Pereiti prie pagrindinio turinio
Lietuvių— Pasirinkite kalbą
Meniu

Įrankiai ir funkcijų kvietimas balso režimu

Paskaita 5 iš 14 Atnaujinta 2026 m. liepos 29 d. Vidutinis lygis
Šiame puslapyje
  1. Agentas, kuris veikia, o ne tik kalba
  2. Penkios įrankių rūšys
  3. Pilnas funkcijos kvietimo ciklas
  4. Kai vienu metu suveikia kelios funkcijos
  5. Specifiniai balso režimo apribojimai
  6. Svarbiausi punktai

Agentas, kuris veikia, o ne tik kalba

Balso asistentas, gebantis tik bendrauti, greitai atsitrenkia į sieną: jis mandagiai atsako į klausimą „Kur mano užsakymas?“, nieko nežinodamas. Tikroji Balso Agento vertė slypi jo gebėjime imtis veiksmų pokalbio viduryje (užklausti duomenų bazę, atlikti paiešką internete, išsikviesti verslo API arba pasiekti MCP serverį) ir garsiai perskaityti rezultatą tarsi nieko nebūtų nutikę.

Penkios įrankių rūšys

Paieška internete paprasčiausia forma nereikalauja jokių parametrų:

{ "type": "web_search" }

Tuomet agentas gyvai ieško internete, o tai apima faktinius klausimus, naujienas ir bet kokius duomenis, kurie keičiasi per dažnai, kad būtų saugomi priminime (prompt).

Paieška „X“ platformoje veikia taip pat, tik turi galimybę ją apriboti tam tikroms paskyroms:

{
  "type": "x_search",
  "allowed_x_handles": ["corsen_ai"]
}

Parametras allowed_x_handles yra neprivalomas, tačiau jis keičia paties įrankio paskirtį. Be jo agentas ieško visoje platformoje; su juo agentas tampa atstovu, kuris cituoja tik jūsų oficialius įrašus.

Failų paieška vykdo užklausas vektorizuotų dokumentų kolekcijose, pavyzdžiui, jūsų vadovuose, procedūrose ir produkto dokumentacijoje:

{
  "type": "file_search",
  "vector_store_ids": ["vs_abc123"],
  "max_num_results": 10
}

Tinkintos funkcijos atveria duris į jūsų pačių sistemas. Tai įrankio tipas, kurį naudosite dažniausiai, todėl verta jį apibrėžti itin atidžiai:

{
  "type": "function",
  "name": "check_order",
  "description": "Checks the status of a customer order",
  "parameters": {
    "type": "object",
    "properties": {
      "order_number": {
        "type": "string",
        "description": "The order number, in the format CMD-XXXX"
      }
    },
    "required": ["order_number"]
  }
}

Tuo pačiu būdu galite prijungti CRM, ERP, kalendorių arba vidinę duomenų bazę. Galiausiai, MCP serveriai suteikia prieigą prie standartizuotų įrankių per Model Context Protocol, todėl nereikia iš naujo rašyti integracijos kiekvienai paslaugai:

{
  "type": "mcp",
  "server_url": "https://mcp.example.com/sse",
  "server_label": "My MCP server"
}

Pilnas funkcijos kvietimo ciklas

Kai agentas nusprendžia iškviesti funkciją, jis jos nevykdo pats: jis prašo tai padaryti tavęs, o tavo programėlė atlieka darbą. Argumentai pirmiausia perduodami srautu per response.function_call_arguments.delta. Tada įvykis response.function_call_arguments.done pažymi užklausos pabaigą ir pateikia call_id kartu su pilnais argumentais. Tau tenka vykdyti funkciją, o tada grąžinti rezultatą kaip conversation.item.create tipo function_call_output:

{
  "type": "conversation.item.create",
  "item": {
    "type": "function_call_output",
    "call_id": "call_abc123",
    "output": "{\"status\": \"shipped\", \"delivery_date\": \"2026-04-05\"}"
  }
}

Paskutinis žingsnis yra esminis, ir būtent jį žmonės pamiršta: nusiųsk response.create, kad agentas įtrauktų rezultatą į savo žodinį atsakymą. Be to, rezultatas pasiekia pokalbį, tačiau niekas neįvyksta. Vartotojas girdi tylą, o tu ieškai klaidos ne ten, kur reikia.

Kai vienu metu suveikia kelios funkcijos

Modelis gali nuspręsti vienu metu iškviesti dvi ar tris funkcijas, pavyzdžiui, norėdamas patikrinti užsakymą ir peržiūrėti pristatymo grafiką. Tuomet gauni kelis function_call_arguments.done įvykius, kiekvieną su savo call_id. Vykdyk jas visas, jei įmanoma – lygiagrečiai, kad delsos nesikauptų, pateik kiekvieną rezultatą atskirame conversation.item.create ir pačioje pabaigoje nusiųsk vieną response.create. Vienas response.create kiekvienai funkcijai sukeltų tiek pat konkuruojančių balso atsakymų, ir agentas pradėtų kalbėti pats sau ant galvos.

// Gauk ir vykdyk visas funkcijas
const results = await Promise.all(
  pendingCalls.map(call => executeFunction(call))
);

// Pateik visus rezultatus
for (const result of results) {
  ws.send(JSON.stringify({
    type: "conversation.item.create",
    item: {
      type: "function_call_output",
      call_id: result.callId,
      output: JSON.stringify(result.data)
    }
  }));
}

// Suaktyvink atsakymą
ws.send(JSON.stringify({ type: "response.create" }));

Specifiniai balso režimo apribojimai

Tai, kas tekstiniame interfeise lieka nepastebėta, kalboje tampa akivaizdu, pradedant laiku. Niekas pokalbio viduryje nelaukia ilgiau nei tris–penkias sekundes. Viršijus šį laiką, vartotojai mano, kad ryšys nutrūko, ir pradeda kalbėti. Jei tavo funkcija užklausia lėtą sistemą, liepk agentui pokalbio metu pasakyti laukimo frazę, užuot palikęs „mirtiną“ tylą.

Rezultatų dydis yra vienodai svarbus. Agentas turi garsiai apibendrinti viską, ką jam pateiki, o keturiasdešimties užsakymų sąrašas sukels arba begalinį recitavimą, arba grubų santrauką. Grąžink struktūrizuotus duomenis, tačiau apribokite juos tuo, kas svarbu. Atidžiai apgalvok ir kiekvienos funkcijos aprašymą, nes tai vienintelis dalykas, kuriuo remiasi modelis rinkdamasis: miglotas aprašymas, pavyzdžiui, „tvarko užsakymus“, priverčia jį abejoti arba pasirinkti netinkamą įrankį. Taip pat numatyk nesėkmes. Kai funkcija stringa, grąžink aiškų klaidos pranešimą lauke output, o ne nieko, kitaip agentas sugalvos atsakymą pats, nežinodamas, kad kvietimas nepavyko.

Svarbiausi punktai

  • Balso agentas palaiko penkis įrankių tipus: paiešką internete, paiešką „X“, failų paiešką, funkcijas ir MCP
  • Funkcijos kvietimą sudaro keturi žingsniai: argumentų gavimas, funkcijos vykdymas, rezultato grąžinimas ir atsakymo suaktyvinimas
  • Galimi lygiagretūs kvietimai: vykdyk viską, pateik viską, tada nusiųsk vieną response.create
  • Balso režimu funkcijos atsako laikas yra kritinis: siek mažiau nei 3 sekundžių