Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Pozivanje funkcija glasom

Lekcija 13 od 16 Ažurirano 30. srpnja 2026. Programer
Na ovoj stranici
  1. Pokretanje funkcija iz glasovnog razgovora
  2. Deklariranje funkcije
  3. Primanje i obrada poziva funkcije
  4. Paralelni pozivi funkcija
  5. Najbolje prakse
  6. Ključne točke

Pokretanje funkcija iz glasovnog razgovora

Pozivanje funkcija glasom omogućuje tvom agentu da pokreće stvarne radnje tijekom razgovora: upite u bazu podataka, kreiranje narudžbi, slanje e-pošte ili pozive vanjskim API-jima. Agent sam odlučuje kada pozvati funkciju, ovisno o tome što korisnik kaže.

1

Agent prepoznaje potrebu

Korisnik izgovori nešto što zahtijeva poziv funkcije. Agent generira argumente.

2

Tvoja aplikacija pokreće funkciju

Primaš argumente putem događaja function_call_arguments.done i pokrećeš svoju poslovnu logiku.

3

Vraćaš rezultat

Pošalji conversation.item.create s tipom function_call_output i odgovarajućim call_id.

4

Agent nastavlja razgovor

Pošalji response.create kako bi agent uključio rezultat u svoj glasovni odgovor.

Deklariranje funkcije

Funkcije deklariraš u polju tools unutar session.update:

{
  "type": "session.update",
  "session": {
    "tools": [
      {
        "type": "function",
        "name": "get_balance",
        "description": "Gets the balance of a customer's bank account",
        "parameters": {
          "type": "object",
          "properties": {
            "client_id": {
              "type": "string",
              "description": "Customer ID"
            }
          },
          "required": ["client_id"]
        }
      }
    ]
  }
}

Primanje i obrada poziva funkcije

Kada agent odluči pozvati funkciju, prvo primaš argumente kao stream, a zatim sve odjednom:

let functionArgs = "";

ws.on("message", (data) => {
  const event = JSON.parse(data);

  switch (event.type) {
    case "response.function_call_arguments.delta":
      functionArgs += event.delta;
      break;

    case "response.function_call_arguments.done":
      const args = JSON.parse(event.arguments);
      const callId = event.call_id;
      const functionName = event.name;

      // Pokreni funkciju
      handleFunctionCall(functionName, args, callId);
      break;
  }
});

async function handleFunctionCall(name, args, callId) {
  let result;

  switch (name) {
    case "get_balance":
      result = await getBalance(args.client_id);
      break;
    default:
      result = { error: "Unknown function" };
  }

  // Vrati rezultat
  ws.send(JSON.stringify({
    type: "conversation.item.create",
    item: {
      type: "function_call_output",
      call_id: callId,
      output: JSON.stringify(result)
    }
  }));

  // Zatraži od agenta da nastavi
  ws.send(JSON.stringify({
    type: "response.create"
  }));
}

Paralelni pozivi funkcija

Agent može odlučiti istovremeno pozvati nekoliko funkcija. Tada ćeš primiti više događaja function_call_arguments.done. Pravilo je sljedeće:

  1. Riješi svaku funkciju prije odgovora
  2. Pošalji svaki rezultat, s jednim conversation.item.create po rezultatu
  3. Pošalji jedan jedini response.create na kraju
const pendingCalls = new Map();
let expectedCalls = 0;

case "response.function_call_arguments.done":
  const result = await executeFunction(event.name, event.arguments);
  pendingCalls.set(event.call_id, result);

  if (pendingCalls.size === expectedCalls) {
    // Sve su funkcije riješene
    for (const [callId, output] of pendingCalls) {
      ws.send(JSON.stringify({
        type: "conversation.item.create",
        item: {
          type: "function_call_output",
          call_id: callId,
          output: JSON.stringify(output)
        }
      }));
    }
    // Jedan response.create za sve izlaze
    ws.send(JSON.stringify({ type: "response.create" }));
    pendingCalls.clear();
  }
  break;

Najbolje prakse

  • Jasni opisi: kvaliteta tvojih opisa funkcija određuje kada će ih agent koristiti
  • Brzo izvršavanje: funkcija koja traje dulje od 2 ili 3 sekunde stvara neugodnu tišinu
  • Rukovanje greškama: vrati čitku poruku o grešci umjesto tehničkog iznimnog stanja
  • Glasovna potvrda: za osjetljive radnje (plaćanja, brisanja) zatraži od korisnika potvrdu prije izvršenja

Ključne točke

  • Pozivanje funkcija glasom slijedi četverostepeni ciklus: detekcija, izvršenje, vraćanje rezultata, nastavak
  • Funkcije deklariraš u session.update s JSON shemom za njihove parametre
  • Rezultat se mora vratiti putem conversation.item.create s type: "function_call_output"
  • Uvijek pošalji response.create nakon slanja rezultata
  • Kod paralelnih poziva pričekaj sve rezultate prije slanja jednog response.create