Uirlisí agus glaonna feidhme sa ghuth
Ar an leathanach seo
Gníomhaire a dhéanann gníomhartha, ní hamháin caint
Buaileann cúntóir gutha nach féidir ach comhrá a dhéanamh balla go luath: freagraíonn sé “Cá bhfuil m’ordú?” go cúirtéiseach, gan aon eolas a bheith aige. Is é fíorluach an Ghníomhaire Gutha ná a chumas gníomhú i lár comhrá (ceist a chur ar bhunachar sonraí, cuardach gréasáin a rith, API gnó a ghlaowh, teacht ar fhreastalaí MCP) agus an toradh a léamh amach amhail is nach raibh ann.
An cúig chineál uirlise
Ní ghlacann cuardach gréasáin, ina fhoirm is simplí, aon pharaiméadair:
{ "type": "web_search" }
Déanann an gníomhaire cuardach beo ar an ngréasán ansin, rud a chlúdaíonn ceisteanna fíriciúla, na nuacht, agus aon sonraí a athraíonn ró-mhinic le bheith i leid.
Oibríonn cuardach X ar an mbealach céanna, leis an rogha é a theorannú do chuntais áirithe:
{
"type": "x_search",
"allowed_x_handles": ["corsen_ai"]
}
Tá an paraiméadar allowed_x_handles roghnach, ach athraíonn sé nádúr na huirlise. Gan é, déanann an gníomhaire cuardach ar an ardán ar fad; leis, déantar urlabhraí den ghniomhaire nach luaann ach do chuid post oifigiúil.
Déanann cuardach comhad ceist ar bhailiúcháin de dhoiciméid veicteoirithe, mar shampla do lámhleabhair, nósanna imeachta, agus doiciméadú táirge:
{
"type": "file_search",
"vector_store_ids": ["vs_abc123"],
"max_num_results": 10
}
Osclaíonn feidhmeanna saincheaptha an doras chuig do chórais féin. Seo an cineál uirlise a úsáidfidh tú is minice, agus fiú é a dhearbhú go cúramach:
{
"type": "function",
"name": "check_order",
"description": "Checks the status of a customer order",
"parameters": {
"type": "object",
"properties": {
"order_number": {
"type": "string",
"description": "The order number, in the format CMD-XXXX"
}
},
"required": ["order_number"]
}
}
Is féidir leat CRM, ERP, féilire, nó bunachar sonraí inmheánach a nascadh ar an mbealach céanna. Ar deireadh, tugann freastalaithe MCP rochtain ar uirlisí caighdeánaithe tríd an bPrótacal Comhthéacs Samhla (Model Context Protocol), ionas nach gcaithfidh tú comhtháthú a athscríobh do gach seirbhís:
{
"type": "mcp",
"server_url": "https://mcp.example.com/sse",
"server_label": "My MCP server"
}
An timthriall iomlán glaonna feidhme
Nuair a chinneann an gníomhaire feidhm a ghlaowh, ní ritheann sé í: iarrann sé ortsa é a dhéanamh, agus déanann d’aip an obair. Sreabhann na hargóintí isteach ar dtús trí response.function_call_arguments.delta. Ansin, marcálann an imeacht response.function_call_arguments.done deireadh an iarratais agus tugann sé an call_id duit mar aon leis na hargóintí iomlána. Is ortsa atá sé an fheidhm a rith, agus ansin an toradh a thabhairt ar ais mar conversation.item.create de chineál function_call_output:
{
"type": "conversation.item.create",
"item": {
"type": "function_call_output",
"call_id": "call_abc123",
"output": "{\"status\": \"shipped\", \"delivery_date\": \"2026-04-05\"}"
}
}
Tá céim amháin eile riachtanach, agus is í an cheann a dhéanann daoine dearmad uirthi: seol response.create ionas go n-oibreoidh an gníomhaire an toradh isteach ina fhreagra labhartha. Gan é, sroicheann an toradh an comhrá ach ní tharlaíonn aon rud. Cloiseann an t-úsáideoir tost, agus téann tú ag lorg an bhearrtha sa áit mícheart.
Nuair a lasraíonn roinnt feidhmeanna ag an am céanna
Féadfaidh an tsamhail cinneadh dhá nó trí fheidhm a ghlaowh ag an am céanna, mar shampla chun ordú a sheiceáil agus sceideal seachadta a aimsiú. Faigheann tú roinnt imeachtaí function_call_arguments.done ansin, gach ceann acu lena call_id féin. Rith iad go léir, comhthreomhar má tá sé indéanta ionas nach gcuirfidh na moilleanna le chéile, cuir gach toradh isteach ina conversation.item.create féin, agus seol response.create amháin ag an deireadh go hiomlán. D’fhágfadh response.create amháin in aghaidh na feidhme go mbeadh an oiread céanna freagraí gutha ag dul i gcomórtas le chéile, agus thosódh an gníomhaire ag caint thairis air féin.
// Receive and run all the functions
const results = await Promise.all(
pendingCalls.map(call => executeFunction(call))
);
// Submit all the results
for (const result of results) {
ws.send(JSON.stringify({
type: "conversation.item.create",
item: {
type: "function_call_output",
call_id: result.callId,
output: JSON.stringify(result.data)
}
}));
}
// Trigger the response
ws.send(JSON.stringify({ type: "response.create" }));
Srialta ar leith don ghuth
Éiríonn rudaí nach dtugtar faoi deara i gcomhéadan téacs le feiceáil go soiléir i gcaint, ag tosú le ham. Ní fhanann aon duine níos mó ná trí go cúig shoicind i lár comhrá. Thairis sin, ceapann úsáideoirí gur thit an líne agus tosaíonn siad ag caint. Má dhéanann do fheidhm ceist ar chóras mall, bíodh an gníomhaire ag rá frása coimeádta le linn an ghlao in ionad aer marbh a fhágáil.
Tá tábhacht chomh mór céanna le méid na dtorthaí. Caithfidh an gníomhaire achoimre a dhéanamh os ard ar rud ar bith a thugann tú dó, agus cruthaíonn liosta de cheithre ordú déag recital gan deireadh nó achoimre garbh. Torthaí struchtúrtha a thabhairt ar ais, ach coinnigh é chuig an méid atá tábhachtach. Bí cúramach le cur síos gach feidhme freisin, ós rud é gurb é an t-aon rud a bhraitheann an tsamhail air chun roghnú a dhéanamh: déanann cur síos doiléir cosúil le “déileálann sé le horduithe” go mbíonn leisce air nó go roghnaíonn sé an uirlis mhícheart. Agus déan pleanáil do theip. Nuair a thuairteálann feidhm, seol teachtaireacht earráide shainráite in output seachas gan aon rud, nó déanfaidh an gníomhaire freagra a chumadh gan a fhios go raibh teip ar an nglao.
Príomhphointí
- Tacaíonn an Gníomhaire Gutha le cúig chineál uirlise: cuardach gréasáin, cuardach X, cuardach comhad, feidhmeanna, agus MCP
- Téann glao feidhme trí cheithre chéim: na hargóintí a fháil, an fheidhm a rith, an toradh a thabhairt ar ais, agus an freagra a spreagadh
- Tá glaonna comhthreomhara indéanta: rith gach rud, cuir gach rud isteach, agus seol
response.createamháin ansin - I nguth, tá am freagartha na feidhme ríthábhachtach: díriú ar faoi 3 soicind