Comhcheangail uirlisí i nglaon amháin
Ar an leathanach seo
Nuashonraithe an 2 Samhain, 2026 bunaithe ar dhoiciméadú OpenAI: éilíonn an uirlis Code Interpreter paraiméadar
containeranois (curtha leis i ngach sampla), úsáideann codanna ionchuir téacs an cineálinput_text, agus úsáideann cuardach gréasáin an uirlisweb_search(is uirlis sheanda gan scagairí fearainn éweb_search_previewanois). Faightear comhaid ghinte trí na feidhmeannafichiers_generesagustelechargeró Cheacht 10. Uaslódáiltear comhaid atá ceangailte le teachtaireacht leis an gcuspóiruser_data, rud a mholann OpenAI d’ionchuir mhúnla (File inputs). Foinse: Code Interpreter · Cuardach gréasáin.
Comhcheangail uirlisí i nglaon amháin
Go dtí seo, d’fhéachamar ar gach uirlis ar leithligh. Sa táirgeadh, is annamh a bhíonn ceisteanna suimiúla sa chaoi sin. Má fhiafraíonn tú “conas a dhéanann ár ndíolacháin comparáid leis an margadh?”, teastaíonn figiúr inmheánach, figiúr seachtrach, agus ansin iad a chur i gcomparáid. Trí uirlis, trí fhoinse, glaon amháin.
Is é an rud a athraíonn ná cé a dhéanann cinneadh ar an ord. Ní chláraíonn tusa an seicheamh: dearbhaíonn tú na huirlisí atá ar fáil agus déanann tú cur síos ar an toradh a bhfuiltear ag súil leis, agus bunaíonn an múnla a phlean féin. Tá sé seo áisiúil, ach is é an pointe le faire freisin é – is plean é plean intuigthe nach féidir leat a athbhreithniú. Taispeánfaidh an chuid dheireanach den cheacht seo conas smacht a fháil ar ais nuair a bhíonn tábhacht leis an ord.
Prionsabal an chomhcheangail
Dearbhaítear gach uirlis san eagar tools céanna, agus sin an mheicníocht iomlán: níl aon API comhdhéanta ann, ach liosta de chumais atá ar fáil. Léann an múnla d’iarratas, déanann sé tuiscint ar na céimeanna is gá, agus glaonn sé ar na rudaí a theastaíonn uaidh, san ord a mheasann sé a bheith úsáideach. Ní ghlaofar ar uirlis a dhearbhaítear ach nach bhfuil gá léi don tasc – ní chosnaíonn sí aon rud seachas cúpla token ina cur síos.
from openai import OpenAI
client = OpenAI()
response = client.responses.create(
model="gpt-5.6-terra",
input="Compare our sales forecasts with market trends, "
"then create a comparison chart.",
tools=[
{"type": "file_search", "vector_store_ids": ["vs_previsions"]},
{"type": "web_search"},
{"type": "code_interpreter", "container": {"type": "auto"}}
]
)
Déanfaidh an múnla an méid seo a leanas:
- Faigh réamh-mheastacháin inmheánacha trí Chuardach Comhad
- Faigh treochtaí an mhargaidh trí Chuardach Gréasáin
- Giniúint cairt chomparáide trí Code Interpreter
Sampla iomlán: cúntóir anailíseach
with open("donnees_ventes.csv", "rb") as f:
fichier = client.files.create(file=f, purpose="user_data")
tools = [
# Cuardaigh doiciméid inmheánacha
{
"type": "file_search",
"vector_store_ids": ["vs_rapports", "vs_objectifs"],
"max_num_results": 10
},
# Cuardach gréasáin ar chomhthéacs an mhargaidh
{
"type": "web_search",
"search_context_size": "medium"
},
# Feidhmiú cód le haghaidh anailíse
{"type": "code_interpreter", "container": {"type": "auto"}},
# Feidhm chun an tuarascáil a shábháil
{
"type": "function",
"name": "sauvegarder_rapport",
"description": "Save an analysis report to the document system",
"parameters": {
"type": "object",
"properties": {
"titre": {"type": "string"},
"contenu": {"type": "string"},
"categorie": {
"type": "string",
"enum": ["analyse", "prevision", "audit", "comparaison"]
},
"tags": {
"type": "array",
"items": {"type": "string"}
}
},
"required": ["titre", "contenu", "categorie", "tags"],
"additionalProperties": False
},
"strict": True
}
]
response = client.responses.create(
model="gpt-5.6-terra",
input=[{
"role": "user",
"content": [
{"type": "input_text", "text": (
"Based on this sales file: "
"1. Analyze trends over the last 12 months "
"2. Compare with our annual goals (search the docs) "
"3. Search the web for market trends "
"4. Generate a comparison chart "
"5. Write a summary report "
"6. Save the report"
)},
{"type": "input_file", "file_id": fichier.id}
]
}],
tools=tools,
instructions=(
"You are a senior business analyst. "
"Use all tools at your disposal to produce "
"a complete, sourced analysis."
