Function Calling: Σύνδεση της Τεχνητής Νοημοσύνης με τα Συστήματά σας
Σε αυτήν τη σελίδα
Function Calling: Σύνδεση της Τεχνητής Νοημοσύνης με τα Συστήματά σας
Το Function Calling επιτρέπει στο μοντέλο να επικαλείται συναρτήσεις που εσείς ορίζετε. Κρατήστε έναν κανόνα στο προσκήνιο, καθώς όλα τα υπόλοιπα πηγάζουν από αυτόν: το μοντέλο δεν τις εκτελεί. Σας λέει ποια συνάρτηση να καλέσετε και με ποια ορίσματα· ο κώδικάς σας αναλαμβάνει την εκτέλεση και επιστρέφει το αποτέλεσμα. Η βάση δεδομένων, τα διαπιστευτήρια και η επιχειρηματική λογική σας δεν εγκαταλείπουν ποτέ την υποδομή σας.
Η Πλήρης Ροή, Βήμα προς Βήμα
Η ανταλλαγή πραγματοποιείται σε τέσσερα στάδια:
- Δηλώνετε τις διαθέσιμες συναρτήσεις μαζί με τις παραμέτρους τους
- Το μοντέλο αναλύει το αίτημα και αποφασίζει να καλέσει μια συνάρτηση
- Ο κώδικάς σας εκτελεί τη συνάρτηση και λαμβάνει το αποτέλεσμα
- Στέλνετε το αποτέλεσμα πίσω στο μοντέλο ώστε να διατυπώσει την απάντησή του
Η δήλωση αξίζει ιδιαίτερης προσοχής: η description της συνάρτησης και η περιγραφή κάθε παραμέτρου αποτελούν τη μοναδική τεκμηρίωση που διαθέτει το μοντέλο για να λάβει την απόφασή του. Οι ασαφείς περιγραφές οδηγούν σε κατά προσέγγιση κλήσεις. Σημειώστε επίσης πώς κλείνει ο κύκλος: το αποτέλεσμα επιστρέφεται με το call_id που λάβατε, το οποίο λειτουργεί ως επιβεβαίωση και επιτρέπει στο API να αντιστοιχίσει την απάντηση στο αίτημα.
from openai import OpenAI
import json
client = OpenAI()
# Step 1: Declare available functions
tools = [{
"type": "function",
"name": "get_meteo",
"description": "Get the current weather for a city",
"parameters": {
"type": "object",
"properties": {
"ville": {
"type": "string",
"description": "The name of the city"
},
"unite": {
"type": "string",
"enum": ["celsius", "fahrenheit"],
"description": "Temperature unit"
}
},
"required": ["ville"]
}
}]
# Step 2: The model decides to call the function
response = client.responses.create(
model="gpt-5.6-terra",
input="What's the weather like in Marseille?",
tools=tools
)
# Step 3: Execute the function
for item in response.output:
if item.type == "function_call":
print(f"Function: {item.name}")
print(f"Arguments: {item.arguments}")
args = json.loads(item.arguments)
# Your actual implementation
resultat_meteo = {"temperature": 22, "condition": "sunny"}
# Step 4: Send the result back to the model
final = client.responses.create(
model="gpt-5.6-terra",
input=[
{"role": "user", "content": "What's the weather like in Marseille?"},
{
"type": "function_call_output",
"call_id": item.call_id,
"output": json.dumps(resultat_meteo)
}
],
tools=tools
)
print(f"Response: {final.output_text}")
# Result:
# Function: get_meteo
# Arguments: {"ville": "Marseille"}
# Response: It is currently 22 C in Marseille with sunny weather.
Επιτρέποντας στο Μοντέλο να Επιλέξει Ανάμεσα σε Πολλαπλά Εργαλεία
Η πραγματική αξία αναδεικνύεται όταν εκθέτετε έναν ολόκληρο κατάλογο δυνατοτήτων. Σε έναν βοηθό ηλεκτρονικού εμπορίου, θα δηλώσετε την αναζήτηση προϊόντων, την επαλήθευση αποθεμάτων και την υποβολή παραγγελιών, αφήνοντας έπειτα το μοντέλο να διαιτητεύσει. Αντιμετωπίζοντας το ερώτημα «Είναι διαθέσιμος ο gaming laptop XPS;», δεν θα εκτελέσει αναζήτηση, αλλά θα ελέγξει απευθείας το απόθεμα: οι περιγραφές των συναρτήσεών σας, και όχι ένας σκληρά κωδικοποιημένος κανόνας, οδήγησαν σε αυτή την επιλογή.
tools = [
{
"type": "function",
"name": "rechercher_produit",
"description": "Search for a product in the catalog",
"parameters": {
"type": "object",
"properties": {
"requête": {"type": "string", "description": "Search terms"},
"categorie": {"type": "string", "description": "Category (optional)"}
},
"required": ["requête"]
}
},
{
"type": "function",
"name": "verifier_stock",
"description": "Check product availability",
"parameters": {
"type": "object",
"properties": {
"produit_id": {"type": "string", "description": "Product ID"}
},
"required": ["produit_id"]
}
},
{
"type": "function",
"name": "passer_commande",
"description": "Place an order for a product",
"parameters": {
"type": "object",
"properties": {
"produit_id": {"type": "string"},
"quantite": {"type": "integer", "description": "Number of units"}
},
"required": ["produit_id", "quantite"]
}
}
]
# The model automatically chooses the right function
response = client.responses.create(
model="gpt-5.6-terra",
input="Is the XPS gaming laptop available?",
tools=tools
)
for item in response.output:
if item.type == "function_call":
print(f"Function chosen: {item.name}")
print(f"Arguments: {item.arguments}")
# Result: Function chosen: verifier_stock
# Arguments: {"produit_id": "xps-gaming"}
Ένα μοναδικό αίτημα μπορεί επίσης να πυροδοτήσει πολλαπλές κλήσεις ταυτόχρονα. Η σύγκριση του καιρού σε δύο πόλεις παράγει δύο ανεξάρτητες κλήσεις: ο κώδικάς σας πρέπει επομένως να κάνει επανάληψη στο response.output και να διαχειριστεί όλα τα στοιχεία function_call, όχι μόνο το πρώτο. Αυτή είναι επίσης μια ευκαιρία για εκτέλεση αυτών των κλήσεων παράλληλα, μειώνοντας τον χρόνο απόκρισης στο μισό.
