Aqbeż għall-kontenut ewlieni
Malti— Agħżel lingwa
Menu

Iggħaqqad għodod f'sejħa waħda

Lezzjoni 19 / 20 Aġġornat 2 ta’ Novembru 2026 Zviluppatur
F'din il-paġna
  1. Iggħaqqad għodod f’sejħa waħda
  2. Prinċipju tal-kombinazzjoni
  3. Eżempju sħiħ: assistent analitiku
  4. Immaniġġja ċ-ċiklu multi-għodda
  5. Strateġiji ta’ orkestrazzjoni
  6. Illimita l-għodod skont il-pass
  7. Mudell: aġent b’ħiliet multipli
  8. Punti Ewlenin

Aġġornat fit-2 ta’ Novembru, 2026 abbażi tad-dokumentazzjoni ta’ OpenAI: l-għodda Code Interpreter issa teħtieġ parametru container (miżjud mal-eżempji kollha), il-partijiet tal-input tat-test jużaw it-tip input_text, u t-tiftix fuq il-web juża l-għodda web_search (web_search_preview issa hija għodda antika mingħajr filtri tad-dominju). Il-fajls iġġenerati jiġu rkuprati bl-użu tal-funzjonijiet fichiers_generes u telecharger mil-Lezzjoni 10. Il-fajls mehmuża ma’ messaġġ jittellgħaw bl-iskop user_data, li OpenAI tirrakkomanda għall-inputs tal-mudell (File inputs). Sorsi: Code Interpreter · Web search.

Iggħaqqad għodod f’sejħa waħda

S’issa, eżaminajna kull għodda b’mod iżolat. Fil-produzzjoni, mistoqsijiet interessanti rari jieħdu dik il-forma. Li tistaqsi “kif iqabblu l-bejgħ tagħna mas-suq?” teħtieġ li tiġbed figura interna, figura esterna, u mbagħad tqabbilhom. Tliet għodod, tliet sorsi, sejħa waħda.

X’inbidel huwa min jiddeċiedi l-ordni. Int ma tipprogrammax is-sekwenza: tiddikjara l-għodod disponibbli u tiddeskrivi r-riżultat mistenni, u l-mudell jistabbilixxi l-pjan tiegħu stess. Dan huwa konvenjenti, iżda huwa wkoll il-punt li għandek toqgħod attent għalih—pjan impliċitu huwa pjan li ma tistax tirrevedih. L-aħħar parti ta’ din il-lezzjoni turi kif terġa’ tikseb il-kontroll meta l-ordni tkun verament importanti.

Prinċipju tal-kombinazzjoni

L-għodod kollha huma ddikjarati fl-istess array tools, u dak hu l-mekkaniżmu sħiħ: m’hemm l-ebda API tal-kompożizzjoni, biss lista ta’ kapaċitajiet disponibbli. Il-mudell jaqra t-talba tiegħek, jiddeduċi l-passi meħtieġa, u jsejjaħ dak li għandu bżonn, fl-ordni li jqis utli. Għodda ddikjarata iżda mhux meħtieġa għall-kompit sempliċiment ma tiġix imsejħa—ma tiswix xejn ħlief ftit tokens fid-deskrizzjoni tagħha.

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-5.6-terra",
    input="Compare our sales forecasts with market trends, "
          "then create a comparison chart.",
    tools=[
        {"type": "file_search", "vector_store_ids": ["vs_previsions"]},
        {"type": "web_search"},
        {"type": "code_interpreter", "container": {"type": "auto"}}
    ]
)

Il-mudell se:

  1. Jiġbed previżjonijiet interni permezz ta’ File Search
  2. Jiġbed xejriet tas-suq permezz ta’ Web Search
  3. Jiġġenera grafiku ta’ tqabbil permezz ta’ Code Interpreter

Eżempju sħiħ: assistent analitiku

with open("donnees_ventes.csv", "rb") as f:
    fichier = client.files.create(file=f, purpose="user_data")

tools = [
    # Fittex dokumenti interni
    {
        "type": "file_search",
        "vector_store_ids": ["vs_rapports", "vs_objectifs"],
        "max_num_results": 10
    },
    # Tiftix fuq il-web għall-kuntest tas-suq
    {
        "type": "web_search",
        "search_context_size": "medium"
    },
    # Eżekuzzjoni tal-kodiċi għall-analiżi
    {"type": "code_interpreter", "container": {"type": "auto"}},
    # Funzjoni biex tissalva r-rapport
    {
        "type": "function",
        "name": "sauvegarder_rapport",
        "description": "Save an analysis report to the document system",
        "parameters": {
            "type": "object",
            "properties": {
                "titre": {"type": "string"},
                "contenu": {"type": "string"},
                "categorie": {
                    "type": "string",
                    "enum": ["analyse", "prevision", "audit", "comparaison"]
                },
                "tags": {
                    "type": "array",
                    "items": {"type": "string"}
                }
            },
            "required": ["titre", "contenu", "categorie", "tags"],
            "additionalProperties": False
        },
        "strict": True
    }
]

