Πλήρης Πράκτορας Καιρού
Σε αυτήν τη σελίδα
Δημιουργία ενός Πλήρους Πράκτορα Καιρού από το Μηδέν
Σε αυτό το μάθημα, θα συνδυάσετε όλα όσα μάθατε για να δημιουργήσετε έναν πλήρη πράκτορα καιρού. Αυτός ο πράκτορας απεικονίζει τον πλήρη κύκλο κλήσης συναρτήσεων: ορισμός εργαλείων, διαχείριση πολλαπλών γύρων, διαχείριση σφαλμάτων και αποκρίσεις σε φυσική γλώσσα.
Αρχιτεκτονική Πράκτορα
Ο πράκτορας καιρού διαθέτει τρία εργαλεία:
- get_weather — λήψη τρέχοντος καιρού για μια πόλη
- get_forecast — λήψη προβλέψεων για πολλαπλές ημέρες
- get_alerts — έλεγχος ενεργών δελτίων καιρού
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"]
}
}
}
]
Υλοποίηση Συναρτήσεων
Σε περιβάλλον παραγωγής, αυτές οι συναρτήσεις θα καλούσαν ένα πραγματικό API καιρού. Εδώ, προσομοιώνουμε τις αποκρίσεις:
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, [])}
Ο Κύριος Βρόχος του Πράκτορα
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."
Δοκιμή του Πράκτορα
# 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?"))
Η Δοκιμή 3 ενεργοποιεί παράλληλες κλήσεις: το μοντέλο καλεί τη συνάρτηση get_weather τρεις φορές ταυτόχρονα. Η Δοκιμή 4 είναι η πιο ενδιαφέρουσα — το μοντέλο πρέπει να καλέσει τις get_forecast ΚΑΙ get_alerts για τη Μασσαλία και στη συνέχεια να συνθέσει τα αποτελέσματα σε πρακτικές συμβουλές.
Πιθανές Βελτιώσεις
Για έναν πράκτορα έτοιμο για παραγωγή, προσθέστε:
- Cache: αποφύγετε την κλήση του API καιρού για την ίδια πόλη εντός 10 λεπτών
- Geocoding: μετατρέψτε τα ονόματα των πόλεων σε συντεταγμένες για καλύτερη ακρίβεια
- History: αποθηκεύστε τις προτιμήσεις του χρήστη (μονάδες μέτρησης, αγαπημένες πόλεις)
- Internationalization: υποστήριξη ονομάτων πόλεων σε όλες τις γλώσσες
Βασικά σημεία
- Ένας πλήρης πράκτορας συνδυάζει πολλαπλά εργαλεία με διακριτές ευθύνες
- Το prompt συστήματος καθοδηγεί τη συμπεριφορά του μοντέλου (έλεγχος δελτίων συστηματικά)
- Ο βρόχος πολλαπλών γύρων με
max_iterationsαποτρέπει τους ατέρμονους βρόχους - Ο διαχειριστής
execute_functionκεντρικοποιεί την εκτέλεση και τη διαχείριση σφαλμάτων - Δοκιμάστε με ποικίλα ερωτήματα: απλά, πολλαπλών πόλεων, σύνθετα
- Σε περιβάλλον παραγωγής, προσθέστε caching, γεωκωδικοποίηση και ιστορικό χρήστη