Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Bevezetés a függvényhívásba

1. lecke 14 közül Frissítve 2026. november 3. Fejlesztő
Ezen az oldalon
  1. Miért változtat meg mindent a függvényhívás?
  2. Az LLM + Eszközök architektúra
  3. Mely Mistral modellek támogatják a függvényhívást?
  4. Tipikus használati esetek
  5. Mit fogsz megtanulni ebben a tanfolyamban?
  6. Főbb megállapítások

Frissítés: 2026. november 2. – Modellek. A Mistral Large 3 (mistral-large-2512) és a Mistral Medium 3.5 modelleket 2026. október 31-én elavulttá nyilvánították, és 2027. április 30-án végleg kivezetik őket. A kijelölt utódjuk, a Mistral Large 4 (mistral-large-4) már október 6. óta elérhető nyilvános előzetes verzióban. Az ebben a tanfolyamban szereplő példák a mistral-large-latest álnevet használják, amely a hivatalos specifikáció szerint jelenleg a Mistral Large 3-ra mutat (ellenőrizve: 2026. november 3.) official specification. Hasonlóképpen, a mistral-medium-latest alias a Mistral Medium 3.5-re mutat. Ezek az álnevek 2027. április 30-ig érvényesek maradnak. Új projektek esetén teszteld a mistral-large-4 modellt, amely a kijelölt utód.

Miért változtat meg mindent a függvényhívás?

A nagy nyelvi modellek, mint például a Mistral AI által fejlesztettek, kiválóan értenek és generálnak szöveget. A valóságban ez azonban ritkán elég. A „Hol van a rendelésem?“ kérdésre adott válaszhoz adatbázis-lekérdezés szükséges. Egy fizetés megerősítése tranzakció ellenőrzését, sőt, elindítását jelenti. Időpont foglalásához naptár olvasása kell. A függvényhívás az a mechanizmus, amely lehetővé teszi az LLM számára, hogy átlépje a határt a szöveg és a cselekvés között.

A folyamat három lépésből áll. A modell eldönti, hogy külső függvényt kell hívnia, generálja a szükséges argumentumokat JSON formátumban, majd kódodra bízza a függvény végrehajtását és az eredmény visszaadását. A modell soha, semmilyen ponton nem érinti közvetlenül a rendszereidet: a teljes kontroll nálad marad.

Az LLM + Eszközök architektúra

Minden a feladatkörök szigorú szétválasztásán alapul. Ezt érdemes pontosan leszögezni, mert a tanfolyam további része erre épül. A modell megérti a felhasználó kérését, kiválasztja a megfelelő függvényt, és összeállítja az argumentumokat. Kizárólag a te kódod hajtja végre ezt a függvényt, fér hozzá az adatokhoz, és adja vissza az eredményt. Ezután a modell veszi át újra az irányítást, hogy a nyers eredményből természetes választ fogalmazzon meg.

Ennek az előnye jelentős: a modellnek soha nincs közvetlen hozzáférése a rendszereidhez, és nem tud tetszőleges kódot futtatni. Csupán kifejezi a szándékát – „Szeretném meghívni ezt a függvényt ezekkel a paraméterekkel“ –, és a te alkalmazásod dönti el, mit kezd vele. Egy fiók törlésére irányuló kérést így elutasíthatsz, naplózhattatsz, vagy megerősítéshez köthetsz, mielőtt bármilyen végrehajtás történne.

# A folyamat leegyszerűsített nézete
user = "Mi a 4521-es rendelés státusza?"

# 1. A modell elemez és dönt
# → "Meg kell hívnom a get_order_status függvényt order_id=4521 paraméterrel"

# 2. A te kódod végrehajtja
result = get_order_status(order_id=4521)
# → {"status": "shipped", "tracking": "FR123456789"}

# 3. A modell megfogalmazza a választ
# → "A 4521-es rendelését feladtuk. Íme a követési szám: FR123456789."

Figyeld meg az adatok útját ebben a példában: a FR123456789 követési szám sehol sem létezik a modell tudásában. Az a te rendszeredből származik, áthalad az eredményüzeneten, és végül egy olyan mondatban landol, amelyet a felhasználó elolvashat. Pontosan ezt teszi lehetővé a függvényhívás.

