Lähe põhisisu juurde
Eesti— Vali keel
Menüü

Mitme tööriistaga torustik

Õppetund 13 / 14 Värskendatud 29. juuli 2026 Arendajatele
Sellel lehel
  1. Tööriistade järjestikune orkestreerimine
  2. Torustiku arhitektuur
  3. Näide: konkurentsiluure torustik
  4. Torustiku käivitamine
  5. Serveri ja kliendi tööriistade kombineerimine torustikus
  6. Muster: hajutamine / koondamine (fan-out / fan-in)
  7. Tõrgete käsitlemine torustikus
  8. Peamised punktid

Tööriistade järjestikune orkestreerimine

Eelmises tunnis käsitletud ilmateenuse agent kasutas sõltumatuid tööriistu. Mitme tööriistaga torustikus suunatakse ühe tööriista tulemused järgmisele väljakutsele. Mudel orkestreerib järjestuse automaatselt – sinu ülesandeks on pakkuda tööriistad ja teostada väljakutsed.

Torustiku arhitektuur

Tüüpiline torustik järgib seda skeemi:

Otsing → Analüüs → Tegevus → Teavitamine

Iga samm toodab andmeid, mida tarbib järgmine. Mudel haldab seda orkestreerimist loomulikult tänu vestluse kontekstile.

Näide: konkurentsiluure torustik

Kujuta ette torustikku, mis jälgib konkurentide hindu ja genereerib aruande:

tools = [
    {
        "type": "function",
        "function": {
            "name": "scrape_competitor_prices",
            "description": "Retrieve current prices from a competitor "
                          "for a list of products. Returns an array "
                          "of {product, price, availability}.",
            "parameters": {
                "type": "object",
                "properties": {
                    "competitor": {
                        "type": "string",
                        "description": "Competitor name"
                    },
                    "products": {
                        "type": "array",
                        "items": {"type": "string"},
                        "description": "List of products to check"
                    }
                },
                "required": ["competitor", "products"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "compare_with_our_prices",
            "description": "Compare competitor prices with our prices. "
                          "Returns percentage gaps and adjustment "
                          "recommendations.",
            "parameters": {
                "type": "object",
                "properties": {
                    "competitor_prices": {
                        "type": "array",
                        "items": {
                            "type": "object",
                            "properties": {
                                "product": {"type": "string"},
                                "price": {"type": "number"}
                            }
                        }
                    }
                },
                "required": ["competitor_prices"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "generate_report",
            "description": "Generate a PDF report with the benchmark "
                          "analysis results. Returns the report URL.",
            "parameters": {
                "type": "object",
                "properties": {
                    "title": {"type": "string"},
                    "data": {"type": "object"},
                    "format": {
                        "type": "string",
                        "enum": ["pdf", "csv", "json"]
                    }
                },
                "required": ["title", "data"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "send_notification",
            "description": "Send an email or Slack notification "
                          "with a summary and a link to the report.",
            "parameters": {
                "type": "object",
                "properties": {
                    "channel": {
                        "type": "string",
                        "enum": ["email", "slack"]
                    },
                    "recipient": {"type": "string"},
                    "message": {"type": "string"},
                    "attachment_url": {"type": "string"}
                },
                "required": ["channel", "recipient", "message"]
            }
        }
    }
]

Torustiku käivitamine

Kui kasutaja küsib: „Analüüsi CompetitorX hindu meie viie populaarseima toote jaoks ja saada aruanne müügimeeskonnale“, orkestreerib mudel järgmist:

Turn 1 : scrape_competitor_prices(competitor="CompetitorX", products=[...])
Turn 2 : compare_with_our_prices(competitor_prices=[results from turn 1])
Turn 3 : generate_report(title="CompetitorX Price Monitoring", data={...})
Turn 4 : send_notification(channel="slack", recipient="#sales", ...)

Igas voorus kasutatakse eelmise vooru tulemusi. Mudel edastab andmeid ühelt tööriistalt teisele loomulikul teel.

Serveri ja kliendi tööriistade kombineerimine torustikus

Võimsaimad torustikud ühendavad serveri ja kliendi tööriistu:

tools = [
    {"type": "web_search"},  # Server: web search
    {
        "type": "function",
        "function": {
            "name": "extract_data",
            "description": "Extract structured data from raw text",
            "parameters": { ... }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "save_to_crm",
            "description": "Save extracted data to the CRM",
            "parameters": { ... }
        }
    }
]

Voog: mudel teostab veebiotsingu (automaatselt serveri poolel), kutsub seejärel sinu andmete ekstraheerimise funktsiooni (kliendi poolt) ja salvestab lõpuks andmed CRM-i (kliendi poolt).

Muster: hajutamine / koondamine (fan-out / fan-in)

Mõned torustikud nõuavad hajutamise (fan-out) mustrit (mitu paralleelset väljakutset), millele järgneb koondamine (fan-in, tulemuste agregeerimine):

         ┌→ scrape_site_A ─┐
Request ─┤→ scrape_site_B ─┤→ aggregate_results → generate_report
         └→ scrape_site_C ─┘

Mudel haldab seda loomulikult paralleelsete väljakutsetega:

Turn 1 : [scrape_site_A, scrape_site_B, scrape_site_C]  (parallel)
Turn 2 : aggregate_results(data=[result_A, result_B, result_C])
Turn 3 : generate_report(aggregated_data={...})

Tõrgete käsitlemine torustikus

Tugev torustik käsitleb tõrkeid igas etapis:

def execute_with_retry(name, args, max_retries=2):
    for attempt in range(max_retries + 1):
        try:
            result = execute_function(name, args)
            if "error" not in result:
                return result
        except Exception:
            pass

        if attempt < max_retries:
            time.sleep(1)  # Wait before retry

    return {
        "error": f"Failed after {max_retries + 1} attempts",
        "function": name,
        "partial_data": None
    }

Kui samm ebaõnnestub, saab mudel:

  • Proovida uuesti kohandatud parameetritega
  • Jätta sammu vahele ja jätkata osaliste andmetega
  • Teavitada kasutajat ja küsida juhiseid

Peamised punktid

  • Mitme tööriistaga torustik aheldab ühe tööriista tulemused järgmisega
  • Mudel orkestreerib järjestuse automaatselt tänu kontekstile
  • Hajutamise/koondamise muster ühendab paralleelsed väljakutsed ja agregeerimise
  • Kombineeri serveri tööriistu (web_search) ja kliendi tööriistu (sinu funktsioonid) hübriidtorustike loomiseks
  • Käitle tõrkeid igas etapis, kasutades uuestiproovimist ja varuplaane
  • Igal torustiku tööriistal peab olema selge ja üksik vastutusvaldkond