Μετάβαση στο κύριο περιεχόμενο
Ελληνικά— Επιλέξτε γλώσσα
Μενού

Ασύγχρονα και Παράλληλα Εργαλεία

Μάθημα 8 / 25 Ενημερώθηκε 29 Ιουλίου 2026 Για developers
Σε αυτήν τη σελίδα
  1. Ασύγχρονα και Παράλληλα Εργαλεία
  2. Ασύγχρονα Εργαλεία
  3. Αυτόματος Παραλληλισμός
  4. Έλεγχος του Παραλληλισμού
  5. Πρότυπο: Συγκέντρωση Παράλληλων Αποτελεσμάτων
  6. Χρονικά Όρια και Ανθεκτικότητα
  7. Απόδοση: Επίπτωση του Παραλληλισμού
  8. Βασικά σημεία

Ασύγχρονα και Παράλληλα Εργαλεία

Σε περιβάλλον παραγωγής, τα εργαλεία σας καλούν εξωτερικά API, εκτελούν ερωτήματα σε βάσεις δεδομένων ή πραγματοποιούν λειτουργίες I/O. Αυτές οι διαδικασίες απαιτούν χρόνο, ο οποίος αθροίζεται: ένας πράκτορας που αλυσιδώνει πέντε κλήσεις ενός δευτερολέπτου χρειάζεται πέντε δευτερόλεπτα για να απαντήσει. Η μετατροπή των εργαλείων σε ασύγχρονα και η αξιοποίηση του εγγενούς παραλληλισμού του SDK είναι αυτό που χωρίζει ένα απλό demo από μια λειτουργική υπηρεσία.

Ασύγχρονα Εργαλεία

Ο διακοσμητής @function_tool υποστηρίζει εγγενώς συναρτήσεις async. Δεν απαιτείται καμία διαμόρφωση: δηλώστε async def, χρησιμοποιήστε έναν ασύγχρονο πελάτη HTTP και το SDK αναλαμβάνει τα υπόλοιπα.

import httpx
from agents import function_tool

@function_tool
async def search_company(name: str) -> str:
    """Αναζητά πληροφορίες εταιρείας μέσω του API του Societe.com."""
    async with httpx.AsyncClient() as client:
        response = await client.get(
            "https://api.societe.com/v1/search",
            params={"q": name},
            timeout=10,
        )
        if response.status_code == 200:
            data = response.json()
            return f"Company: {data['name']}, SIREN: {data['siren']}, Revenue: {data['revenue']}"
        return f"No results for '{name}'"

@function_tool
async def verify_solvency(siren: str) -> str:
    """Επαληθεύει τη φερεγγυότητα μιας εταιρείας βάσει του αριθμού SIREN της."""
    async with httpx.AsyncClient() as client:
        response = await client.get(
            f"https://api.credit-scoring.com/v1/{siren}",
            timeout=10,
        )
        data = response.json()
        return f"Solvency score: {data['score']}/100, risk: {data['risk_level']}"

Όταν ο Runner εκτελεί ένα ασύγχρονο εργαλείο, δεν μπλοκάρει τον βρόχο γεγονότων (event loop). Σε έναν διακομιστή FastAPI, αυτό σημαίνει ότι άλλα αιτήματα συνεχίζουν να επεξεργάζονται ενώ ο πράκτοράς σας περιμένει την απάντηση από το API του Societe.com.

Αυτόματος Παραλληλισμός

Δύο ανεξάρτητα ασύγχρονα εργαλεία μπορούν να εκτελεστούν ταυτόχρονα. Το μοντέλο αποφασίζει γι’ αυτό, και οι οδηγίες σας μπορούν να ενθαρρύνουν ρητά αυτή τη συμπεριφορά.

from agents import Agent, Runner

agent = Agent(
    name="B2B Analyst",
    instructions="""Αναλύετε εταιρείες για επιχειρηματικές αποφάσεις.
    Όταν σας ζητηθεί να αναλύσετε μια εταιρεία, ανακτήστε τις πληροφορίες της
    ΚΑΙ επαληθεύστε τη φερεγγυότητά της ταυτόχρονα.""",
    tools=[search_company, verify_solvency],
    model="gpt-5.6-terra",
)

# Το μοντέλο θα εκκινήσει και τα δύο εργαλεία παράλληλα
result = await Runner.run(
    agent,
    "Analyze the company Acme Corp (SIREN 123456789)"
)

Εφόσον το SIREN παρέχεται στο ερώτημα, ο έλεγχος φερεγγυότητας δεν περιμένει την αναζήτηση της εταιρείας: το SDK εκτελεί και τις δύο κλήσεις ταυτόχρονα. Ο συνολικός χρόνος ισούται με τη διάρκεια του πιο αργού εργαλείου, όχι με το άθροισμα και των δύο.

