Αναζήτηση Εργαλείων: Δυναμικά Εργαλεία
Σε αυτήν τη σελίδα
Αναζήτηση Εργαλείων: Δυναμικά Εργαλεία
Ένας απλός πράκτορας επίδειξης λειτουργεί άψογα με τρία ή τέσσερα εργαλεία. Ένας επιχειρηματικός πράκτορας, ωστόσο, συσσωρεύει αναπόφευκτα δεκάδες, και μερικές φορές εκατοντάδες: τιμολόγηση, ανθρώπινο δυναμικό, CRM, έγγραφα, προγραμματισμός. Σε αυτή την κλίμακα, η αποστολή ολόκληρου του καταλόγου στο μοντέλο με κάθε αίτημα καθίσταται αναποτελεσματική και δαπανηρή ως προς τα tokens. Η Αναζήτηση Εργαλείων (Tool Search) λύνει αυτό το πρόβλημα επιλέγοντας δυναμικά τα σχετικά εργαλεία για κάθε αίτημα.
Το Πρόβλημα με τα Πολλά Εργαλεία
Φανταστείτε έναν πράκτορα με 50 εργαλεία. Σε κάθε κλήση API, τα σχήματα και των 50 εργαλείων αποστέλλονται στο prompt. Αυτό καταναλώνει χιλιάδες tokens και μπορεί να μπερδέψει το μοντέλο: όσο μεγαλύτερη είναι η λίστα, τόσο πιο όμοιες γίνονται οι περιγραφές και τόσο περισσότερο διστάζει το μοντέλο μεταξύ παραπλήσιων εργαλείων. Το κόστος αυξάνεται ενώ η ακρίβεια μειώνεται – ο χειρότερος δυνατός συνδυασμός.
# Πρόβλημα: πάρα πολλά εργαλεία
agent = Agent(
name="Super Agent",
instructions="You can do anything.",
tools=[tool_1, tool_2, tool_3, ... , tool_50], # 50 εργαλεία = πολλά tokens
)
Ενεργοποίηση της Αναζήτησης Εργαλείων
Η Αναζήτηση Εργαλείων χρησιμοποιεί έναν σημασιολογικό δείκτη για να επιλέξει τα σχετικά εργαλεία με βάση το αίτημα. Δηλώνετε τα εργαλεία σας ως συνήθως, αλλά η παράμετρος tool_use_behavior="auto" επιτρέπει στο μοντέλο να επιλέγει από τον κατάλογο αντί να φορτώνει τα πάντα εκ των προτέρων. Στο παρακάτω παράδειγμα, ένα αίτημα για αποστολή υπενθύμισης πληρωμής δεν θα ενεργοποιήσει εργαλεία ανθρώπινου δυναμικού, και το αντίστροφο.
from agents import Agent, Runner, function_tool
# Ορισμός πολλών εργαλείων
@function_tool
def create_invoice(client: str, amount: float) -> str:
"""Creates an invoice for a client."""
return f"Invoice created for {client}: €{amount}"
@function_tool
def send_reminder(invoice_id: str) -> str:
"""Sends a payment reminder for an unpaid invoice."""
return f"Reminder sent for invoice {invoice_id}"
@function_tool
def generate_hr_report(month: str) -> str:
"""Generates a human resources report for a given month."""
return f"HR report generated for {month}"
@function_tool
def schedule_interview(candidate: str, date: str) -> str:
"""Schedules a job interview with a candidate."""
return f"Interview scheduled with {candidate} on {date}"
# Πολλά άλλα εργαλεία...
agent = Agent(
name="Enterprise Agent",
instructions="You manage company operations.",
tools=[
create_invoice,
send_reminder,
generate_hr_report,
schedule_interview,
# ... 50 άλλα εργαλεία
],
tool_use_behavior="auto", # Το μοντέλο επιλέγει δυναμικά
)
Πρότυπο: Χειροκίνητη Επιλογή Εργαλείων
Εάν επιθυμείτε απόλυτο έλεγχο στην επιλογή των εργαλείων, υλοποιήστε τη δική σας λογική. Η αρχή είναι απλή: ένας μικρός πράκτορας δρομολόγησης (router) διαβάζει το αίτημα και ονομάζει απλώς τον σχετικό τομέα. Στη συνέχεια, δημιουργείτε τον εξειδικευμένο πράκτορα δυναμικά, χρησιμοποιώντας μόνο τα εργαλεία για εκείνον τον τομέα. Μια φράση όπως «αποστολή υπενθύμισης για το τιμολόγιο F-2026-114» εξέρχεται από τον δρομολογητή με την απάντηση accounting, και ο πράκτορας εκτέλεσης δεν βλέπει ποτέ τα εργαλεία ανθρώπινου δυναμικού.
from agents import Agent, Runner, function_tool
# Ομαδοποίηση εργαλείων ανά τομέα
accounting_tools = [create_invoice, send_reminder]
hr_tools = [generate_hr_report, schedule_interview]
# Ένας πράκτορας δρομολόγησης που επιλέγει τον τομέα
router = Agent(
name="Router",
instructions="""Determine the domain of the request.
