bunden
  2. Agent-arkitektur
  3. Implementering af funktioner
  4. Agentens hovedløkke
  5. Test agenten
  6. Mulige forbedringer
  7. Vigtige pointer

Byg en fuldendt vejr-agent fra bunden

I denne lektion samler du alt, hvad du har lært, til at bygge en fuldendt vejr-agent. Denne agent illustrerer hele cyklussen for funktionskald: værktøjsdefinition, håndtering af flere samtalerunder (multi-turn), fejlhåndtering og svar på naturligt sprog.

Agent-arkitektur

Vejr-agenten har tre værktøjer:

  1. get_weather – hent aktuelt vejr for en by
  2. get_forecast – hent vejrudsigter for flere dage
  3. get_alerts – tjek aktive vejrvarsler
import json
from openai import OpenAI

client = OpenAI(
    api_key="your-xai-key",
    base_url="https://api.x.ai/v1"
)

tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "Get current weather for a city. "
                          "Returns temperature, humidity, wind, and conditions.",
            "parameters": {
                "type": "object",
                "properties": {
                    "city": {
                        "type": "string",
                        "description": "City name (e.g., Paris, Lyon, Marseille)"
                    },
                    "unit": {
                        "type": "string",
                        "enum": ["celsius", "fahrenheit"],
                        "default": "celsius"
                    }
                },
                "required": ["city"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "get_forecast",
            "description": "Get weather forecasts for multiple days. "
                          "Returns day-by-day conditions.",
            "parameters": {
                "type": "object",
                "properties": {
                    "city": {
                        "type": "string",
                        "description": "City name"
                    },
                    "days": {
                        "type": "integer",
                        "description": "Number of forecast days (1-7)",
                        "default": 3
                    }
                },
                "required": ["city"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "get_alerts",
            "description": "Check active weather alerts (storms, heatwaves, "
                          "floods) for a city or region.",
            "parameters": {
                "type": "object",
                "properties": {
                    "city": {
                        "type": "string",
                        "description": "City or region name"
                    }
                },
                "required": ["city"]
            }
        }
    }
]

Implementering af funktioner

I et produktionsmiljø ville disse funktioner kalde en rigtig vejr-API. Her simulerer vi svarene:

def get_weather(city, unit="celsius"):
    # In production: call OpenWeatherMap, WeatherAPI, etc.
    data = {
        "Paris": {"temp": 18, "humidity": 65, "wind": 12, "conditions": "Cloudy"},
        "Lyon": {"temp": 21, "humidity": 55, "wind": 8, "conditions": "Sunny"},
        "Marseille": {"temp": 24, "humidity": 70, "wind": 15, "conditions": "Clear"},
    }
    result = data.get(city, {"error": f"City {city} not found"})
    if "error" not in result:
        result["city"] = city
        result["unit"] = unit
    return result

def get_forecast(city, days=3):
    return {
        "city": city,
        "forecast": [
            {"day": f"Day+{i+1}", "temp_max": 20+i, "temp_min": 12+i,
             "conditions": "Variable"}
            for i in range(days)
        ]
    }

def get_alerts(city):
    alerts = {
        "Marseille": [{"type": "Strong Wind", "severity": "orange",
                       "message": "Gusts up to 90 km/h expected"}],
    }
    return {"city": city, "alerts": alerts.get(city, [])}

Agentens hovedløkke

def execute_function(name, args):
    functions = {
        "get_weather": get_weather,
        "get_forecast": get_forecast,
        "get_alerts": get_alerts,
    }
    fn = functions.get(name)
    if not fn:
        return {"error": f"Unknown function {name}"}
    try:
        return fn(**args)
    except Exception as e:
        return {"error": str(e)}

def weather_agent(user_message):
    messages = [
        {
            "role": "system",
            "content": "You are an expert weather assistant. "
                       "Use the available tools to provide "
                       "accurate weather information. Always "
                       "check alerts when asked about the "
                       "weather for a city."
        },
        {"role": "user", "content": user_message}
    ]

    for _ in range(5):  # Max 5 turns
        response = client.chat.completions.create(
            model="grok-4.5",
            messages=messages,
            tools=tools
        )

        message = response.choices[0].message
        messages.append(message)

        if not message.tool_calls:
            return message.content

        for tc in message.tool_calls:
            args = json.loads(tc.function.arguments)
            print(f"  → Calling: {tc.function.name}({args})")
            result = execute_function(tc.function.name, args)
            messages.append({
                "role": "tool",
                "tool_call_id": tc.id,
                "content": json.dumps(result, ensure_ascii=False)
            })

    return "Sorry, too many turns required."

Test agenten

# Test 1: simple question
print(weather_agent("What's the weather like in Paris?"))

# Test 2: forecast
print(weather_agent("Give me the forecast for Lyon for 5 days"))

# Test 3: multi-city (parallel calls)
print(weather_agent("Compare the weather between Paris, Lyon, and Marseille"))

# Test 4: complex question
print(weather_agent("I'm going to Marseille this weekend, what do you recommend?"))

Test 3 udløser parallelle kald: modellen kalder get_weather tre gange samtidigt. Test 4 er den mest interessante – modellen bør kalde både get_forecast OG get_alerts for Marseille og derefter syntetisere resultaterne til praktiske råd.

Mulige forbedringer

For at gøre agenten klar til produktion bør du tilføje:

  • Cache: undgå at kalde vejr-API’en for samme by inden for 10 minutter
  • Geokodning: konverter bynavne til koordinater for bedre nøjagtighed
  • Historik: gem brugerpræferencer (enheder, yndlingsbyer)
  • Internationalisering: understøt bynavne på alle sprog

Vigtige pointer

  • En fuldendt agent kombinerer flere værktøjer med forskellige ansvarsområder
  • System-prompten styrer modellens adfærd (tjek varsler systematisk)
  • Løkken med flere samtalerunder og max_iterations forhindrer uendelige løkker
  • Dispatcheren execute_function centraliserer eksekvering og fejlhåndtering
  • Test med varierede forespørgsler: enkle, flere byer, komplekse
  • I produktion skal du tilføje caching, geokodning og brugerhistorik