Gestructureerde uitvoer en code-uitvoering
Op deze pagina
Bijgewerkt op 2 november 2026. Gebaseerd op de xAI-documentatie: met de
xai-sdkcombineert u gestructureerde uitvoer met tools door eerst het gesprek aan te maken (client.chat.create(..., tools=[code_execution()])) en vervolgenschat.parse(Schema)aan te roepen. Dit retourneert zowel het antwoord als het getypte object. Het eerdere voorbeeld riepclient.chat.parse(...)aan met argumenten voor Chat Completions; deze methode bestaat in geen enkele SDK. Bronnen: Structured Outputs · Code Execution.
Code uitvoeren en resultaten structureren
Door gestructureerde uitvoer te combineren met code-uitvoering, kan het model resultaten berekenen en deze in een gestructureerd formaat retourneren. Het model schrijft code, voert deze uit in een gesandboxde omgeving en formatteert de uitvoer volgens uw schema.
Functie voor Grok 4 en later
Net als bij webzoekopdrachten is deze combinatie voorbehouden aan Grok 4 en latere modellen. Dit betekent dat de volledige huidige line-up compatibel is (Grok 4.5, Grok 4.3, grok-4.20-varianten). Eerdere modellen ondersteunden het combineren van tools met gestructureerde uitvoer niet.
Typisch gebruik: nauwkeurige berekeningen
Het grootste voordeel van code-uitvoering met gestructureerde uitvoer is berekeningsnauwkeurigheid. LLM’s maken regelmatig rekenfouten. Door code uit te voeren, zijn de resultaten wiskundig exact.
from pydantic import BaseModel
from xai_sdk import Client
from xai_sdk.chat import user
from xai_sdk.tools import code_execution
client = Client() # sleutel gelezen uit XAI_API_KEY
class FinancialAnalysis(BaseModel):
total_revenue: float
total_cost: float
gross_margin: float
margin_percentage: float
most_profitable_product: str
least_profitable_product: str
chat = client.chat.create(
model="grok-4.20-0309-reasoning",
tools=[code_execution()],
)
chat.append(user("""Here are the quarterly sales:
- Product A: 150 units at €45, unit cost €28
- Product B: 320 units at €22, unit cost €15
- Product C: 85 units at €120, unit cost €78
Calculate the complete financial analysis."""))
response, parsed = chat.parse(FinancialAnalysis)
print(f"Gross margin: €{parsed.gross_margin}")
print(f"Margin: {parsed.margin_percentage}%")
print(f"Best product: {parsed.most_profitable_product}")
Het model schrijft een Python-script om de berekeningen uit te voeren, voert dit uit en formatteert vervolgens de resultaten in het FinancialAnalysis-schema.
Voorbeeld: statistische analyse
class DescriptiveStatistics(BaseModel):
mean: float
median: float
std_dev: float
minimum: float
maximum: float
quartile_1: float
quartile_3: float
value_count: int
chat = client.chat.create(
model="grok-4.20-0309-reasoning",
tools=[code_execution()],
)
chat.append(user("""Calculate the descriptive statistics for this data:
[23, 45, 12, 67, 34, 89, 56, 78, 41, 33, 61, 25,
72, 48, 55, 39, 64, 71, 28, 50]"""))
response, parsed = chat.parse(DescriptiveStatistics)
print(f"Mean: {parsed.mean}")
print(f"Std dev: {parsed.std_dev}")
Webzoekopdrachten en code-uitvoering combineren
U kunt beide tools gelijktijdig inschakelen:
class MarketAnalysis(BaseModel):
company: str
current_price: float
change_30d: float
avg_volume: float
trend: str
recommendation: str
from xai_sdk.tools import web_search
chat = client.chat.create(
model="grok-4.20-0309-reasoning",
tools=[web_search(), code_execution()],
)
chat.append(user("Analyze Apple stock over the last 30 days"))
response, parsed = chat.parse(MarketAnalysis)
Het model haalt recente gegevens van het web en gebruikt vervolgens code-uitvoering om veranderingen en gemiddelden te berekenen.
Limieten van code-uitvoering
- De uitvoeringsomgeving is geïsoleerd en ephemeraal (tijdelijk).
- Veelgebruikte Python-pakketten zijn vooraf geïnstalleerd (NumPy, Pandas, Matplotlib, SciPy).
- Uitvoeringstijd en geheugengebruik zijn begrensd.
- Geen netwerktopgang vanuit de uitgevoerde code.
- Bestanden die worden aangemaakt, blijven niet bewaard tussen opeenvolgende aanroepen.
Belangrijkste punten
- Code-uitvoering plus gestructureerde uitvoer vereist minimaal Grok 4; de volledige huidige line-up is compatibel.
- Het model schrijft en voert code uit voor nauwkeurige berekeningen.
- Schakel de tool in met
code_execution()in de xAI SDK, of{"type": "code_interpreter"}in de Responses API, en haal vervolgens het getypte object op metchat.parse(Schema). - Combineerbaar met
web_searchom eerst te zoeken en vervolgens te berekenen. - Ideaal voor financiële, statistische en wiskundige analyse.
- Berekende resultaten zijn exact, in tegenstelling tot schattingen van een LLM.