Strukturált kimenetek és kódvégrehajtás
Ezen az oldalon
Frissítve: 2026. november 2. Az xAI dokumentációja alapján: az
xai-sdkhasználatával a strukturált kimenetek és az eszközök úgy kombinálhatók, hogy először létrehozod a beszélgetést (client.chat.create(..., tools=[code_execution()])), majd meghívod achat.parse(Schema)metódust, amely visszaadja a választ és a típusozott objektumot; a korábbi példa aclient.chat.parse(...)hívását mutatta be Chat Completions argumentumokkal, ami egyetlen SDK-ban sem létező metódus. Források: Structured Outputs · Code Execution.
Kód végrehajtása és az eredmények strukturálása
A strukturált kimenetek és a kódvégrehajtás kombinálásával lehetővé teheted a modell számára, hogy kiszámolja az eredményeket, majd strukturált formátumban adja vissza azokat. A modell kódot ír, azt egy homokozó (sandbox) környezetben végrehajtja, majd a kimenetet a te schemád szerint formázza meg.
Grok 4 és újabb modellek funkciója
A webes kereséshez hasonlóan ez a kombináció kizárólag a Grok 4 és újabb modellek számára elérhető – ami a jelenlegi teljes kínálatot jelenti (Grok 4.5, Grok 4.3, grok-4.20 variánsok). A korábbi modellek nem támogatták az eszközök és a strukturált kimenetek együttes használatát.
Tipikus használati eset: Precíz számítások
A kódvégrehajtás strukturált kimenetekkel történő kombinálásának fő előnye a számítási pontosság. Az LLM-ek rendszeresen ejtenek aritmetikai hibákat. A kód végrehajtásával az eredmények matematikailag pontosak lesznek.
from pydantic import BaseModel
from xai_sdk import Client
from xai_sdk.chat import user
from xai_sdk.tools import code_execution
client = Client() # a kulcs az XAI_API_KEY változóból olvasható
class FinancialAnalysis(BaseModel):
total_revenue: float
total_cost: float
gross_margin: float
margin_percentage: float
most_profitable_product: str
least_profitable_product: str
chat = client.chat.create(
model="grok-4.20-0309-reasoning",
tools=[code_execution()],
)
chat.append(user("""Íme a negyedéves eladási adatok:
- A termék: 150 db, egységár 45 €, egységköltség 28 €
- B termék: 320 db, egységár 22 €, egységköltség 15 €
- C termék: 85 db, egységár 120 €, egységköltség 78 €
Számítsd ki a teljes pénzügyi elemzést."""))
response, parsed = chat.parse(FinancialAnalysis)
print(f"Bruttó árrés: {parsed.gross_margin} €")
print(f"Árrés: {parsed.margin_percentage}%")
print(f"Legjobb termék: {parsed.most_profitable_product}")
A modell ír egy Python szkriptet a számítások elvégzésére, végrehajtja azt, majd az eredményeket a FinancialAnalysis schemába illesztve formázza meg.
Példa: Statisztikai elemzés
class DescriptiveStatistics(BaseModel):
mean: float
median: float
std_dev: float
minimum: float
maximum: float
quartile_1: float
quartile_3: float
value_count: int
chat = client.chat.create(
model="grok-4.20-0309-reasoning",
tools=[code_execution()],
)
chat.append(user("""Számítsd ki a leíró statisztikákat erre az adathalmazra:
[23, 45, 12, 67, 34, 89, 56, 78, 41, 33, 61, 25,
72, 48, 55, 39, 64, 71, 28, 50]"""))
response, parsed = chat.parse(DescriptiveStatistics)
print(f"Átlag: {parsed.mean}")
print(f"Szórás: {parsed.std_dev}")
Webes keresés és kódvégrehajtás kombinálása
Mindkét eszközt egyszerre is engedélyezheted:
class MarketAnalysis(BaseModel):
company: str
current_price: float
change_30d: float
avg_volume: float
trend: str
recommendation: str
from xai_sdk.tools import web_search
chat = client.chat.create(
model="grok-4.20-0309-reasoning",
tools=[web_search(), code_execution()],
)
chat.append(user("Elemezd az Apple részvényárfolyamát az elmúlt 30 napban"))
response, parsed = chat.parse(MarketAnalysis)
A modell lekéri a legfrissebb adatokat a webről, majd a kódvégrehajtást használva kiszámítja a változásokat és az átlagokat.
A kódvégrehajtás korlátai
- A végrehajtási környezet izolált és ideiglenes (ephemeral)
- A gyakori Python csomagok előre telepítve vannak (NumPy, Pandas, Matplotlib, SciPy)
- A végrehajtási idő és a memória használata korlátozott
- A végrehajtott kód nem fér hozzá a hálózathoz
- A létrehozott fájlok nem maradnak meg a hívások között
Főbb megállapítások
- A kódvégrehajtás és a strukturált kimenetek kombinálásához legalább Grok 4 szükséges – a jelenlegi teljes kínálat kompatibilis
- A modell kódot ír és hajt végre a precíz számítások érdekében
- Az eszközt a
code_execution()függvénnyel engedélyezheted az xAI SDK-ban, vagy a{"type": "code_interpreter"}beállítással a Responses API-ban, majd achat.parse(Schema)hívással kapod meg a típusozott objektumot - Kombinálható a
web_searcheszközzel: először keresés, majd számítás - Ideális pénzügyi, statisztikai és matematikai elemzésekhez
- A kiszámított eredmények pontosak, ellentétben az LLM becsléseivel