Respond only with 'accounting' or 'hr'.""",
model="gpt-5.6-terra", # Γρήγορο και φθηνό για δρομολόγηση
output_type=str,
)
async def handle_request(message: str):
# Βήμα 1: Προσδιορισμός του τομέα
route = await Runner.run(router, message)
domain = route.final_output.strip().lower()
# Βήμα 2: Δημιουργία του εξειδικευμένου πράκτορα με τα σωστά εργαλεία
if domain == "accounting":
tools = accounting_tools
instructions = "You manage the company's accounting."
elif domain == "hr":
tools = hr_tools
instructions = "You manage human resources."
else:
tools = accounting_tools + hr_tools
instructions = "You manage company operations."
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
Η χρήση του gpt-5.6-terra τόσο για τη δρομολόγηση όσο και για την εκτέλεση ανήκει στην προηγούμενη γενιά μοντέλων. Η λογική πίσω από αυτό το πρότυπο παραμένει ίδια με την οικογένεια GPT-5.6, όπου οι ρυθμίσεις προσπάθειας (effort settings) διαχωρίζουν τον γρήγορο δρομολογητή από τον εκτελεστή.
Πρότυπο: Δυναμικά Εργαλεία με Γνώση του Πλαισίου
Η επιλογή δεν εξαρτάται μόνο από την ερώτηση που τίθεται, αλλά και από το ποιος την κάνει. Μπορείτε να προσαρμόσετε τα διαθέσιμα εργαλεία με βάση τον συνδεδεμένο χρήστη, πετυχαίνοντας δύο στόχους με μία κίνηση: λιγότερα tokens αποστέλλονται και, το σημαντικότερο, οι έλεγχοι πρόσβασης επιβάλλονται πριν καν συλλογιστεί το μοντέλο. Ένας υπάλληλος πωλήσεων λαμβάνει εργαλεία προσφορών, αλλά το delete_account απλώς δεν υπάρχει στον πράκτορά του.
from dataclasses import dataclass
@dataclass
class UserContext:
role: str # "admin", "manager", "employee"
department: str
def get_tools_for_role(ctx: UserContext) -> list:
"""Returns authorized tools based on 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="Custom Agent",
instructions=f"You assist a {ctx.role} in the {ctx.department} department.",
tools=tools,
model="gpt-5.6-terra",
)
Βελτιστοποίηση των Περιγραφών των Εργαλείων
Όποιον μηχανισμό επιλογής κι αν επιλέξετε, βασίζεται σε ένα μόνο υλικό: το κείμενο των περιγραφών σας. Η ποιότητα αυτών των περιγραφών επηρεάζει άμεσα τη συνάφεια της επιλογής. Συγκρίνετε τις δύο δηλώσεις παρακάτω: η πρώτη δεν λέει τίποτα για το σενάριο χρήσης, ενώ η δεύτερη ονομάζει τις εισόδους, την έξοδο και πότε πρέπει να χρησιμοποιηθεί.
# Κακό: αόριστη περιγραφή
@function_tool
def process_data(data: str) -> str:
"""Processes data."""
return "OK"
# Καλό: ακριβής και contextualized περιγραφή
@function_tool
def calculate_gross_margin(revenue: float, production_cost: float) -> str:
"""Calculates gross margin as a percentage from revenue
and production cost. Useful for quarterly financial analysis."""
margin = ((revenue - production_cost) / revenue) * 100
return f"Gross margin: {margin:.1f}% (Revenue: €{revenue}, Costs: €{production_cost})"
Μια καλή περιγραφή εργαλείου μοιάζει με ένα καλό docstring: εξηγεί πότε να χρησιμοποιήσετε το εργαλείο, όχι απλώς τι κάνει. Αφιερώστε δέκα λεπτά για να αναθεωρήσετε τις περιγραφές του πράκτορά σας, ρωτώντας τον εαυτό σας για καθεμία αν ένας συνάδελφος θα μπορούσε να επιλέξει το σωστό εργαλείο διαβάζοντας μόνο εκείνη την πρόταση. Αυτή ακριβώς την άσκηση εκτελεί και το μοντέλο.
Βασικά σημεία
- Η Αναζήτηση Εργαλείων επιλέγει δυναμικά τα σχετικά εργαλεία για κάθε αίτημα
- Με πολλά εργαλεία, ένας πράκτορας δρομολόγησης μπορεί να προσδιορίσει εκ των προτέρων τον τομέα
- Προσαρμόστε τα διαθέσιμα εργαλεία με βάση τον ρόλο και το πλαίσιο του χρήστη
- Η ποιότητα της περιγραφής του εργαλείου επηρεάζει την ακρίβεια της επιλογής
- Χρησιμοποιήστε ένα ελαφρύ μοντέλο για γρήγορη δρομολόγηση και ένα ικανό μοντέλο για εκτέλεση