Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Arkkitehtuuri funktiokutsuille Responses API:ssa

Oppitunti 1 / 20 Päivitetty 2. marraskuuta 2026 Kehittäjä
Tällä sivulla
  1. Arkkitehtuuri funktiokutsuille Responses API:ssa
  2. Perusperiaate
  3. Vastauksen anatomia
  4. Täydellinen silmukka
  5. Keskeiset erot Chat Completionsiin verrattuna
  6. Milloin malli kutsuu funktion?
  7. Keskeiset asiat

Päivitetty 2. marraskuuta 2026 OpenAI:n dokumentaation perusteella: Code Interpreter -työkalu vaatii nyt container-parametrin (lisätty kaikkiin esimerkkeihin), syöttötekstiosat käyttävät tyyppiä input_text, ja verkkohaku käyttää web_search-työkalua (web_search_preview on nyt vanhentunut työkalu ilman toimialasuodattimia). Generoidut tiedostot haetaan käyttämällä oppitunnin 10 funktioita fichiers_generes ja telecharger. Lähteet: Code Interpreter · Web search.

Arkkitehtuuri funktiokutsuille Responses API:ssa

Funktiohaku on keskeinen mekanismi, jonka avulla OpenAI-mallit voivat olla vuorovaikutuksessa ulkomaailman kanssa. Responses API:ssa tämä mekanismi on suunniteltu uudelleen olemaan entistä vakaampi, ennustettavampi ja luontevasti integroitu sisäänrakennettuihin työkaluihin, kuten Web Searchiin ja Code Interpreteriin.

Perusperiaate

Malli ei koskaan tee mitään suoraan. Se lähettää rakenteellisia aikomuksia, jotka koodisi sieppaa ja suorittaa. Näin sanottuna se saattaa kuulostaa tekniseltä rajoitukselta; todellisuudessa se on suunnitteluratkaisu, joka mahdollistaa kaiken muun.

Ajattele vaihtoehtoa. Jos malli suorittaisi toimet itse, sinun pitäisi luovuttaa tietokantatunnuksesi, API-avaimesi ja kirjoitusoikeutesi – etkä missään vaiheessa voisi varmistaa mitään. Erottamisen ansiosta jokainen aikomus kulkee koodisi läpi: validoit argumentit, valvot liiketoimintasääntöjä ja kieltäydyt tarvittaessa. Malli ehdottaa, koodisi päättää, ja juuri tämä raja mahdollistaa funktiokutsujen viemisen tuotantoon ilman kontrollin menetystä.

from openai import OpenAI

client = OpenAI()

# Declare a custom tool
tools = [{
    "type": "function",
    "name": "rechercher_client",
    "description": "Search for a client in the CRM by name or email",
    "parameters": {
        "type": "object",
        "properties": {
            "terme": {
                "type": "string",
                "description": "Client name, email, or ID"
            },
            "champ": {
                "type": "string",
                "enum": ["nom", "email", "id"],
                "description": "Field to search in"
            }
        },
        "required": ["terme"]
    }
}]

response = client.responses.create(
    model="gpt-5.6-terra",
    input="Find the client Jean Dupont",
    tools=tools
)

Vastauksen anatomia

Vastaus ei sisällä joko tekstiä tai työkalukutsuja: output on heterogeeninen lista, joka voi sekoittaa molempia. Ensimmäisestä koodirivistäsi lähtien muodostettava tapa on iteroida tämän listan yli sen sijaan, että lukisit output[0]:n – malli, joka selittää päättelynsä ennen funktion kutsumista, tuottaa juuri tämän tilanteen, ja koodi, joka lukee ensimmäisen elementin, hajoaa sinä päivänä, kun se alkaa lisätä kommentteja.

for item in response.output:
    if item.type == "function_call":
        print(f"Call ID  : {item.call_id}")
        print(f"Function : {item.name}")
        print(f"Args     : {item.arguments}")

call_id on olennainen: se linkittää kutsun sen tulokseen, kun lähetät vastauksen takaisin mallille. Yhdellä kutsulla et tuskin huomaa sitä; kolmella rinnakkaiskutsulla se on ainoa asia, joka estää sinua liittämästä Lyonin säätä Marseilletta koskevaan pyyntöön. Palauta tulos aina samalla call_id:llä, jonka sait, älä koskaan itse uudelleenrakentamallasi tunnisteella.

