Przejdź do głównej treści
Polski— Wybierz język
Menu

Wzorce łączenia narzędzi

Lekcja 10 z 12 Zaktualizowano 30 lipca 2026 Zaawansowany
Na tej stronie
  1. Łączenie narzędzi do złożonych zadań
  2. Wzorzec 1: Wyszukiwanie + Analiza
  3. Wzorzec 2: Wiadomości z wielu źródeł
  4. Wzorzec 3: Ekstrakcja z wielu źródeł z użyciem funkcji
  5. Wzorzec 4: Krzyżowa weryfikacja
  6. Najlepsze praktyki
  7. Kluczowe wnioski

Łączenie narzędzi do złożonych zadań

Narzędzia Groka stają się naprawdę potężne, gdy je łączysz. Samo wyszukiwanie w sieci dostarcza surowych danych. Dodaj wykonanie kodu, a będziesz mógł te dane analizować. Dodaj własne funkcje, a będziesz mógł działać na podstawie wyników. Ta lekcja omawia najbardziej przydatne wzorce łączenia.

Wzorzec 1: Wyszukiwanie + Analiza

Najczęstszy przypadek użycia łączy wyszukiwanie w sieci z wykonaniem kodu w celu zebrania danych i wyciągnięcia wniosków:

response = await client.chat.completions.create(
    model="grok-4.5",
    messages=[{
        "role": "user",
        "content": "Look up the stock prices for Tesla, Apple, and Microsoft over the last 30 days. "
                   "Calculate relative performance and identify the trend."
    }],
    tools=[
        {"type": "web_search"},
        {"type": "code_interpreter"}
    ],
    max_turns=5
)

Grok rozpoczyna od wyszukiwania w sieci, aby uzyskać dane finansowe, a następnie używa wykonania kodu do obliczenia wyników i narysowania wykresu. Wszystko dzieje się w ramach jednego żądania dzięki wystarczającej wartości max_turns.

Wzorzec 2: Wiadomości z wielu źródeł

Połączenie wyszukiwania w sieci (Web Search) i wyszukiwania na platformie X (X Search) zapewnia kompleksowe pokrycie tematu:

response = await client.chat.completions.create(
    model="grok-4.5",
    messages=[{
        "role": "user",
        "content": "What are the reactions to the announcement of the new AI regulation in Europe? "
                   "Compare official sources and reactions on X."
    }],
    tools=[
        {"type": "web_search"},
        {"type": "x_search"}
    ],
    max_turns=5
)

Wyszukiwanie w sieci przechwytuje artykuły prasowe i oficjalne oświadczenia, podczas gdy wyszukiwanie na platformie X przechwytuje reakcje i opinie w czasie rzeczywistym.

Wzorzec 3: Ekstrakcja z wielu źródeł z użyciem funkcji

W przypadku bardziej złożonych przepływów pracy połącz narzędzia serwerowe ze swoimi własnymi funkcjami:

tools = [
    {"type": "web_search"},
    {"type": "code_interpreter"},
    {
        "type": "function",
        "function": {
            "name": "save_to_database",
            "description": "Saves structured results to the database",
            "parameters": {
                "type": "object",
                "properties": {
                    "category": {"type": "string"},
                    "data": {"type": "object"},
                    "source_urls": {"type": "array", "items": {"type": "string"}}
                },
                "required": ["category", "data"]
            }
        }
    }
]

async def research_and_save(topic: str) -> str:
    messages = [{"role": "user", "content": f"Research and analyze: {topic}. "
                 "Save the structured results."}]

    while True:
        response = await client.chat.completions.create(
            model="grok-4.5",
            messages=messages,
            tools=tools,
            max_turns=5
        )

        message = response.choices[0].message

        if not message.tool_calls:
            return message.content

        messages.append(message)
        for tc in message.tool_calls:
            if tc.function.name == "save_to_database":
                result = await save_to_db(json.loads(tc.function.arguments))
                messages.append({
                    "role": "tool",
                    "tool_call_id": tc.id,
                    "content": json.dumps(result)
                })

W tym wzorcu Grok wyszukuje informacje, analizuje je za pomocą kodu, a następnie wywołuje Twoją funkcję, aby zapisać wyniki. Przepływ pracy jest w pełni autonomiczny.

Wzorzec 4: Krzyżowa weryfikacja

Użyj wielu źródeł, aby zweryfikować wiarygodność informacji:

response = await client.chat.completions.create(
    model="grok-4.5",
    messages=[{
        "role": "user",
        "content": "Verify this claim by cross-referencing sources: "
                   "'France produced 70% of its electricity from nuclear power in 2024.' "
                   "Compare data from multiple official sources."
    }],
    tools=[
        {"type": "web_search"},
        {"type": "code_interpreter"}
    ],
    max_turns=8
)

Dzięki wyższej wartości max_turns, Grok może przeprowadzić wiele kolejnych wyszukiwań, aby skrzyżować informacje, i wykorzystać wykonanie kodu do porównania liczb.

Najlepsze praktyki

Określ narzędzia w monicie

Nie deklaruj narzędzi tylko w parametrze tools. Wyraźnie zaznacz w swoim monocie, czego oczekujesz:

# DOBRZE: monit kieruje użyciem narzędzi
"""Search for the data, then use code to generate a comparison table.
Save the final result via save_to_database."""

# ŹLE: monit nie wspomina o narzędziach
"Give me information on this topic."

Ogranicz narzędzia do niezbędnych potrzeb

Nie włączaj każdego narzędzia, jeśli potrzebujesz tylko jednego. Każde narzędzie dodaje kontekst do monitu systemowego, zużywając tokeny i potencjalnie rozpraszając model.

Kluczowe wnioski

  • Połączenie wyszukiwania i wykonania kodu pozwala zbierać i analizować dane w ramach jednego żądania
  • Połączenie wyszukiwania w sieci i na platformie X oferuje kompleksowe pokrycie (artykuły + reakcje)
  • Własne funkcje rozszerzają możliwości poza to, co oferują narzędzia serwerowe
  • Wyraźnie prowadź Groka w swoim monocie, wskazując, których narzędzi użyć
  • Dostosuj max_turns do złożoności przepływu pracy (5–8 dla kombinacji wielu narzędzi)
  • Włączaj tylko niezbędne narzędzia, aby zoptymalizować zużycie tokenów