Function Calling: Qabbad l-AI mas-Sistemi Tiegħek
F'din il-paġna
Function Calling: Qabbad l-AI mas-Sistemi Tiegħek
Il-function calling jippermetti lill-mudell jinvoka funzjonijiet li tiddefinixxi int. Żomm regola waħda quddiem għajnejk dejjem, għax kollox ieħor joħroġ minnha: il-mudell ma jesegwixxihomx. Huwa jgħidlek liema funzjoni għandek tsejjaħ u b’liema argumenti; il-kodiċi tiegħek iwettaq l-eżekuzzjoni u jirritorna r-riżultat. Id-database tiegħek, il-kredenzjali, u l-loġika tan-negozju tiegħek qatt ma joħorġu mill-infrastruttura tiegħek.
Il-Fluss Sħiħ, Pass wara Pass
L-iskambju jseħħ f’erba’ stadji:
- Int tiddikjara l-funzjonijiet disponibbli flimkien mal-parametri tagħhom
- Il-mudell janalizza t-talba u jiddeċiedi li jsejjaħ funzjoni
- Il-kodiċi tiegħek jesegwixxi l-funzjoni u jikseb ir-riżultat
- Int tibgħat ir-riżultat lura lill-mudell biex ikun jista’ jifformula t-tweġiba tiegħu
Id-dikjarazzjoni tiġbor attenzjoni speċjali: id-description tal-funzjoni u d-deskrizzjoni ta’ kull parametru huma l-unika dokumentazzjoni li għandu l-mudell biex jieħu d-deċiżjoni tiegħu. Deskrizzjonijiet vagi jwasslu għal sejħiet approssimattivi. Innota wkoll kif tingħalaq iċ-ċirkwit—ir-riżultat jerġa’ jintbagħat bil-call_id li rċevejt, li jaġixxi bħala konferma u jippermetti lill-API tqabbel it-tweġiba mat-talba.
from openai import OpenAI
import json
client = OpenAI()
# Step 1: Declare available functions
tools = [{
"type": "function",
"name": "get_meteo",
"description": "Get the current weather for a city",
"parameters": {
"type": "object",
"properties": {
"ville": {
"type": "string",
"description": "The name of the city"
},
"unite": {
"type": "string",
"enum": ["celsius", "fahrenheit"],
"description": "Temperature unit"
}
},
"required": ["ville"]
}
}]
# Step 2: The model decides to call the function
response = client.responses.create(
model="gpt-5.6-terra",
input="What's the weather like in Marseille?",
tools=tools
)
# Step 3: Execute the function
for item in response.output:
if item.type == "function_call":
print(f"Function: {item.name}")
print(f"Arguments: {item.arguments}")
args = json.loads(item.arguments)
# Your actual implementation
resultat_meteo = {"temperature": 22, "condition": "sunny"}
# Step 4: Send the result back to the model
final = client.responses.create(
model="gpt-5.6-terra",
input=[
{"role": "user", "content": "What's the weather like in Marseille?"},
{
"type": "function_call_output",
"call_id": item.call_id,
"output": json.dumps(resultat_meteo)
}
],
tools=tools
)
print(f"Response: {final.output_text}")
# Result:
# Function: get_meteo
# Arguments: {"ville": "Marseille"}
# Response: It is currently 22 C in Marseille with sunny weather.
Tħalli lill-Mudell Jagħżel fost Għodod Multipli
Il-valur reali jidher meta tesponi katalogu sħiħ ta’ kapaċitajiet. F’assistent tal-kummerċ elettroniku, tiddikjara t-tfittxija tal-prodotti, il-verifika tal-istokk, u t-tqegħid tal-ordnijiet, imbagħad tħalli lill-mudell jagħmel l-arbitraġġ. Quddiem mistoqsija bħal “Il-laptop tal-logħob XPS huwa disponibbli?”, mhux se jwettaq tfittxija iżda se jistaqsi direttament dwar l-istokk: id-deskrizzjonijiet tal-funzjonijiet tiegħek, mhux regola miktuba b’mod iebsor, immexxew dik il-għażla.
tools = [
{
"type": "function",
"name": "rechercher_produit",
"description": "Search for a product in the catalog",
"parameters": {
"type": "object",
"properties": {
"requête": {"type": "string", "description": "Search terms"},
"categorie": {"type": "string", "description": "Category (optional)"}
},
"required": ["requête"]
}
},
{
"type": "function",
"name": "verifier_stock",
"description": "Check product availability",
"parameters": {
"type": "object",
"properties": {
"produit_id": {"type": "string", "description": "Product ID"}
},
"required": ["produit_id"]
}
},
{
"type": "function",
"name": "passer_commande",
"description": "Place an order for a product",
"parameters": {
"type": "object",
"properties": {
"produit_id": {"type": "string"},
"quantite": {"type": "integer", "description": "Number of units"}
},
"required": ["produit_id", "quantite"]
}
}
]
# The model automatically chooses the right function
response = client.responses.create(
model="gpt-5.6-terra",
input="Is the XPS gaming laptop available?",
tools=tools
)
for item in response.output:
if item.type == "function_call":
print(f"Function chosen: {item.name}")
print(f"Arguments: {item.arguments}")
# Result: Function chosen: verifier_stock
# Arguments: {"produit_id": "xps-gaming"}
Talba waħda tista’ wkoll ttriggera sejħiet multipli fl-istess ħin. It-tqabbil tat-temp f’żewġ bliet jipproduċi żewġ sejħiet indipendenti: il-kodiċi tiegħek għalhekk irid jgħaddi minn response.output u jittratta l-oġġetti function_call kollha, qatt biss l-ewwel wieħed. Din hija wkoll opportunità biex tesegwixxi dawn is-sejħiet b’mod parallel u taqta’ l-latency bin-nofs.
