Pāriet uz galveno saturu
Latviešu— Izvēlēties valodu
Izvēlne

Definēt rīkus JSON formātā

Nodarbība 4 no 14 Atjaunota 2026. gada 29. jūlijs Programmētājs
Šajā lapā
  1. No teorijas uz praksi
  2. Pieprasījuma struktūra ar rīkiem
  3. Implementācijas galvenie rādītāji
  4. Apstrādā tool_call atbildi
  5. Izpildi un atgriez rezultātu
  6. Definē vairākus rīkus
  7. Pārbaudi finish_reason
  8. Galvenās atziņas

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

200
Maksimālais rīku skaits vienā pieprasījumā
6
Atbalstītie JSON tipi
3
Saderīgie SDK
1
Pieprasījums = viss plūsmas cikls

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: unikālais tool_call identifikators (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 messages un tools (definīcijas)
  • tool_call argumenti ir JSON virkne, kas jāparsē
  • Nosūti rezultātu ziņojumā ar lomu tool, iekļaujot tool_call_id
  • Pārbaudi finish_reason, lai uzzinātu, vai modelis gaida rezultātu
  • Tu vari deklarēt vairākus rīkus – modelis izvēlas automātiski