response = client.responses.create(
    model="gpt-5.6-terra",
    input=[{
        "role": "user",
        "content": [
            {"type": "input_text", "text": (
                "Based on this sales file: "
                "1. Analyze trends over the last 12 months "
                "2. Compare with our annual goals (search the docs) "
                "3. Search the web for market trends "
                "4. Generate a comparison chart "
                "5. Write a summary report "
                "6. Save the report"
            )},
            {"type": "input_file", "file_id": fichier.id}
        ]
    }],
    tools=tools,
    instructions=(
        "You are a senior business analyst. "
        "Use all tools at your disposal to produce "
        "a complete, sourced analysis."
    )
)

Immaniġġja ċ-ċiklu multi-għodda

Hemm asimmetrija hawnhekk li trid iżżomm f’moħħok, għax tiddetermina l-istruttura tal-kodiċi tiegħek. L-għodod integrati—Web Search, File Search, Code Interpreter—jiġu esegwiti fuq OpenAI: il-mudell isejħilhom, jikseb ir-riżultat, u jkompli, kollox f’viġġ wieħed mad-dur. Il-funzjonijiet custom tiegħek, madankollu, jiġu esegwiti min-naħa tiegħek: il-mudell jista’ biss jitlob l-eżekuzzjoni tagħhom, imbagħad jagħti l-kontroll u jistenna.

Għalhekk iċ-ċiklu hawn taħt. Sakemm ir-risposta tkun fiha sejħiet ta’ funzjonijiet, int tesegwixxihom, tirritorna r-riżultati, u terġa’ tibda. Issettja numru massimu ta’ iterazzjonijiet: mudell li jsejjaħ bl-istess mod għodda għal żmien indefinit għax ir-riżultat ma jissodisfahx huwa każ rari iżda reali, u mingħajr protezzjoni se jikkonsma l-baġit tiegħek sakemm jintemm.

import json

def boucle_multi_outils(prompt, tools, fichiers=None, max_tours=15):
    """Function calling loop with multi-tool support."""
    content = [{"type": "input_text", "text": prompt}]
    if fichiers:
        for fid in fichiers:
            content.append({"type": "input_file", "file_id": fid})

    messages = [{"role": "user", "content": content}]

    for tour in range(max_tours):
        response = client.responses.create(
            model="gpt-5.6-terra",
            input=messages,
            tools=tools,
            instructions="Use the necessary tools to answer completely."
        )

        # Built-in tools (web_search, file_search, code_interpreter)
        # are executed automatically on the server side.
        # We only handle custom function_call items.
        appels_custom = [
            item for item in response.output
            if item.type == "function_call"
        ]

        if not appels_custom:
            # No custom call: the model is finished
            return {
                "reponse": response.output_text,
                "tours": tour + 1,
                "tokens": response.usage.total_tokens
            }

        # Execute custom functions
        resultats = []
        for appel in appels_custom:
            resultat = dispatcher_fonctions(appel.name, appel.arguments)
            resultats.append({
                "type": "function_call_output",
                "call_id": appel.call_id,
                "output": json.dumps(resultat)
            })

        # Prepare the next turn
        messages = response.output + resultats

    return {"reponse": "Turn limit reached", "tours": max_tours}

Strateġiji ta’ orkestrazzjoni

Iggwida l-ordni tal-għodod

L-orkestrazzjoni awtomatika taħdem sew sakemm l-ordni ma tkunx importanti. Tieqaf taħdem meta pass wieħed irid jinforma lill-ieħor: li tfittex id-dokumenti tiegħek qabel il-web, pereżempju, għax il-vokabolarju intern jikkundizzjona r-rilevanza tal-mistoqsija esterna. Is-sistema prompt hija l-lever—mhux bħala restrizzjoni teknika, iżda bħala istruzzjoni metodoloġika li l-mudell isegwi aħjar meta tkun iġġustifikata.

