Przejdź do głównej treści
Polski— Wybierz język
Menu

Wywoływanie funkcji w czasie rzeczywistym

Lekcja 4 z 18 Zaktualizowano 2 listopada 2026 Programista
Na tej stronie
  1. Wywoływanie funkcji w czasie rzeczywistym
  2. Deklarowanie narzędzi w sesji
  3. Przebieg wywołania funkcji
  4. Implementacja obsługi funkcji
  5. Integracja z pętlą zdarzeń
  6. Kluczowe wnioski

Aktualizacja z 2 listopada 2026 r. — Modele audio. Kilka modeli w tym kursie zostało wycofanych: tts-1, tts-1-hd oraz gpt-4o-mini-tts przestaną działać 6 stycznia 2027 r. (zalecanym zamiennikiem jest gpt-realtime-2.1-mini, który zgodnie z przewodnikiem OpenAI TTS nie jest obsługiwany przez /v1/audio/speech: migracja syntezy mowy przechodzi do Realtime API); gpt-realtime, gpt-4o-realtime oraz starsze modele audio przestaną działać 20 stycznia 2027 r. (gpt-realtime-2.1, gpt-realtime-2.1-mini, gpt-audio-1.5); whisper-1, gpt-4o-transcribe oraz /v1/audio/translations przestaną działać 26 lutego 2027 r. (gpt-transcribe, gpt-live-transcribe, v1/realtime/translations). W przypadku komunikacji pełnodupleksowej (full-duplex), GPT-Live 1 jest dostępny w API od 10 września 2026 r.

Wywoływanie funkcji w czasie rzeczywistym

Wywoływanie funkcji w Realtime API pozwala Twojemu agentowi głosowemu wykonywać konkretne działania podczas rozmowy: odpytywać bazę danych, składać zamówienie lub sprawdzać status. Mechanika jest podobna do tej w Responses API, ale dostosowana do strumienia zdarzeń WebSocket.

Deklarowanie narzędzi w sesji

Narzędzia deklarujesz w session.update, dokładnie tak samo jak instrukcje i głos. Każde narzędzie to schemat JSON opisujący jego parametry:

tools = [
    {
        "type": "function",
        "name": "get_weather",
        "description": "Get the current weather for a given city",
        "parameters": {
            "type": "object",
            "properties": {
                "city": {
                    "type": "string",
                    "description": "Name of the city"
                },
                "unit": {
                    "type": "string",
                    "enum": ["celsius", "fahrenheit"],
                    "description": "Temperature unit"
                }
            },
            "required": ["city"]
        }
    },
    {
        "type": "function",
        "name": "book_appointment",
        "description": "Book an appointment",
        "parameters": {
            "type": "object",
            "properties": {
                "date": {"type": "string", "description": "Date in YYYY-MM-DD format"},
                "time": {"type": "string", "description": "Time in HH:MM format"},
                "service": {"type": "string", "description": "Type of service"}
            },
            "required": ["date", "time", "service"]
        }
    }
]

await ws.send(json.dumps({
    "type": "session.update",
    "session": {
        "type": "realtime",
        "output_modalities": ["audio"],
        "instructions": "You are a voice assistant. Use the available tools.",
        "audio": {"output": {"voice": "marin"}},
        "tools": tools,
        "tool_choice": "auto"
    }
}))

Przebieg wywołania funkcji

Gdy model zdecyduje się wywołać narzędzie, sekwencja zdarzeń wygląda następująco:

1

response.function_call_arguments.delta

Argumenty funkcji docierają w strumieniu, fragment po fragmencie.

2

response.function_call_arguments.done

Argumenty są kompletne. Możesz teraz wykonać funkcję.

3

conversation.item.create (ty)

Wysyłasz wynik funkcji z powrotem do modelu.

4

response.create (ty)

Prosisz model o kontynuację odpowiedzi z uwzględnieniem wyniku.

Implementacja obsługi funkcji

Oto kompletny przykład obsługi wywołań funkcji:

import json

# Rejestr dostępnych funkcji
async def get_weather(city: str, unit: str = "celsius") -> dict:
    # Wywołanie rzeczywistego API pogodowego
    return {"city": city, "temperature": 22, "unit": unit, "condition": "sunny"}

async def book_appointment(date: str, time: str, service: str) -> dict:
    # Logika rezerwacji
    return {"confirmed": True, "date": date, "time": time, "reference": "RDV-2026-0042"}

FUNCTION_REGISTRY = {
    "get_weather": get_weather,
    "book_appointment": book_appointment,
}

async def handle_function_call(ws, event):
    """Przetwarza wywołanie funkcji i zwraca wynik."""
    response = event["response"]

    for output in response.get("output", []):
        if output["type"] != "function_call":
            continue

        func_name = output["name"]
        call_id = output["call_id"]
        arguments = json.loads(output["arguments"])

        print(f"Calling function: {func_name}({arguments})")

        # Wykonanie funkcji
        func = FUNCTION_REGISTRY.get(func_name)
        if func:
            result = await func(**arguments)
        else:
            result = {"error": f"Unknown function: {func_name}"}

        # Wysłanie wyniku z powrotem do modelu
        await ws.send(json.dumps({
            "type": "conversation.item.create",
            "item": {
                "type": "function_call_output",
                "call_id": call_id,
                "output": json.dumps(result)
            }
        }))

    # Poproś model o kontynuację z wynikiem
    await ws.send(json.dumps({
        "type": "response.create"
    }))

Integracja z pętlą zdarzeń

Obsługa funkcji integruje się z Twoją główną pętlą:

async def event_loop(ws):
    """Główna pętla przetwarzania zdarzeń."""
    async for raw_message in ws:
        event = json.loads(raw_message)
        event_type = event["type"]

        if event_type == "response.done":
            response = event["response"]
            # Sprawdź, czy model wywołał jakieś funkcje
            has_function_calls = any(
                o["type"] == "function_call"
                for o in response.get("output", [])
            )
            if has_function_calls:
                await handle_function_call(ws, event)

        elif event_type == "response.output_audio.delta":
            # Odtwórz audio odpowiedzi
            audio_bytes = base64.b64decode(event["delta"])
            player.write(audio_bytes)

        elif event_type == "error":
            print(f"Error: {event['error']['message']}")

Wielokrotne wywołania funkcji

Model może zdecydować się na wywołanie wielu funkcji w ramach jednej odpowiedzi. Pole output w zdarzeniu response.done może zawierać wiele wpisów typu function_call. Przetwarzaj je wszystkie przed wywołaniem response.create.

Kluczowe wnioski

  • Narzędzia deklarujesz w session.update, używając standardowego schematu JSON
  • Argumenty docierają w strumieniu poprzez response.function_call_arguments.delta
  • Po wykonaniu wyślij wynik z powrotem przez conversation.item.create z polem call_id
  • Wywołaj response.create, aby model mógł sformułować odpowiedź głosową z wynikiem
  • Obsługuj wielokrotne wywołania: model może wywołać kilka funkcji jednocześnie