)
)
Bainistigh an lúb il-uirlisí
Tá éagothroime ann ar chóir duit a bheith ar an eolas fúithi, toisc go gcinneann sí struchtúr do chóid. Ritear uirlisí ionsuite – Cuardach Gréasáin, Cuardach Comhad, Code Interpreter – ag OpenAI: glaonn an múnla orthu, faigheann sé an toradh, agus leanann sé air, go léir in aon turas amháin. Ritheann do fheidhmeanna saincheaptha, áfach, ar do thaobhse: ní féidir leis an múnla ach a nfeidhmiú a iarraidh, ansin tugann sé an smacht ar ais agus fanann sé.
Sin é an fáth atá leis an lúb thíos. Fad is a bhíonn glaonna feidhme sa fhreagra, feidhmíonn tú iad, filleann tú na torthaí, agus tosaíonn tú arís. Socraigh uasmhéid atrialacha: is cás annamh ach fíor é múnla a ghlaonn ar an uirlis chéanna go deo toisc nach sásaíonn an toradh é, agus gan cosantóir, caithfidh sé do bhuiséad go dtí go mbeidh sé ídithe.
import json
def boucle_multi_outils(prompt, tools, fichiers=None, max_tours=15):
"""Function calling loop with multi-tool support."""
content = [{"type": "input_text", "text": prompt}]
if fichiers:
for fid in fichiers:
content.append({"type": "input_file", "file_id": fid})
messages = [{"role": "user", "content": content}]
for tour in range(max_tours):
response = client.responses.create(
model="gpt-5.6-terra",
input=messages,
tools=tools,
instructions="Use the necessary tools to answer completely."
)
# Built-in tools (web_search, file_search, code_interpreter)
# are executed automatically on the server side.
# We only handle custom function_call items.
appels_custom = [
item for item in response.output
if item.type == "function_call"
]
if not appels_custom:
# No custom call: the model is finished
return {
"reponse": response.output_text,
"tours": tour + 1,
"tokens": response.usage.total_tokens
}
# Execute custom functions
resultats = []
for appel in appels_custom:
resultat = dispatcher_fonctions(appel.name, appel.arguments)
resultats.append({
"type": "function_call_output",
"call_id": appel.call_id,
"output": json.dumps(resultat)
})
# Prepare the next turn
messages = response.output + resultats
return {"reponse": "Turn limit reached", "tours": max_tours}
Straitéisí ceolfaireachta
Treoraigh ord na n-uirlisí
Oibríonn ceolfaireacht uathoibríoch go maith fad nach bhfuil tábhacht leis an ord. Stopann sé ag obair nuair a chaithfidh céim amháin an chéad cheann eile a chur ar an eolas: do dhoiciméid a chuardach roimh an gréasán, mar shampla, toisc go gcoinníonn an stór focal inmheánach ábharthacht an cheist sheachtraigh. Is é an leid córais an luamhán – ní mar shriainc theicniúil, ach mar threoir mhodheolaíoch a leanann an múnla níos fearr nuair a bhíonn údar léi.
# Straitéis 1: cuardaigh ar dtús, gníomhaigh ina dhiaidh sin
instructions_recherche_dabord = (
"Before any action, first search for the necessary information "
"in internal documents and on the web. "
"Do not propose actions until you have gathered all data."
)
# Straitéis 2: anailís sonraí ansin saibhriú
instructions_analyse_dabord = (
"Start by analyzing the data with Code Interpreter. "
"Then enrich your conclusions with web searches. "
"Finally, compare with internal documents."