# Strateġija 1: fittex l-ewwel, aġixxi wara
instructions_recherche_dabord = (
    "Before any action, first search for the necessary information "
    "in internal documents and on the web. "
    "Do not propose actions until you have gathered all data."
)

# Strateġija 2: analiżi tad-data imbagħad arrikkiment
instructions_analyse_dabord = (
    "Start by analyzing the data with Code Interpreter. "
    "Then enrich your conclusions with web searches. "
    "Finally, compare with internal documents."
)

# Strateġija 3: verifika inkroċjata
instructions_verification = (
    "For each important piece of information, verify it in at least two sources: "
    "internal documents AND web search. Report any contradictions."
)

Illimita l-għodod skont il-pass

L-approċċ oppost huwa li tneħħi l-għażla. Minflok sejħa waħda bl-għodda kollha, taqsam il-fluss tax-xogħol f’diversi sejħiet, kull waħda tiddikjara biss l-għodda għall-pass speċifiku tagħha. Titlef l-orkestrazzjoni awtomatika iżda tikseb tliet affarijiet li jimpurtaw fil-produzzjoni: ordni garantita, kost prevedibbli, u żbalji li jistgħu jiġu iżolati. Għal fluss kritiku, dan huwa kważi dejjem il-kompromess it-tajjeb.

# Pass 1: ġbir tad-data (l-ebda kodiċi)
response_collecte = client.responses.create(
    model="gpt-5.6-terra",
    input="Gather information on Project Alpha",
    tools=[
        {"type": "file_search", "vector_store_ids": ["vs_projets"]},
        {"type": "web_search"}
    ]
)

# Pass 2: analiżi bid-data miġbura
response_analyse = client.responses.create(
    model="gpt-5.6-terra",
    input=f"Analyze this information and generate charts:\n"
          f"{response_collecte.output_text}",
    tools=[{"type": "code_interpreter", "container": {"type": "auto"}}]
)

Mudell: aġent b’ħiliet multipli

Dan l-aħħar eżempju jgħaqqad iż-żewġ approċċi: router jagħżel il-konfigurazzjoni tal-għodda abbażi tan-natura tat-talba, imbagħad iħalli lill-mudell jorkestra fi ħdan dak l-ambit ristrett. Dan huwa l-kompromess li jiflaħ fl-użu—biżżejjed libertà biex tassorbi l-varjetà ta’ talbiet, biżżejjed struttura biex iżżomm il-kostijiet u l-imġiba prevedibbli.

class AgentMultiCompetences:
    def __init__(self, vector_stores: list[str], fonctions: list[dict]):
        self.client = OpenAI()
        self.tools = [
            {"type": "file_search", "vector_store_ids": vector_stores},
            {"type": "web_search", "search_context_size": "medium"},
            {"type": "code_interpreter", "container": {"type": "auto"}},
        ] + fonctions

    def traiter(self, requete: str, fichiers: list[str] = None) -> dict:
        return boucle_multi_outils(requete, self.tools, fichiers)

# Instanzja l-aġent
agent = AgentMultiCompetences(
    vector_stores=["vs_docs", "vs_contrats"],
    fonctions=[
        {
            "type": "function",
            "name": "envoyer_email",
            "description": "Send a notification email",
            "parameters": {
                "type": "object",
                "properties": {
                    "destinataire": {"type": "string"},
                    "sujet": {"type": "string"},
                    "corps": {"type": "string"}
                },
                "required": ["destinataire", "sujet", "corps"],
                "additionalProperties": False
            },
            "strict": True
        },
        {
            "type": "function",
            "name": "creer_tache",
            "description": "Create a task in the project manager",
            "parameters": {
                "type": "object",
                "properties": {
                    "titre": {"type": "string"},
                    "assignee": {"type": "string"},
                    "priorite": {"type": "string", "enum": ["basse", "moyenne", "haute"]},
                    "echeance": {"type": "string"}
                },
                "required": ["titre", "assignee", "priorite"],
                "additionalProperties": False
            },
            "strict": True
        }
    ]
)

# L-aġent issa jista':
# - Ifittex dokumenti
# - Ifittex fuq il-web
# - Janalizza d-data
# - Jibgħat emails
# - Joħloq kompiti
resultat = agent.traiter(
    "Analyze Q1 sales, compare with goals, "
    "and create a task for the sales director if we are behind."
)

Punti Ewlenin

  • L-għodod kollha jikkoegżistu fl-istess array tools
  • L-għodod integrati jiġu esegwiti fuq is-server, il-funzjonijiet custom fuq il-klijent
  • Il-mudell jorkestra awtomatikament l-ordni tas-sejħiet
  • Iggwida l-istrateġija ta’ orkestrazzjoni permezz tas-sistema prompt
  • Implimenta ċiklu biex timmaniġġja s-sejħiet tal-funzjonijiet custom