response = client.responses.create(
model="gpt-5.6-terra",
input="Compare the weather between Paris and Lyon.",
tools=[{
"type": "function",
"name": "get_meteo",
"description": "Get the weather for a city",
"parameters": {
"type": "object",
"properties": {
"ville": {"type": "string"}
},
"required": ["ville"]
}
}]
)
# The model makes two calls in parallel
function_calls = [item for item in response.output if item.type == "function_call"]
print(f"Number of calls: {len(function_calls)}")
for call in function_calls:
args = json.loads(call.arguments)
print(f" - get_meteo({args['ville']})")
# Result:
# Number of calls: 2
# - get_meteo(Paris)
# - get_meteo(Lyon)
Iċ-Ċiklu tal-Aġent (Agent Loop)
Vjaġġ wieħed ‘l hemm u ‘l hawn rari jkun biżżejjed: ir-riżultat ta’ funzjoni waħda spiss iwassal lill-mudell biex isejjaħ oħra. Għalhekk, int tgħatti l-iskambju f’ċiklu li jibbaħar sakemm it-tweġiba tkun fiha sejħiet ta’ funzjonijiet u jieqaf hekk kif ma jkollhiex aktar—sinjal li l-mudell ifformula t-tweġiba finali tiegħu. Dan huwa l-qafas ta’ kull aġent, u se tarah taħt forom varji fil-qafas kollha tal-aġenti.
def executer_fonction(nom: str, arguments: str) -> str:
"""Execute a function and return the result."""
args = json.loads(arguments)
if nom == "get_meteo":
# Simulation — replace with your real API
return json.dumps({"temp": 18, "condition": "cloudy"})
elif nom == "get_heure":
return json.dumps({"heure": "14:30", "timezone": "CET"})
return json.dumps({"error": "Unknown function"})
def agent_loop(question: str, tools: list) -> str:
"""Agent loop: call functions until the final response."""
input_messages = [{"role": "user", "content": question}]
while True:
response = client.responses.create(
model="gpt-5.6-terra",
input=input_messages,
tools=tools
)
# Check for function calls
function_calls = [i for i in response.output if i.type == "function_call"]
if not function_calls:
# No function calls = final response
return response.output_text
# Execute each function and add results
for call in function_calls:
resultat = executer_fonction(call.name, call.arguments)
input_messages.append({
"type": "function_call_output",
"call_id": call.call_id,
"output": resultat
})
# Usage
reponse = agent_loop("What's the weather like in Paris?", tools)
print(reponse)
Kelma ta’ twissija dwar dan il-mudell: iċ-ċiklu while True m’għandux gardrails. Fil-produzzjoni, żid kontur massimu ta’ iterazzjonijiet; inkella, mudell li jitlob l-istess għodda għal żmien indefinit se jaħraq il-baġit tiegħek mingħajr qatt ma jikkonkludi.
Issakkar l-Argumenti bil-Modalità Stretta (Strict Mode)
Il-modalità stretta (strict mode) tapplika l-istess garanzija għall-parametri tal-funzjoni li l-Output Strutturat japplika għat-tweġibiet: l-argumenti jaderixxu strettament mal-iskema ddikjarata. Għal funzjoni li toħloq utent, dan jipprevjenik milli tirċievi età bħala string, jew kamp addizzjonali li l-kodiċi tiegħek ma kienx jistenna.
tools = [{
"type": "function",
"name": "creer_utilisateur",
"description": "Create a new user",
"strict": True,
"parameters": {
"type": "object",
"properties": {
"nom": {"type": "string"},
"email": {"type": "string"},
"age": {"type": "integer"}
},
"required": ["nom", "email", "age"],
"additionalProperties": False
}
}]
Punti Ewlenin
- Il-function calling iqabbad il-mudell mas-sistemi tiegħek mingħajr ma jesponi d-data tiegħek
- Il-mudell jiddeċiedi liema funzjoni għandu jsejjaħ; il-kodiċi tiegħek jesegwixxiha
- Irritorna r-riżultat bl-użu ta’
function_call_outputu l-call_id - Il-mudell jista’ jsejjaħ funzjonijiet multipli b’mod parallel
- Uża ċiklu ta’ aġent (agent loop) għal konversazzjonijiet multi-turn li jinvolvu funzjonijiet
- Ippermetti
strict: Truebiex tiggarantixxi l-konformità tal-argumenti