Przejdź do głównej treści
Polski— Wybierz język
Menu

Rozmowy wieloetapowe z wykorzystaniem narzędzi

Lekcja 11 z 14 Zaktualizowano 29 lipca 2026 Programista
Na tej stronie
  1. Rozmowy wieloetapowe z wywoływaniem funkcji
  2. Parametr max_turns
  3. Pętla wieloetapowa po stronie klienta
  4. Kontekst wieloetapowy w API Responses
  5. Wzorce rozmów wieloetapowych
  6. Zarządzanie pamięcią
  7. Kluczowe wnioski

Rozmowy wieloetapowe z wywoływaniem funkcji

W rzeczywistej rozmowie model może potrzebować wywołać narzędzia wielokrotnie w trakcie wymiany zdań. Każdy etap może wiązać się z nowymi wywołaniami, wynikami uruchamiającymi kolejne funkcje lub prośbami o doprecyzowanie skierowanymi do użytkownika przed użyciem narzędzia.

Parametr max_turns

Parametr max_turns ogranicza liczbę etapów asystent/narzędzie po stronie serwera w ramach pojedynczego żądania. Dotyczy on wyłącznie wbudowanych narzędzi (web_search, code_interpreter itp.).

response = client.responses.create(
    model="grok-4.5",
    input="Analyze 2026 tech trends",
    tools=[{"type": "web_search"}],
    max_turns=5  # Maximum 5 web searches before responding
)

Ważna uwaga: wywołania narzędzi po stronie klienta resetują licznik. Gdy odeślesz function_call_output, rozpoczyna się nowy przydział max_turns.

Pętla wieloetapowa po stronie klienta

Aby zarządzać rozmowami, w których model wielokrotnie wywołuje narzędzia, zaimplementuj pętlę:

import json

def multi_turn_chat(user_message, tools, max_iterations=10):
    messages = [{"role": "user", "content": user_message}]

    for i in range(max_iterations):
        response = client.chat.completions.create(
            model="grok-4.5",
            messages=messages,
            tools=tools
        )

        message = response.choices[0].message
        messages.append(message)

        # If no tool_call, the conversation is over
        if not message.tool_calls:
            return message.content

        # Execute all requested tools
        for tool_call in message.tool_calls:
            args = json.loads(tool_call.function.arguments)
            result = execute_function(tool_call.function.name, args)
            messages.append({
                "role": "tool",
                "tool_call_id": tool_call.id,
                "content": json.dumps(result)
            })

    return "Maximum number of iterations reached"

Zmienna max_iterations stanowi kluczowe zabezpieczenie przed nieskończonymi pętlami. W środowisku produkcyjnym ustaw rozsądny limit (5–10 etapów).

Kontekst wieloetapowy w API Responses

API Responses oferuje dwa mechanizmy utrzymania kontekstu:

1. Przechowywanie zdalne

# First message
r1 = client.responses.create(
    model="grok-4.5",
    input="What's the weather like in Paris?",
    tools=tools,
    store_messages=True
)

# Tool result
r2 = client.responses.create(
    model="grok-4.5",
    input=[{
        "type": "function_call_output",
        "call_id": r1.output[0].call_id,
        "output": {temp: 18}
    }],
    previous_response_id=r1.id,
    store_messages=True
)

# Follow-up question (context is preserved)
r3 = client.responses.create(
    model="grok-4.5",
    input="What about tomorrow?",
    previous_response_id=r2.id,
    tools=tools,
    store_messages=True
)

Zaleta: nie musisz zarządzać historią wiadomości. xAI przechowuje ją i pobiera automatycznie dzięki previous_response_id.

2. Szyfrowana zawartość po stronie klienta

response = client.responses.create(
    model="grok-4.5",
    input="Search for flight prices to Nice",
    tools=tools,
    use_encrypted_content=True
)

Dzięki use_encrypted_content=True otrzymujesz rozumowanie i wyniki działania narzędzi w formie zaszyfrowanej. Odesyłasz je bez zmian w kolejnych żądaniach, nie mając możliwości ich odczytania. Jest to przydatne, gdy nie chcesz, aby dane przesyłane były jawnym tekstem przez Twój serwer.

Wzorce rozmów wieloetapowych

Wzorzec: Wyszukiwanie, a następnie działanie

Turn 1 : User → "Find a cheap Paris-Nice flight"
         Model → tool_call: search_flights(from="CDG", to="NCE")
         Client → result : [{flight1}, {flight2}, {flight3}]
Turn 2 : Model → "I found 3 flights. The cheapest is €89. Do you want to book it?"
         User → "Yes, book the €89 flight"
Turn 3 : Model → tool_call: book_flight(flight_id="FL123", passengers=1)

Wzorzec: Agregacja danych

Turn 1 : Model → tool_call: get_sales(month="march")
Turn 2 : Model → tool_call: get_expenses(month="march")
Turn 3 : Model → tool_call: get_headcount(month="march")
Turn 4 : Model → "Here is the monthly report: sales +12%, expenses -3%, headcount stable."

Wzorzec: Stopniowe doprecyzowywanie

Turn 1 : Model → tool_call: search_products(query="running shoes")
         Result → 150 products
Turn 2 : Model → "I found 150 products. What size and budget?"
         User → "42, max €120"
Turn 3 : Model → tool_call: search_products(query="running shoes", size=42, max_price=120)
         Result → 8 products

Zarządzanie pamięcią

W długich rozmowach historia – zawierająca każde tool_call i każdy wynik narzędzia – szybko rośnie, a wraz z nią koszt każdego etapu. Masz do dyspozycji trzy strategie, od manualnych po w pełni delegowane. Okresowe podsumowywanie kondensuje starsze etapy w akapit wstrzykiwany do promptu systemowego: zachowujesz sedno wcześniejszych wymian za ułamek ich wagi tokenowej, kosztem utraty pewnych szczegółów. Okno przesuwne jest bardziej radykalne, ale prostsze: przechowuj tylko ostatnie N etapów, godząc się z tym, że model „zapomni“ początek rozmowy – rozwiązanie odpowiednie, gdy starsze wymiany nie mają już znaczenia operacyjnego. Przechowywanie zdalne w końcu deleguje problem do xAI dzięki store_messages=True: historia żyje po stronie serwera, a Twoja aplikacja przechowuje jedynie odniesienie. Właściwy wybór zależy od tego, co Twoja aplikacja musi pamiętać i jak długo.

Kluczowe wnioski

  • max_turns ogranicza etapy narzędziowe po stronie serwera – narzędzia klienckie resetują licznik
  • Zaimplementuj pętlę z max_iterations, aby zapobiec nieskończonym pętlom
  • previous_response_id łączy rozmowy bez konieczności ponownego wysyłania historii
  • store_messages=True deleguje przechowywanie kontekstu do xAI
  • use_encrypted_content=True chroni dane w tranzycie
  • Zarządzaj pamięcią w długich rozmowach (podsumowywanie, okno przesuwne)