Potok wielonarzędziowy
Na tej stronie
Orkiestracja narzędzi w sekwencji
Agent pogodowy z poprzedniej lekcji korzystał z niezależnych narzędzi. W potoku wielonarzędziowym wyniki jednego narzędzia zasilają kolejne wywołanie. Model automatycznie orkiestruje sekwencję – Twoim zadaniem jest dostarczenie narzędzi i wykonanie wywołań.
Architektura potoku
Typowy potok遵循 następujący schemat:
Wyszukiwanie → Analiza → Działanie → Powiadomienie
Każdy krok generuje dane zużywane przez kolejny. Model obsługuje tę orkiestrację w sposób naturalny dzięki kontekstowi rozmowy.
Przykład: potok wywiadu konkurencyjnego
Wyobraź sobie potok, który monitoruje ceny konkurencji i generuje raport:
tools = [
{
"type": "function",
"function": {
"name": "scrape_competitor_prices",
"description": "Retrieve current prices from a competitor "
"for a list of products. Returns an array "
"of {product, price, availability}.",
"parameters": {
"type": "object",
"properties": {
"competitor": {
"type": "string",
"description": "Competitor name"
},
"products": {
"type": "array",
"items": {"type": "string"},
"description": "List of products to check"
}
},
"required": ["competitor", "products"]
}
}
},
{
"type": "function",
"function": {
"name": "compare_with_our_prices",
"description": "Compare competitor prices with our prices. "
"Returns percentage gaps and adjustment "
"recommendations.",
"parameters": {
"type": "object",
"properties": {
"competitor_prices": {
"type": "array",
"items": {
"type": "object",
"properties": {
"product": {"type": "string"},
"price": {"type": "number"}
}
}
}
},
"required": ["competitor_prices"]
}
}
},
{
"type": "function",
"function": {
"name": "generate_report",
"description": "Generate a PDF report with the benchmark "
"analysis results. Returns the report URL.",
"parameters": {
"type": "object",
"properties": {
"title": {"type": "string"},
"data": {"type": "object"},
"format": {
"type": "string",
"enum": ["pdf", "csv", "json"]
}
},
"required": ["title", "data"]
}
}
},
{
"type": "function",
"function": {
"name": "send_notification",
"description": "Send an email or Slack notification "
"with a summary and a link to the report.",
"parameters": {
"type": "object",
"properties": {
"channel": {
"type": "string",
"enum": ["email", "slack"]
},
"recipient": {"type": "string"},
"message": {"type": "string"},
"attachment_url": {"type": "string"}
},
"required": ["channel", "recipient", "message"]
}
}
}
]
Wykonanie potoku
Gdy użytkownik poprosi: „Przeanalizuj ceny CompetitorX dla naszych 5 najlepszych produktów i wyślij raport do zespołu sprzedaży“, model przeprowadzi orkiestrację:
Tura 1 : scrape_competitor_prices(competitor="CompetitorX", products=[...])
Tura 2 : compare_with_our_prices(competitor_prices=[wyniki z tury 1])
Tura 3 : generate_report(title="Monitorowanie cen CompetitorX", data={...})
Tura 4 : send_notification(channel="slack", recipient="#sales", ...)
Każda tura wykorzystuje wyniki z poprzedniej. Model w sposób naturalny przekazuje dane z jednego narzędzia do następnego.
Łączenie narzędzi serwerowych i klienckich w potoku
Najpotężniejsze potoki łączą narzędzia serwerowe i klienckie:
tools = [
{"type": "web_search"}, # Serwer: wyszukiwanie w sieci
{
"type": "function",
"function": {
"name": "extract_data",
"description": "Extract structured data from raw text",
"parameters": { ... }
}
},
{
"type": "function",
"function": {
"name": "save_to_crm",
"description": "Save extracted data to the CRM",
"parameters": { ... }
}
}
]
Przepływ: model wykonuje wyszukiwanie w sieci (automatycznie po stronie serwera), następnie wywołuje Twoją funkcję ekstrakcji (strona klienta), a na końcu zapisuje dane w CRM (strona klienta).
Wzorzec: rozproszenie / scalenie (fan-out / fan-in)
Niektóre potoki wymagają wzorca rozproszenia (wiele wywołań równoległych), po którym następuje scalenie (agregacja wyników):
┌→ scrape_site_A ─┐
Żądanie ─┤→ scrape_site_B ─┤→ aggregate_results → generate_report
└→ scrape_site_C ─┘
Model obsługuje to w sposób naturalny poprzez wywołania równoległe:
Tura 1 : [scrape_site_A, scrape_site_B, scrape_site_C] (równolegle)
Tura 2 : aggregate_results(data=[wynik_A, wynik_B, wynik_C])
Tura 3 : generate_report(aggregated_data={...})
Obsługa błędów w potoku
Solidny potok obsługuje błędy na każdym etapie:
def execute_with_retry(name, args, max_retries=2):
for attempt in range(max_retries + 1):
try:
result = execute_function(name, args)
if "error" not in result:
return result
except Exception:
pass
if attempt < max_retries:
time.sleep(1) # Czekaj przed ponowną próbą
return {
"error": f"Failed after {max_retries + 1} attempts",
"function": name,
"partial_data": None
}
Gdy krok się nie powiedzie, model może:
- Ponowić próbę ze skorygowanymi parametrami
- Pominąć krok i kontynuować z częściowymi danymi
- Poinformować użytkownika i poprosić o instrukcje
Kluczowe wnioski
- Potok wielonarzędziowy łączy wyniki jednego narzędzia z kolejnym
- Model automatycznie orkiestruje sekwencję dzięki kontekstowi
- Wzorzec rozproszenia/scalenia łączy wywołania równoległe z agregacją
- Łącz narzędzia serwerowe (web_search) i klienckie (Twoje funkcje), aby tworzyć potoki hybrydowe
- Obsługuj błędy na każdym etapie, stosując ponawianie prób i rozwiązania zapasowe
- Każde narzędzie w potoku musi mieć jasną, pojedynczą odpowiedzialność