Έλεγχος του Παραλληλισμού

Ο παραλληλισμός δεν είναι πάντα επιθυμητός. Εάν τα εργαλεία σας εγγράφουν δεδομένα στην ίδια εγγραφή ή εάν η σειρά έχει σημασία για τη συνοχή των δεδομένων, επιβάλετε σειριακή εκτέλεση.

from agents import Agent

agent = Agent(
    name="Cautious Agent",
    instructions="Εκτελέστε τα εργαλεία ένα προς ένα για να διασφαλίσετε τη συνοχή των δεδομένων.",
    tools=[search_company, verify_solvency],
    model="gpt-5.6-terra",
    parallel_tool_calls=False,  # Επιβάλλει σειριακή εκτέλεση
)

Η παράμετρος parallel_tool_calls=False αναγκάζει το μοντέλο να καλεί μόνο ένα εργαλείο τη φορά. Ανταλλάσσετε την ταχύτητα (latency) με την προβλεψιμότητα.

Πρότυπο: Συγκέντρωση Παράλληλων Αποτελεσμάτων

Η πιο συνηθισμένη πρακτική περίπτωση αφορά τη συλλογή δεδομένων από πολλαπλές πηγές για την ίδια οντότητα. Εδώ, ο καιρός μιας πόλης και το πολιτιστικό της πρόγραμμα δεν έχουν καμία σχέση μεταξύ τους, αλλά η απάντηση χρειάζεται και τα δύο.

import json
from agents import Agent, Runner, function_tool

@function_tool
async def get_weather(city: str) -> str:
    """Λαμβάνει τον τρέχοντα καιρό για μια πόλη."""
    # Προσομοίωση - σε παραγωγή: κλήση API καιρού
    weather_data = {
        "Paris": {"temp": 22, "conditions": "sunny"},
        "Lyon": {"temp": 19, "conditions": "cloudy"},
        "Marseille": {"temp": 26, "conditions": "sunny"},
    }
    data = weather_data.get(city, {"temp": 0, "conditions": "unknown"})
    return json.dumps({"city": city, **data}, ensure_ascii=False)

@function_tool
async def get_events(city: str) -> str:
    """Λαμβάνει επερχόμενες εκδηλώσεις σε μια πόλη."""
    events = {
        "Paris": ["Concert at Stade de France", "Exhibition at the Louvre"],
        "Lyon": ["Festival of Lights", "Gastronomy Fair"],
        "Marseille": ["Mediterranean Regatta"],
    }
    return json.dumps({
        "city": city,
        "events": events.get(city, [])
    }, ensure_ascii=False)

agent = Agent(
    name="Travel Agent",
    instructions="""Είστε ταξιδιωτικός πράκτορας. Όταν σας ζητούνται
    προτάσεις για μια πόλη, ανακτήστε τον καιρό ΚΑΙ τις εκδηλώσεις
    ταυτόχρονα για να παρέχετε ολοκληρωμένες συμβουλές.""",
    tools=[get_weather, get_events],
    model="gpt-5.6-terra",
)

# Το μοντέλο θα καλέσει και τα δύο εργαλεία παράλληλα για κάθε πόλη
result = await Runner.run(
    agent,
    "I want to visit Paris this weekend. What do you recommend?"
)
print(result.final_output)

Και τα δύο εργαλεία επιστρέφουν JSON, διευκολύνοντας το μοντέλο να συνδυάσει εκ νέου τα δεδομένα. Σημειώστε τη διατύπωση της οδηγίας: η φράση “AND … simultaneously” ενεργοποιεί την παράλληλη κλήση αντί για μια αργή αλυσίδα.

Χρονικά Όρια και Ανθεκτικότητα

Ένα API που δεν απαντά ποτέ μπλοκάρει τον πράκτορά σας εξίσου σίγουρα με ένα σύγχρονο εργαλείο. Οριοθετήστε κάθε αργή κλήση με χρονικό όριο (timeout) και μετατρέψτε τις αποτυχίες σε κατανοητά μηνύματα.

import asyncio
from agents import function_tool

@function_tool
async def slow_api_call(query: str) -> str:
    """Καλεί ένα API που ενδέχεται να είναι αργό."""
    try:
        async with asyncio.timeout(5):  # Χρονικό όριο 5 δευτερολέπτων
            # Η κλήση του API σας εδώ
            await asyncio.sleep(0.1)  # Προσομοίωση
            return f"Result for '{query}'"
    except asyncio.TimeoutError:
        return "The API did not respond in time. Please try again."

Απόδοση: Επίπτωση του Παραλληλισμού

Ας θέσουμε την κλίμακα σε προοπτική. Τρία εργαλεία των 500 ms που εκτελούνται σειριακά κοστίζουν 1500 ms· τα ίδια τρία εργαλεία παράλληλα κοστίζουν περίπου 500 ms—τη διάρκεια του πιο αργού. Για έναν πράκτορα που χρησιμοποιεί πολλά εργαλεία, η διαφορά είναι άμεσα αντιληπτή στην πράξη.

Βασικά σημεία

  • Χρησιμοποιήστε async για εργαλεία που πραγματοποιούν κλήσεις δικτύου ή I/O
  • Το SDK εκτελεί αυτόματα ανεξάρτητα εργαλεία παράλληλα
  • Το parallel_tool_calls=False επιβάλλει σειριακή εκτέλεση όταν χρειάζεται
  • Προσθέστε χρονικά όρια με asyncio.timeout() για ανθεκτικότητα
  • Ο παραλληλισμός μπορεί να μειώσει την καθυστέρηση (latency) κατά τον αριθμό των εργαλείων