Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Korlátok és legjobb gyakorlatok

3. lecke 14 közül Frissítve 2026. július 29. Fejlesztő
Ezen az oldalon
  1. A függvényhívás technikai korlátai
  2. Legfeljebb 200 eszköz kérésenként
  3. A modell nem garantálja az argumentumok érvényességét
  4. Hibakezelés
  5. Egyedi és egyértelmű nevek
  6. Leírások: a minőség elsődleges tényezője
  7. Az eszközök számának optimalizálása
  8. Biztonság: soha ne bízz a modellben
  9. Főbb megállapítások

A függvényhívás technikai korlátai

Mielőtt belevágnál a megvalósításba, meg kell értened a rendszer korlátait. A Grok függvényhívása erőteljes eszköz, de specifikus megszorítások között működik, amelyeket mesterszinten kell kezelned a robusztus alkalmazások felépítéséhez.

Legfeljebb 200 eszköz kérésenként

A Grok API egyetlen kérésben legfeljebb 200 eszközdefiníciót fogad el. Ez a korlát nagylelkű – a legtöbb alkalmazás csupán 5–20 eszközt használ. Ha azonban skálázható rendszert építesz (bővítmények, eszközpiactér), számolnod kell ezzel a határral.

Minden eszközdefiníció helyet foglal el a kontextusablakban. Konkrétabban:

  • Egy egyszerű eszköz (2–3 paraméter) körülbelül 50–100 tokent fogyaszt
  • Egy összetett eszköz (10+ paraméter, részletes leírások) meghaladhatja a 300 tokent
  • 200 összetett eszköz = 60 000 token kizárólag a definíciókhoz

Ezért kell stratégiát alkotnod: csak az aktuális kéréshez releváns eszközöket deklarálj.

A modell nem garantálja az argumentumok érvényességét

A Grok mindent megtesz, hogy a sémának megfelelő argumentumokat generáljon, de nem tévedhetetlen. A modell képes lehet:

  • Helytelen dátumformátumot generálni
  • string típust átadni ott, ahol integer várható
  • Ritka esetekben kihagyni egy kötelező mezőt
  • Nem létező enum értékeket hallucinálni

A kliensoldali kódodnak mindig validálnia kell a fogadott argumentumokat a függvény végrehajtása előtt.

import json

def handle_tool_call(tool_call):
    args = json.loads(tool_call.function.arguments)

    # Validálás végrehajtás előtt
    if "city" not in args:
        return {"error": "A város paraméter kötelező"}

    if not isinstance(args["city"], str):
        return {"error": "A városnak szövegnek kell lennie"}

    return get_weather(args["city"], args.get("unit", "celsius"))

Hibakezelés

Ha egy függvény meghibásodik, a hibát vissza kell küldened a modellnek, ahelyett, hogy csendben összeomlanál. A modell ezután:

  • Újrafogalmazhatja a kérését javított paraméterekkel
  • Tájékoztathatja a felhasználót a problémáról
  • Megpróbálhat egy alternatív eszközt használni
try:
    result = search_database(query=args["query"])
    return json.dumps(result)
except ConnectionError:
    return json.dumps({
        "error": "Az adatbázis nem elérhető",
        "suggestion": "Próbáld újra néhány másodperc múlva"
    })

Hiba esetén is mindig strukturált JSON-t adj vissza. A modell érti a hibaüzeneteket, és ennek megfelelően igazítja a válaszát.

Egyedi és egyértelmű nevek

A függvényneveknek egyedinek kell lenniük az eszközlistában. Ha két eszköz ugyanazt a nevet viseli, a viselkedés meghatározatlan – az API elutasíthatja a kérést, vagy figyelmen kívül hagyhatja az egyiket.

Fogadj el egy konzisztens elnevezési konvenciót:

✅ Bevált gyakorlatok:
   get_weather          → adatlekérés
   search_products      → keresés
   create_ticket        → létrehozás
   update_order_status  → frissítés
   delete_draft         → törlés

❌ Kerülendő:
   fn1, fn2             → érthetetlen
   doStuff              → túl általános
   getWeatherData       → camelCase (a snake_case előnyösebb)

Leírások: a minőség elsődleges tényezője

A leírások minősége közvetlenül meghatározza a függvényhívás megbízhatóságát. Íme egy összehasonlító táblázat:

Gyenge leírás Hatékony leírás
"Keresés" "Termékek keresése név, kategória vagy ártartomány alapján az e-kereskedelmi katalógusban"
"Üzenet küldése" "E-mail küldése egy címzettnek. Tárgyat és üzenettörzset igényel. Nem támogat mellékleteket."
"Számítás" "Az ÁFA-t is tartalmazó végösszeg kiszámítása az adó nélküli árból és az ÁFA-kulcsból. Az összeget euróban, két tizedesjegy pontossággal adja vissza."

Az eszközök számának optimalizálása

Ahelyett, hogy minden kérésnél 200 eszközt deklarálnál, dinamikusan válaszd ki azokat, amelyek valóban számítanak. Az első szűrő a kontextus: ha a felhasználó az időjárásról beszél, a számlázási eszközök betöltése csak zajt generál – egy könnyű előszűrés (kulcsszavak alapján vagy egy első osztályozó hívással) elegendő ahhoz, hogy csak a releváns családot mutasd be. A második szűrő a szerepkör: egy ügyfélszolgálatos ügynöknek nincs szüksége adminisztrátori eszközökre, ezek eltávolítása pedig ugyanolyan fontos a pontosság, mint a biztonság szempontjából. A harmadik a lépés: egy több lépésből álló munkafolyamatban minden fázisnak megvannak a saját eszközei – ezek fokozatos betöltése segít a modellnek arra koncentrálni, amit éppen most kell tennie.

Az előny kétszeres és azonnali: kevesebb bemeneti token kérésenként (az eszközdefiníciók minden hívásnál költséget jelentenek), és jobb kiválasztási pontosság – egy modell, amely hat jól leírt eszköz közül választ, ritkán hibázik, míg ugyanez a modell kétszáz definíció előtt állva hajlamos összekeverni a hasonló variánsokat.

Biztonság: soha ne bízz a modellben

A függvényhívás potenciális behatolási vektor lehet. Egy rosszindulatú felhasználó úgy fogalmazhatja meg a kérését, hogy manipulálja a függvényeknek átadott argumentumokat. Biztonsági szabályok:

  • Validálj minden argumentumot szerveroldalon
  • Korlátozd a jogosultságokat: egy olvasó függvény ne tudjon írni
  • Naplózd a hívásokat: kövess nyomon minden függvényhívást auditálási céllal
  • Tisztítsd meg a bemeneteket: speciális karakterek escape-elése SQL vagy shell lekérdezések előtt

Főbb megállapítások

  • Legfeljebb 200 eszköz kérésenként – de a hatékonyság érdekében törekedj az 5–20-ra
  • Mindig validáld az argumentumokat kliensoldalon a végrehajtás előtt
  • A hibákat strukturált JSON formátumban küldd vissza a modellnek
  • A nevek legyenek egyediek, snake_case formátumúak és egyértelműek
  • A részletes leírások drasztikusan javítják a megbízhatóságot
  • Dinamikusan válaszd ki a releváns eszközöket minden kéréshez
  • Soha ne bízz az argumentumokban validálás nélkül