response = client.responses.create(
model="gpt-5.6-terra",
input="Compare the weather between Paris and Lyon.",
tools=[{
"type": "function",
"name": "get_meteo",
"description": "Get the weather for a city",
"parameters": {
"type": "object",
"properties": {
"ville": {"type": "string"}
},
"required": ["ville"]
}
}]
)
# The model makes two calls in parallel
function_calls = [item for item in response.output if item.type == "function_call"]
print(f"Number of calls: {len(function_calls)}")
for call in function_calls:
args = json.loads(call.arguments)
print(f" - get_meteo({args['ville']})")
# Result:
# Number of calls: 2
# - get_meteo(Paris)
# - get_meteo(Lyon)
Ο Βρόχος του Πράκτορα (Agent Loop)
Μια μοναδική ανταλλαγή σπάνια αρκεί: το αποτέλεσμα μιας συνάρτησης συχνά οδηγεί το μοντέλο να καλέσει μια άλλη. Επομένως, περικλείετε την ανταλλαγή σε έναν βρόχο που εκτελείται όσο η απάντηση περιέχει κλήσεις συναρτήσεων και σταματά μόλις δεν περιέχει—ένα σημάδι ότι το μοντέλο έχει διατυπώσει την τελική του απάντηση. Αυτός είναι ο σκελετός κάθε πράκτορα και θα τον δείτε υπό διάφορες μορφές σε όλα τα frameworks πρακτόρων.
def executer_fonction(nom: str, arguments: str) -> str:
"""Execute a function and return the result."""
args = json.loads(arguments)
if nom == "get_meteo":
# Simulation — replace with your real API
return json.dumps({"temp": 18, "condition": "cloudy"})
elif nom == "get_heure":
return json.dumps({"heure": "14:30", "timezone": "CET"})
return json.dumps({"error": "Unknown function"})
def agent_loop(question: str, tools: list) -> str:
"""Agent loop: call functions until the final response."""
input_messages = [{"role": "user", "content": question}]
while True:
response = client.responses.create(
model="gpt-5.6-terra",
input=input_messages,
tools=tools
)
# Check for function calls
function_calls = [i for i in response.output if i.type == "function_call"]
if not function_calls:
# No function calls = final response
return response.output_text
# Execute each function and add results
for call in function_calls:
resultat = executer_fonction(call.name, call.arguments)
input_messages.append({
"type": "function_call_output",
"call_id": call.call_id,
"output": resultat
})
# Usage
reponse = agent_loop("What's the weather like in Paris?", tools)
print(reponse)
Μια προειδοποίηση σχετικά με αυτό το μοτίβο: ο βρόχος while True δεν διαθέτει δικλείδες ασφαλείας. Στην παραγωγή, προσθέστε έναν μετρητή μέγιστων επαναλήψεων· διαφορετικά, ένα μοντέλο που ζητά επ’ αόριστον το ίδιο εργαλείο θα κάψει τον προϋπολογισμό σας χωρίς ποτέ να καταλήξει σε συμπέρασμα.
Ασφάλιση Ορισμάτων με τη Λειτουργία Strict
Η λειτουργία strict εφαρμόζει την ίδια εγγύηση στις παραμέτρους των συναρτήσεων που η Structured Output εφαρμόζει στις απαντήσεις: τα ορίσματα τηρούν αυστηρά το δηλωμένο σχήμα. Για μια συνάρτηση που δημιουργεί έναν χρήστη, αυτό αποτρέπει τη λήψη της ηλικίας ως συμβολοσειρά ή ενός επιπλέον πεδίου που ο κώδικάς σας δεν ανέμενε.
tools = [{
"type": "function",
"name": "creer_utilisateur",
"description": "Create a new user",
"strict": True,
"parameters": {
"type": "object",
"properties": {
"nom": {"type": "string"},
"email": {"type": "string"},
"age": {"type": "integer"}
},
"required": ["nom", "email", "age"],
"additionalProperties": False
}
}]
Βασικά σημεία
- Το Function Calling συνδέει το μοντέλο με τα συστήματά σας χωρίς να εκθέτει τα δεδομένα σας
- Το μοντέλο αποφασίζει ποια συνάρτηση να καλέσει· ο κώδικάς σας την εκτελεί
- Επιστρέφετε το αποτέλεσμα χρησιμοποιώντας το
function_call_outputκαι τοcall_id - Το μοντέλο μπορεί να καλέσει πολλαπλές συναρτήσεις παράλληλα
- Χρησιμοποιήστε έναν βρόχο πράκτορα (agent loop) για συνομιλίες πολλαπλών γύρων που περιλαμβάνουν συναρτήσεις
- Ενεργοποιήστε το
strict: Trueγια να εγγυηθείτε τη συμμόρφωση των ορισμάτων