Pereiti prie pagrindinio turinio
Lietuvių— Pasirinkite kalbą
Meniu

Apibrėžkite įrankius JSON formatu

Paskaita 4 iš 14 Atnaujinta 2026 m. liepos 29 d. Kūrėjas
Šiame puslapyje
  1. Nuo teorijos prie praktikos
  2. Užklausos struktūra su įrankiais
  3. Pagrindiniai implementacijos skaičiai
  4. tool_call atsakymo apdorojimas
  5. Vykdykite ir grąžinkite rezultatą
  6. Apibrėžkite kelis įrankius
  7. Tikrinkite finish_reason
  8. Svarbiausi punktai

Nuo teorijos prie praktikos

Dabar supranti funkcijų kvietimo koncepciją ir JSON schemų struktūrą. Metas pereiti prie konkrečios implementacijos. Šioje pamokoje išmoksi sudaryti pilną užklausą su įrankių apibrėžimais ir apdoroti modelio atsakymą.

Užklausos struktūra su įrankiais

Štai pilna užklausa Grok API su apibrėžtu įrankiu:

from openai import OpenAI

client = OpenAI(
    api_key="your-api-key",
    base_url="https://api.x.ai/v1"
)

tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "Get the current weather for a city",
            "parameters": {
                "type": "object",
                "properties": {
                    "city": {
                        "type": "string",
                        "description": "City name"
                    },
                    "unit": {
                        "type": "string",
                        "enum": ["celsius", "fahrenheit"],
                        "default": "celsius"
                    }
                },
                "required": ["city"]
            }
        }
    }
]

response = client.chat.completions.create(
    model="grok-4.5",
    messages=[
        {"role": "user", "content": "What's the weather like in Paris?"}
    ],
    tools=tools
)

Atkreipk dėmesį į įdėtą struktūrą: objektas tools yra masyvas, kurio kiekvienas elementas turi lauką type ir objektą function su išsamia informacija.

Pagrindiniai implementacijos skaičiai

200
Maksimalus įrankių skaičius užklausoje
6
Palaikomi JSON tipai
3
Suderinami SDK
1
Užklausa = visas procesas

tool_call atsakymo apdorojimas

Kai modelis nusprendžia iškviesti funkciją, atsakyme atsiranda masyvas tool_calls:

message = response.choices[0].message

if message.tool_calls:
    for tool_call in message.tool_calls:
        print(f"Function: {tool_call.function.name}")
        print(f"Arguments: {tool_call.function.arguments}")
        print(f"ID: {tool_call.id}")

Laukas tool_call.function.arguments yra JSON eilutė (ne Python objektas). Jį reikia išanalizuoti (parse):

import json

args = json.loads(tool_call.function.arguments)
city = args["city"]
unit = args.get("unit", "celsius")

Vykdykite ir grąžinkite rezultatą

Įvykdžius funkciją, rezultatą siunčiate modeliui atgal antruoju kvietimu:

import json

# 1. Vykdykite funkciją
weather_data = get_weather(city="Paris", unit="celsius")

# 2. Sukurkite žinučių sąrašą su rezultatu
messages = [
    {"role": "user", "content": "What's the weather like in Paris?"},
    message,  # Modelio atsakymas su tool_calls
    {
        "role": "tool",
        "tool_call_id": tool_call.id,
        "content": json.dumps(weather_data)
    }
]

# 3. Dar kartą iškvieskite modelį su rezultatu
final_response = client.chat.completions.create(
    model="grok-4.5",
    messages=messages,
    tools=tools
)

print(final_response.choices[0].message.content)

Žinutė su vaidmeniu tool privalo turėti:

  • tool_call_id: unikalų tool_call identifikatorių (susiejimui su užklausa)
  • content: rezultatą kaip JSON eilutę

Apibrėžkite kelis įrankius

Masyve tools galite deklaruoti tiek įrankių, kiek reikia:

tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "Get the current weather for a city",
            "parameters": { ... }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "search_restaurants",
            "description": "Search for restaurants by city and cuisine type",
            "parameters": { ... }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "book_table",
            "description": "Book a table at a restaurant",
            "parameters": { ... }
        }
    }
]

Modelis automatiškai pasirinks tinkamą (-us) įrankį (-ius) pagal vartotojo užklausą.

Tikrinkite finish_reason

Laukas finish_reason atsakyme nurodo, ar modelis baigė savo atsakymą, ar laukia įrankio rezultato:

finish_reason = response.choices[0].finish_reason

if finish_reason == "tool_calls":
    # Modelis laukia vieno ar kelių įrankių rezultatų
    handle_tool_calls(response)
elif finish_reason == "stop":
    # Modelis baigė savo atsakymą
    print(response.choices[0].message.content)

Svarbiausi punktai

  • Užklausa turi messages ir tools (apibrėžimus)
  • tool_call argumentai yra JSON eilutė, kurią reikia išanalizuoti
  • Siųskite rezultatą žinutėje su vaidmeniu tool, įtraukdami tool_call_id
  • Tikrinkite finish_reason, kad sužinotumėte, ar modelis laukia rezultato
  • Galite deklaruoti kelis įrankius – modelis pasirenka automatiškai