)
# Straitéis 3: fíorú trasna
instructions_verification = (
"For each important piece of information, verify it in at least two sources: "
"internal documents AND web search. Report any contradictions."
)
Teorainn a chur le huirlisí de réir céime
Is é an cur chuige contrártha ná an rogha a bhaint. In ionad glaon amháin leis an tacar uirlisí iomlán, roinn tú an sruth oibre ina roinnt glaonna, agus ní dhearbhaíonn tú ach an uirlis don chéim shonrach sin i ngach ceann. Cailleann tú ceolfaireacht uathoibríoch ach faigheann tú trí rud atá tábhachtach sa táirgeadh: ord ráthaithe, costas intuartha, agus earráidí atá inchoimeádta ar leith. Do shreabhdh ríthábhachtach, is é seo beagnach i gcónaí an comhréiteach ceart.
# Céim 1: bailiú sonraí (gan cód)
response_collecte = client.responses.create(
model="gpt-5.6-terra",
input="Gather information on Project Alpha",
tools=[
{"type": "file_search", "vector_store_ids": ["vs_projets"]},
{"type": "web_search"}
]
)
# Céim 2: anailís leis na sonraí a bailíodh
response_analyse = client.responses.create(
model="gpt-5.6-terra",
input=f"Analyze this information and generate charts:\n"
f"{response_collecte.output_text}",
tools=[{"type": "code_interpreter", "container": {"type": "auto"}}]
)
Patrún: gníomhaire il-scileanna
Comhcheanglaíonn an sampla deireanach seo an dá chur chuige: roghnaíonn ródaire an chumraíocht uirlisí bunaithe ar nádúr na hiarrata, ansin ligean don mhúnla ceolfaireacht a dhéanamh laistigh den raon teoranta sin. Is é an comhréiteach é a sheasann in úsáid – saoirse go leor chun éagsúlacht na n-iarratas a ionsú, struchtúr go leor chun costais agus iompar a choinneáil intuartha.
class AgentMultiCompetences:
def __init__(self, vector_stores: list[str], fonctions: list[dict]):
self.client = OpenAI()
self.tools = [
{"type": "file_search", "vector_store_ids": vector_stores},
{"type": "web_search", "search_context_size": "medium"},
{"type": "code_interpreter", "container": {"type": "auto"}},
] + fonctions
def traiter(self, requete: str, fichiers: list[str] = None) -> dict:
return boucle_multi_outils(requete, self.tools, fichiers)
# Samplaigh an gníomhaire
agent = AgentMultiCompetences(
vector_stores=["vs_docs", "vs_contrats"],
fonctions=[
{
"type": "function",
"name": "envoyer_email",
"description": "Send a notification email",
"parameters": {
"type": "object",
"properties": {
"destinataire": {"type": "string"},
"sujet": {"type": "string"},
"corps": {"type": "string"}
},
"required": ["destinataire", "sujet", "corps"],
"additionalProperties": False
},
"strict": True
},
{
"type": "function",
"name": "creer_tache",
"description": "Create a task in the project manager",
"parameters": {
"type": "object",
"properties": {
"titre": {"type": "string"},
"assignee": {"type": "string"},
"priorite": {"type": "string", "enum": ["basse", "moyenne", "haute"]},
"echeance": {"type": "string"}
},
"required": ["titre", "assignee", "priorite"],
"additionalProperties": False
},
"strict": True
}
]
)
# Is féidir leis an ngníomhaire anois:
# - Doiciméid a chuardach
# - An gréasán a chuardach
# - Sonraí a anailísiú
# - Ríomhphoist a sheoladh
# - Tascanna a chruthú
resultat = agent.traiter(
"Analyze Q1 sales, compare with goals, "
"and create a task for the sales director if we are behind."
)
Príomhphointí
- Comhchónaíonn gach uirlis san eagar
toolscéanna - Ritheann uirlisí ionsuite ar an taobh freastalaí, ritheann feidhmeanna saincheaptha ar an taobh cliant
- Déanann an múnla ord na nglaonna a eagrú go huathoibríoch
- Treoraigh straitéis na ceolfaireachta trí leid an chórais
- Cuir lúb i bhfeidhm chun glaonna feidhme saincheaptha a láimhseáil