Przejdź do głównej treści
Polski— Wybierz język
Menu

Wywołania równoległe i sekwencyjne

Lekcja 3 z 20 Programista
Na tej stronie
  1. Wywołania równoległe i sekwencyjne
  2. Wywołania równoległe
  3. Wyłączanie wywołań równoległych
  4. Wywołania sekwencyjne z pętlą
  5. Przykład praktyczny: potok przetwarzania
  6. Wzorzec hybrydowy: najpierw równolegle, potem sekwencyjnie
  7. Kluczowe wnioski

Wywołania równoległe i sekwencyjne

Model może generować wiele wywołań funkcji w jednej odpowiedzi, robiąc to automatycznie, gdy zidentyfikuje niezależne potrzeby. To nie tylko optymalizacja kosmetyczna: trzy dwusekundowe wywołania wykonane razem zajmują łącznie dwie sekundy, ale uruchomione sekwencyjnie zajęłyby sześć.

Prawdziwy fokus tej lekcji nie dotyczy tego, jak równoleglić – model zajmuje się tym sam – ale jak rozpoznać przypadki, w których nie powinieneś tego robić. Dwa wywołania są niezależne, gdy kolejność ich wykonania nie wpływa na wynik. Gdy tylko jedna operacja odczytuje dane zapisane przez inną lub parametr musi pochodzić z poprzedniego wywołania, równoległość staje się błędem trudnym do odtworzenia.

Wywołania równoległe

Nie trzeba niczego włączać: to zachowanie domyślne. Zapytanie o trzy miasta zwróci trzy elementy function_call w tej samej odpowiedzi; Ty je wykonujesz. Pamiętaj, że model rozumuje na podstawie znaczenia funkcji określonego w Twoich opisach – to opisy sterują decyzją, podobnie jak w niemal wszystkim w tym kursie.

from openai import OpenAI
import json
import asyncio

client = OpenAI()

tools = [
    {
        "type": "function",
        "name": "get_meteo",
        "description": "Get current weather for a city",
        "parameters": {
            "type": "object",
            "properties": {
                "ville": {"type": "string"}
            },
            "required": ["ville"],
            "additionalProperties": False
        },
        "strict": True
    },
    {
        "type": "function",
        "name": "get_taux_change",
        "description": "Get exchange rate between two currencies",
        "parameters": {
            "type": "object",
            "properties": {
                "source": {"type": "string"},
                "cible": {"type": "string"}
            },
            "required": ["source", "cible"],
            "additionalProperties": False
        },
        "strict": True
    }
]

response = client.responses.create(
    model="gpt-5.6-terra",
    input="What's the weather in Paris and Berlin, "
          "and what is the EUR/USD exchange rate?",
    tools=tools
)

# The model emits 3 calls in parallel
appels = [item for item in response.output if item.type == "function_call"]
print(f"Nombre d'appels : {len(appels)}")
# => Nombre d'appels : 3

Wykonywanie wywołań równoległych po stronie klienta

Odebranie trzech wywołań naraz jest bezużyteczne, jeśli Twój kod wykonuje je jedno po drugim: tracisz wtedy wszystkie korzyści po stronie klienta. asyncio.gather to absolutne minimum; do środowiska produkcyjnego dodaj dwie środki ostrożności: limit współbieżności, aby nie otwierać pięćdziesięciu połączeń jednocześnie do usługi obsługującej tylko dziesięć, oraz obsługę błędów dla każdego wywołania z osobna, aby pojedyncza awaria nie zniszczyła pozostałych wyników.

async def executer_fonction(name: str, arguments: str) -> dict:
    args = json.loads(arguments)
    if name == "get_meteo":
        return await api_meteo(args["ville"])
    elif name == "get_taux_change":
        return await api_change(args["source"], args["cible"])

async def traiter_appels_paralleles(appels):
    taches = [
        executer_fonction(appel.name, appel.arguments)
        for appel in appels
    ]
    resultats = await asyncio.gather(*taches)

    return [
        {
            "type": "function_call_output",
            "call_id": appel.call_id,
            "output": json.dumps(resultat)
        }
        for appel, resultat in zip(appels, resultats)
    ]

# Execute
resultats = asyncio.run(traiter_appels_paralleles(appels))

# Send back to the model
response_finale = client.responses.create(
    model="gpt-5.6-terra",
    input=response.output + resultats,
    tools=tools
)
print(response_finale.output_text)

Wyłączanie wywołań równoległych

parallel_tool_calls=False wymusza na modelu emitowanie tylko jednego wywołania na odpowiedź. Używaj tego ustawienia świadomie: wymieniasz tu czas odpowiedzi na bezpieczeństwo. Rezerwuj je dla funkcji, które zapisują dane, modyfikują stan lub wyzwalają działania zewnętrzne.

