Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Rakenna täydellinen sääagentti alusta alkaen

Oppitunti 12 / 14 Päivitetty 29. heinäkuuta 2026 Kehittäjä
Tällä sivulla
  1. Rakenna täydellinen sääagentti alusta alkaen
  2. Agentin arkkitehtuuri
  3. Funktioiden toteutus
  4. Agentin pääsilmukka
  5. Testaa agenttia
  6. Mahdolliset parannukset
  7. Keskeiset asiat

Rakenna täydellinen sääagentti alusta alkaen

Tässä oppitunnissa koostat kaiken oppimasi rakentaaksesi täydellisen sääagentin. Tämä agentti havainnollistaa koko funktionkutsusyklin: työkalujen määrittelyn, monivaiheisen käsittelyn, virheenkäsittelyn ja luonnollisen kielen vastaukset.

Agentin arkkitehtuuri

Sääagentilla on kolme työkalua:

  1. get_weather – hakee nykyisen sään tietylle kaupungille
  2. get_forecast – hakee ennusteet useammalle päivälle
  3. get_alerts – tarkistaa voimassa olevat säävaroitukset
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"]
            }
        }
    }
]

Funktioiden toteutus

Tuotantoympäristössä nämä funktiot kutsuisivat oikeaa säärajapintaa. Tässä simuloimme vastauksia:

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, [])}

Agentin pääsilmukka

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."

Testaa agenttia

# 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?"))

Testi 3 käynnistää rinnakkaisia kutsuja: malli kutsuu funktiota get_weather kolme kertaa samanaikaisesti. Testi 4 on mielenkiintoisin – mallin pitäisi kutsua sekä get_forecast että get_alerts Marseillelle ja sen jälkeen tiivistää tulokset käytännönläheisiksi neuvoiksi.

Mahdolliset parannukset

Tuotantovalmista agenttia varten lisää:

  • Välimuisti: vältä säärajapinnan kutsumista samalle kaupungille 10 minuutin sisällä
  • Geokoodaus: muunna kaupunginnimet koordinaateiksi tarkkuuden parantamiseksi
  • Historia: tallenna käyttäjän mieltymykset (yksiköt, suosikkikaupungit)
  • Kansainvälistäminen: tue kaupunginnimiä kaikilla kielillä

Keskeiset asiat

  • Täydellinen agentti yhdistää useita työkaluja, joilla on erilaiset vastuut
  • Järjestelmäkehote ohjaa mallin toimintaa (tarkista varoitukset systemaattisesti)
  • Monivaiheinen silukka max_iterations-parametrilla estää äärettömät silmukat
  • execute_function-jakelu keskittää suorituksen ja virheenkäsittelyn
  • Testaa erilaisilla kyselyillä: yksinkertaiset, usean kaupungin ja monimutkaiset
  • Tuotannossa lisää välimuisti, geokoodaus ja käyttäjähistoria