Teljes időjárás-ügynök
Ezen az oldalon
Teljes időjárás-ügynök építése a nulláról
Ebben a leckében mindent összegezel, amit eddig tanultál, hogy felépíts egy teljes időjárás-ügynököt. Ez az ügynök bemutatja a függvényhívás teljes ciklusát: az eszközdefiníciót, a többmenetes kezelést, a hibakezelést és a természetes nyelvű válaszokat.
Az ügynök architektúrája
Az időjárás-ügynök három eszközzel rendelkezik:
- get_weather – lekéri egy város aktuális időjárását
- get_forecast – több napra szóló előrejelzéseket kér le
- get_alerts – ellenőrzi az aktív időjárási riasztásokat
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"]
}
}
}
]
Függvényimplementáció
Éles környezetben ezek a függvények egy valódi időjárási API-t hívnának meg. Itt szimuláljuk a válaszokat:
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, [])}
Az ügynök fő ciklusa
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."
Az ügynök tesztelése
# 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?"))
A 3. teszt párhuzamos hívásokat indít el: a modell egyszerre hívja meg háromszor a get_weather függvényt. A 4. teszt a legérdekesebb – a modellnek meg kell hívnia a get_forecast ÉS a get_alerts függvényt Marseille-re vonatkozóan, majd a gyakorlati tanácsok érdekében szintetizálnia kell az eredményeket.
Lehetséges fejlesztések
Egy éles környezetre kész ügynökhez add hozzá a következőket:
- Gyorsítótár (Cache): kerüld el, hogy ugyanazon város esetén 10 percen belül újra meghívd az időjárási API-t
- Geokódolás: konvertáld a városneveket koordinátákká a nagyobb pontosság érdekében
- Előzmények: mentsd el a felhasználói preferenciákat (mértékegységek, kedvenc városok)
- Nemzetköziesítés: támogasd a városneveket minden nyelven
Főbb megállapítások
- Egy teljes ügynök több, eltérő felelősségi körrel rendelkező eszközt kombinál
- A rendszerprompt irányítja a modell viselkedését (rendszeres riasztásellenőrzés)
- A
max_iterationsparaméterrel rendelkező többmenetes ciklus megakadályozza a végtelen ciklusokat - Az
execute_functiondiszpécser központosítja a végrehajtást és a hibakezelést - Tesztelj változatos lekérdezésekkel: egyszerű, többvárosos, összetett
- Éles környezetben adj hozzá gyorsítótárazást, geokódolást és felhasználói előzménykezelést