response = client.responses.create(
    model="gpt-5.6-terra",
    input="Process these three orders",
    tools=tools,
    parallel_tool_calls=False  # One call per response
)

Przypadki użycia wyłączania równoległości:

  • Operacje, które muszą być wykonane w określonej kolejności
  • Funkcje ze skutkami ubocznymi, które wzajemnie się zakłócają
  • Sytuacje, gdy wynik jednego wywołania warunkuje następne

Wywołania sekwencyjne z pętlą

Wykonanie sekwencyjne nie jest sterowane parametrem: wynika ono z pętli. Wykonujesz wywołanie, odsyłasz wynik, a model decyduje o kolejnym kroku na podstawie tego, czego właśnie się dowiedział. To właśnie odróżnia dynamiczny łańcuch od sztywnego planu – jeśli krok 2 ujawni, że krok 3 jest zbędny, model go nie wywoła.

def boucle_function_calling(prompt: str, tools: list, max_tours: int = 10):
    """Complete loop for sequential function calling."""
    messages_input = prompt
    tour = 0

    while tour < max_tours:
        response = client.responses.create(
            model="gpt-5.6-terra",
            input=messages_input,
            tools=tools,
            parallel_tool_calls=False
        )

        # Check for function calls
        appels = [i for i in response.output if i.type == "function_call"]

        if not appels:
            # Model is done, responding with text
            return response.output_text

        # Execute each call
        resultats = []
        for appel in appels:
            resultat = executer_fonction_sync(appel.name, appel.arguments)
            resultats.append({
                "type": "function_call_output",
                "call_id": appel.call_id,
                "output": json.dumps(resultat)
            })

        # Prepare next turn
        messages_input = response.output + resultats
        tour += 1

    return "Turn limit reached"

Przykład praktyczny: potok przetwarzania

Typowy przypadek, w którym wykonanie sekwencyjne jest obowiązkowe, ponieważ każdy krok zużywa to, co wyprodukował poprzedni:

tools_pipeline = [
    {
        "type": "function",
        "name": "valider_commande",
        "description": "Verify order validity (stock, price, customer)",
        "parameters": {
            "type": "object",
            "properties": {
                "commande_id": {"type": "string"}
            },
            "required": ["commande_id"],
            "additionalProperties": False
        },
        "strict": True
    },
    {
        "type": "function",
        "name": "calculer_livraison",
        "description": "Calculate shipping fees and delays. "
                       "Requires a validated order.",
        "parameters": {
            "type": "object",
            "properties": {
                "commande_id": {"type": "string"},
                "mode": {"type": "string", "enum": ["standard", "express"]}
            },
            "required": ["commande_id", "mode"],
            "additionalProperties": False
        },
        "strict": True
    },
    {
        "type": "function",
        "name": "confirmer_commande",
        "description": "Confirm the order and trigger payment. "
                       "Requires prior validation and shipping calculation.",
        "parameters": {
            "type": "object",
            "properties": {
                "commande_id": {"type": "string"},
                "livraison_id": {"type": "string"}
            },
            "required": ["commande_id", "livraison_id"],
            "additionalProperties": False
        },
        "strict": True
    }
]

# The model will naturally call in this order:
# 1. valider_commande
# 2. calculer_livraison (using step 1 result)
# 3. confirmer_commande (using results from steps 1 and 2)
resultat = boucle_function_calling(
    "Process order CMD-42567 with express shipping",
    tools_pipeline
)

Wzorzec hybrydowy: najpierw równolegle, potem sekwencyjnie

W praktyce większość przepływów pracy w rzeczywistych zastosowaniach podąża za tym mieszanym wzorcem: faza zbierania danych, gdzie wszystko może działać jednocześnie, po której następuje faza przetwarzania respektująca zależności. Nie musisz kodować niczego specjalnego – to naturalna konsekwencja pętli, pod warunkiem że Twoje opisy jasno określają zależności.

# Turn 1: Parallel data collection
# The model calls get_client AND get_stock in parallel

# Turn 2: Sequential decision based on results
# The model calls valider_commande with collected info

# Turn 3: Final action
# The model calls confirmer_commande

Ten wzorzec wydaje się naturalny: model automatycznie równolegli wywołania, gdy są niezależne, a następnie łączy je sekwencyjnie, gdy pojawi się zależność.

Kluczowe wnioski

  • Model automatycznie równolegli niezależne wywołania
  • Używaj asyncio.gather do wykonywania wywołań równoległych po stronie klienta
  • Wyłączaj za pomocą parallel_tool_calls=False, gdy kolejność ma znaczenie
  • Wdrażaj pętlę dla przepływów wieloetapowych
  • Opisy funkcji wskazują modelowi zależności między krokami