Tools definiëren in JSON
Op deze pagina
Van theorie naar praktijk
U begrijpt nu het concept van function calling en de structuur van JSON-schema’s. Het is tijd om over te gaan tot concrete implementatie. In deze les leert u hoe u een compleet verzoek opbouwt met tool-definities en hoe u de respons van het model verwerkt.
Verzoekstructuur met tools
Hier ziet u een compleet verzoek aan de Grok API met een gedefinieerde tool:
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
)
Let op de geneste structuur: het tools-object bevat een array, waarbij elk element een type en een function-object met de details heeft.
Belangrijke cijfers voor implementatie
De tool_call-respons verwerken
Wanneer het model besluit een functie aan te roepen, bevat de respons een tool_calls-array:
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}")
Het veld tool_call.function.arguments is een JSON-tekenreeks (geen Python-object). U moet deze parseren:
import json
args = json.loads(tool_call.function.arguments)
city = args["city"]
unit = args.get("unit", "celsius")
Uitvoeren en het resultaat retourneren
Zodra de functie is uitgevoerd, stuurt u het resultaat terug naar het model in een tweede oproep:
import json
# 1. Voer de functie uit
weather_data = get_weather(city="Paris", unit="celsius")
# 2. Bouw de berichten op met het resultaat
messages = [
{"role": "user", "content": "What's the weather like in Paris?"},
message, # De modelrespons met tool_calls
{
"role": "tool",
"tool_call_id": tool_call.id,
"content": json.dumps(weather_data)
}
]
# 3. Roep het model opnieuw aan met het resultaat
final_response = client.chat.completions.create(
model="grok-4.5",
messages=messages,
tools=tools
)
print(final_response.choices[0].message.content)
Het bericht met de rol tool moet het volgende bevatten:
tool_call_id: de unieke identificatie van de tool_call (om deze aan het verzoek te koppelen)content: het resultaat als een JSON-tekenreeks
Meerdere tools definiëren
U kunt zoveel tools als nodig is declareren in de tools-array:
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": { ... }
}
}
]
Het model kiest automatisch de relevante tool(s) op basis van het gebruikersverzoek.
finish_reason controleren
Het veld finish_reason in de respons geeft aan of het model zijn respons heeft voltooid of wacht op een tool-resultaat:
finish_reason = response.choices[0].finish_reason
if finish_reason == "tool_calls":
# Het model wacht op het resultaat van een of meer tools
handle_tool_calls(response)
elif finish_reason == "stop":
# Het model heeft zijn respons voltooid
print(response.choices[0].message.content)
Belangrijkste punten
- Het verzoek bevat
messagesentools(definities) - tool_call-argumenten zijn een JSON-tekenreeks die geparsed moet worden
- Stuur het resultaat in een bericht met rol
tool, inclusief detool_call_id - Controleer
finish_reasonom te weten of het model wacht op een resultaat - U kunt meerdere tools declareren; het model kiest automatisch