Wywołania równoległe i sekwencyjne
Na tej stronie
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.gatherdo 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