Täydellinen silmukka

Tämä nelivaiheinen sykli on muuttumaton: se pätee yhteen tai kahteenkymmeneen funktioon, yksinkertaiseen kutsuun tai agenttiin, joka ketjuttaa kymmenen työkalua. Kaikki myöhemmin kohtaamasi monimutkaisuus – rinnakkaisuus, virheet, varasuunnitelmat – koostuu tämän silmukan instrumentoinnista, ei sen korvaamisesta.

import json

# 1. First call with declared tools
response = client.responses.create(
    model="gpt-5.6-terra",
    input="What is the balance for client [email protected]?",
    tools=tools
)

# 2. Detect and execute function calls
resultats = []
for item in response.output:
    if item.type == "function_call":
        if item.name == "rechercher_client":
            args = json.loads(item.arguments)
            resultat = votre_crm.rechercher(args["terme"])
            resultats.append({
                "type": "function_call_output",
                "call_id": item.call_id,
                "output": json.dumps(resultat)
            })

# 3. Send results back to the model
response_finale = client.responses.create(
    model="gpt-5.6-terra",
    input=response.output + resultats,
    tools=tools
)

# 4. The model formulates its natural response
print(response_finale.output_text)

Keskeiset erot Chat Completionsiin verrattuna

Responses API tuo mukanaan useita arkkitehtonisia parannuksia.

Sisäänrakennettujen työkalujen natiivi käsittely

Sisäänrakennetut työkalut määritellään täsmälleen kuten omat funktiosi, mutta ne suoritetaan OpenAI:n puolella. Käytännön seuraus on miellyttävä: et kirjoita niille mitään silmukkaa. Malli kutsuu, saa tuloksen ja jatkaa, kaikki yhdessä kierroksessa. Yllä kuvattu silmukka koskee vain omia funktioitasi – niitä, jotka suoritetaan omalla koneellasi.

# Mix built-in and custom tools
tools = [
    {"type": "web_search"},
    {"type": "code_interpreter", "container": {"type": "auto"}},
    {
        "type": "function",
        "name": "ma_fonction",
        "description": "My custom function",
        "parameters": {"type": "object", "properties": {}}
    }
]

Vakaat kutsutunnisteet

Jokainen funktiokutsu saa uniikin call_id:n, jonka avulla voit jäljittää tarkasti, mikä tulos vastaa mitäkin kutsua, jopa rinnakkaiskutsujen yhteydessä.

Yksinkertaistettu kulku

assistant- ja tool-rooleja ei tarvitse hallita manuaalisesti viesteissä. input-kenttä hyväksyy suoraan aiempien tulostusten ja funktiotulosten yhdistämisen.

Milloin malli kutsuu funktion?

Malli päättää kutsua funktion, kun käyttäjän pyyntö vaatii tietoa, jota sillä ei ole, kun funktion kuvaus vastaa tunnistettua tarvetta ja kun vaaditut parametrit voidaan päätellä kontekstista.

Kolmen ehdon on siis täytyttävä samanaikaisesti, ja tämä on hyödyllistä vianetsinnässä: kun funktiota ei kutsuta vaikka pitäisi, syy on lähes aina toinen ehto – kuvaus, joka ei kata tapaa, jolla käyttäjä muotoili pyyntönsä. tool_choice-parametri antaa sinun pakottaa toiminnan, kun kuvaus ei riitä:

# Let the model decide
tool_choice = "auto"

# Force a call to a specific function
tool_choice = {"type": "function", "name": "rechercher_client"}

# Prohibit all function calls
tool_choice = "none"

# Require at least one call without specifying which
tool_choice = "required"

Keskeiset asiat

  • Funktiokutsu on aikomusprotokolla, ei suoritusprotokolla
  • Kutsu-suoritus-palautus-silmukka on peruskuvio
  • Sisäänrakennetut ja mukautetut työkalut coexist samassa tools-taulukossa
  • call_id varmistaa jäljitettävyyden jokaiselle kutsulle
  • tool_choice antaa sinun hienosäätää mallin käyttäytymistä