Definēt rīkus JSON formātā
Šajā lapā
No teorijas uz praksi
Tagad tu saproti funkciju izsaukšanas jēdzienu un JSON shēmu struktūru. Ir laiks pāriet pie konkrētas implementācijas. Šajā nodarbībā tu iemācīsies, kā izveidot pilnīgu pieprasījumu ar rīku definīcijām un apstrādāt modeļa atbildi.
Pieprasījuma struktūra ar rīkiem
Lūk, pilns pieprasījums Grok API ar definētu rīku:
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
)
Ņem vērā ligzdoto struktūru: objekts tools satur masīvu, kurā katrs elements ietver type un function objektu ar detalizētu informāciju.
Implementācijas galvenie rādītāji
Apstrādā tool_call atbildi
Kad modelis nolemj izsaukt funkciju, atbilde satur masīvu 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}")
Lauks tool_call.function.arguments ir JSON virkne (nevis Python objekts). Tev tas ir jāparsē:
import json
args = json.loads(tool_call.function.arguments)
city = args["city"]
unit = args.get("unit", "celsius")
Izpildi un atgriez rezultātu
Kad funkcija ir izpildīta, tu nosūti rezultātu atpakaļ modelim otrajā izsaukumā:
import json
# 1. Izpildi funkciju
weather_data = get_weather(city="Paris", unit="celsius")
# 2. Izveido ziņojumus ar rezultātu
messages = [
{"role": "user", "content": "What's the weather like in Paris?"},
message, # Modeļa atbilde ar tool_calls
{
"role": "tool",
"tool_call_id": tool_call.id,
"content": json.dumps(weather_data)
}
]
# 3. Atkārtoti izsauc modeli ar rezultātu
final_response = client.chat.completions.create(
model="grok-4.5",
messages=messages,
tools=tools
)
print(final_response.choices[0].message.content)
Ziņojumam ar lomu tool ir jābūt:
tool_call_id: unikālaistool_callidentifikators (lai to saistītu ar pieprasījumu)content: rezultāts kā JSON virkne
Definē vairākus rīkus
Masīvā tools tu vari deklarēt tik daudz rīku, cik nepieciešams:
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 automātiski izvēlēsies atbilstošo(-os) rīku(-us), pamatojoties uz lietotāja pieprasījumu.
Pārbaudi finish_reason
Lauks finish_reason atbildē norāda, vai modelis ir pabeidzis savu atbildi vai gaida rīka rezultātu:
finish_reason = response.choices[0].finish_reason
if finish_reason == "tool_calls":
# Modelis gaida viena vai vairāku rīku rezultātu
handle_tool_calls(response)
elif finish_reason == "stop":
# Modelis ir pabeidzis savu atbildi
print(response.choices[0].message.content)
Galvenās atziņas
- Pieprasījums satur
messagesuntools(definīcijas) tool_callargumenti ir JSON virkne, kas jāparsē- Nosūti rezultātu ziņojumā ar lomu
tool, iekļaujottool_call_id - Pārbaudi
finish_reason, lai uzzinātu, vai modelis gaida rezultātu - Tu vari deklarēt vairākus rīkus – modelis izvēlas automātiski