Mely Mistral modellek támogatják a függvényhívást?

Minden nagyobb Mistral modell támogatja ezt a funkciót. Az általános célú modellek között megtalálod a Mistral Large 3-at, a Medium 3.5-öt, a Small 4-et és a Ministral 3-at annak három méretében (14B, 8B, 3B). A specializált oldalon a Devstral 2.0, a Devstral Small 2 és a Codestral is elérhetővé teszi ezt. A Magistral Medium és Small szintén kínálta ezt, de ez a család mára elavult: a következtetési képességeket most a Mistral Small 4 és a Medium 3.5 integrálta.

A választásod a használati esettől függ. Komplex függvényhívásokhoz, sok paraméterrel és több eszköz közötti finom egyensúlyozással, a Mistral Large 3 marad a legmegbízhatóbb. Egyszerű, nagy átviteli sebességű éles környezeti esetekhez – ahol egy asszisztens naponta ezerszer kérdez le két-három jól definiált függvényt –, a Mistral Small 4 kiváló költség-teljesítmény arányt kínál.

Tipikus használati esetek

Az alkalmazások sokszínűbbek, mint elsőre tűnnek. Egy CRM-hez, ERP-hez vagy jegykezelő adatbázishoz kapcsolódó beszélgető asszisztens konzultációs kérdésekre válaszol: a modell olvas, de nem módosít semmit. Az automatizálás tovább megy: munkafolyamatokat indít el (e-mail küldése, feladat létrehozása, státusz frissítése), ezért sokkal nagyobb felelősséget hárít a kód oldalára. A kibővített keresésben (RAG) a függvényhívás eltolja a döntést: ahelyett, hogy szisztematikusan lekérdeznél egy vektoradatbázist, hagyod, hogy a modell eldöntse, mikor és hogyan tegye ezt, elkerülve a felesleges kontextus betöltését.

Két ambiciózusabb használati eset teszi teljessé a képet. Az autonóm ügynökök több függvényhívást láncolnak össze egy komplex feladat végrehajtásához, ahol minden eredmény irányítja a következő hívást. Végül a természetes felületek lehetővé teszik, hogy a felhasználó beszélgetésen keresztül irányítson egy teljes alkalmazást anélkül, hogy valaha is meg kellene tanulnia, hol található egy adott gomb.

Mit fogsz megtanulni ebben a tanfolyamban?

A tanfolyam tizennégy leckéből áll, és szándékosan lineáris felépítést követ. Az alapfogalmakkal kezded: az öt lépésből álló folyamattal és a függvényeidet leíró JSON sémákkal. Ezután áttérsz a Python implementációra – függvények írása, hívása, végrehajtása és láncolása a Mistral SDK segítségével. A harmadik blokk a haladó funkciókat fedi le: párhuzamos hívások, tool_choice beállítások, hibakezelés és biztonság. A tanfolyam valós használati esetekkel zárul – egy fizetéskövetővel, egy automatizált CRM-mel –, valamint az éles környezeti bevált gyakorlatokkal.

A tanfolyam végére képes leszel egy robosztus függvényhívó rendszer megtervezésére, implementálására és telepítésére a Mistral API segítségével.

Főbb megállapítások

  • A függvényhívás lehetővé teszi a modell számára, hogy kérje egy függvény végrehajtását anélkül, hogy maga hajtaná végre azt
  • Az architektúra egy szigorú szétválasztáson alapul: a modell generálja az argumentumokat, a te kódod hajtja végre
  • Minden nagyobb Mistral modell támogatja ezt a funkciót
  • A függvényhívás az AI ügynökök és a beszélgetésalapú automatizálás alapköve