Lähe põhisisu juurde
Eesti— Vali keel
Menüü

Puudub kohandatud funktsioonide kutsumine: piirangu mõistmine

Õppetund 10 / 14 Värskendatud 29. juuli 2026 Arendajatele
Sellel lehel
  1. Strukturaalne piirang
  2. Täpne piirjoon
  3. Piirangu päritolu
  4. Avalda oma API-d MCP-serveri kaudu
  5. Eralda uurimine tegevusest
  6. Rikasta enne, töötle pärast
  7. Peamised punktid

Strukturaalne piirang

Kui oled harjunud oma funktsioone deklareerima ja jätma mudeli otsustada, millal neid kutsuda, siis valmistu lähenemisviisi muutma: Groki mitme agendi süsteem ei toeta kohandatud funktsioonide kutsumist. See ei ole konfiguratsiooni detail, vaid arhitektuuriline piirang, mis mõjutab sinu rakenduse ülesehitust. Parem on seda kohe teada saada kui pärast kolmesaja rea funktsiooniskeemide kirjutamist.

Täpne piirjoon

Toimivad on ainult eelmises õppetükis käsitletud viis sisseehitatud tööriista: web_search reaalajas veebiotsinguks, x_search X-i platvormi jaoks, code_execution Pythoni käivitamiseks, collections_search sinu indekseeritud kogumike jaoks ja Remote MCP väliste tööriistade jaoks MCP protokolli kaudu. Mitte midagi muud ei tööta. Sinu koodis defineeritud funktsioonid, kohandatud skeemid ja katsed kutsuda oma API-sid funktsioonide kutsumise mehhanismi kaudu lükatakse kõik tagasi.

Täpsemalt öeldes ei oma allpool toodud deklaratsioon, mis on standardmudeli puhul täiesti kehtiv, mitme agendi süsteemis mingit mõju.

# DOES NOT WORK with multi-agent
tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "Get the weather",
            "parameters": {"type": "object", "properties": {"city": {"type": "string"}}}
        }
    }
]

Piirangu päritolu

Põhjus taandub koordinatsioonile. Ühe mudeli puhul on funktsioonide kutsumise tsükkel selge: mudel taotleb väljakutset, sinu kood viib selle täide, saadad tulemuse tagasi ja mudel jätkab. Nüüd lisa aga neli või kuusteist paralleelselt töötavat agenti ja küsimused kuhjuvad. Kes otsustab funktsiooni kutsuda? Mis juhtub, kui kaks agenti kutsuvad samaaegselt sama funktsiooni erinevate argumentidega? Kuidas liider sünteesib tulemusi, mida on saanud alaagendid, mille arutluskäiku ta ei jälginud?

Sisseehitatud tööriistad on loodud just selleks kontekstiks ja teavad, kuidas käituda, kui mitu agenti neid samaaegselt taotlevad. Sinu funktsioonid on aga kirjutatud eeldusel, et kutsub ainult üks kasutaja. See piirang peegeldab seda disainierinevust, mitte ajutist puudujääki.

Avalda oma API-d MCP-serveri kaudu

Puhtaim lahendus on mitte proovida seda mööda hiilida, vaid kasutada ettenähtud ust. Kui pead kutsuma oma teenuseid, avalda need MCP-serveri kaudu: agendid käsitlevad neid siis nagu loomulikke tööriistu, koos vajaliku samaaegsuse haldusega. See nõuab alguses veidi rohkem vaeva kui lihtne funktsiooni deklaratsioon, kuid jääb ainsaks viisiks tuua oma infosüsteem otsingutsüklisse.

Eralda uurimine tegevusest

Teine strateegia, mis on sageli õige, kui sinu funktsioonid käivitavad kõrvalmõjusid: jaga protsess kaheks. Mitme agendi süsteem teeb seda, mida ta oskab – otsib ja analüüsib; standardmudel võtab üle osa, mis kutsub sinu API-sid.

# Step 1: multi-agent research
chat = client.chat.create(
    model="grok-4.20-multi-agent-0309",
    agent_count=4,
    tools=[web_search()],
)
chat.append(user("Find the best Italian restaurants in Paris"))
research_result = ""
for response, chunk in chat.stream():
    if chunk.content:
        research_result += chunk.content

# Step 2: action with standard model + function calling
# Use grok-4.5 or another model that supports function calling

Sellel eraldamisel on alahinnatud eelis: see võimaldab sul otsingutulemust kontrollida ja valideerida enne, kui käivitatakse pöördumatu tegevus. Agent, kes broneerib laua kontrollimata uuringu põhjal, on harva hea idee.

Rikasta enne, töötle pärast

Kolmas lähenemine, kõige kergem: kutsu oma API-sid väljaspool vestlust, enne protsessi konteksti rikastamiseks või pärast vastuse ärakasutamiseks. Paljud vajadused, mille puhul arvatakse, et on vaja funktsioonide kutsumist, taanduvad tegelikult õigete andmete sisestamisele õigel ajal.

# Pre-processing: enrich context
user_data = my_api.get_user_profile(user_id)
context = f"User profile: {user_data}"

# Multi-agent with enriched context
chat.append(user(f"{context}\n\nAnalyze options matching this profile"))

Kliendi profiili, tellimuste ajalugu või eelarvepiiranguid ei pea mudel ise otsima: sa tead neid juba, anna need lihtsalt talle. Lõpetuseks pea meeles, et API on beetaversioonis ja see piirang võib tulevikus muutuda – seda enam põhjust eraldada mitme agendi koodiosa liidesega, mida saad arendada ilma kõike ümber kirjutamata.

Peamised punktid

  • Kohandatud funktsioonide kutsumine ei ole toetatud mitme agendi süsteemis
  • Töötavad ainult sisseehitatud tööriistad (web_search, x_search, code_execution, collections_search, Remote MCP)
  • Kasuta Remote MCP-d oma API-de agentidele avaldamiseks
  • Võta kasutusele kaheastmeline arhitektuur, kui vajad funktsioonide kutsumist
  • See piirang võib tulevastes versioonides muutuda (API beetaversioon)