Przejdź do głównej treści
Polski— Wybierz język
Menu

Proces 5 kroków

Lekcja 2 z 14 Zaktualizowano 2 listopada 2026 Programista
Na tej stronie
  1. Jasny protokół między Tobą a modelem
  2. Przepływ w szczegółach
  3. Wzorce przepływu
  4. Kluczowe wnioski

Jasny protokół między Tobą a modelem

Wywoływanie funkcji w Mistralu opiera się na dobrze zdefiniowanym procesie pięcioetapowym. Czytelność tego protokołu wynika z faktu, że każdy krok ma tylko jednego właściciela: Ciebie (dewelopera), model lub użytkownika. Żaden krok nie jest współdzielony ani niejasny. Poświęć chwilę na zapamiętanie tego podziału obowiązków, zanim napiszesz pierwszą linię kodu: większość błędów związanych z wywoływaniem funkcji wynika z sytuacji, gdy deweloper oczekuje, że model zajmie się krokiem, który w rzeczywistości leży po jego stronie.

1

Zdefiniuj funkcje (Deweloper)

Opisujesz każdą dostępną funkcję za pomocą schematu JSON: nazwa, opis, parametry, typy i pola wymagane. Model widzi tylko tę specyfikację, a nie Twój kod.

2

Użytkownik zadaje pytanie (Użytkownik)

Użytkownik zadaje swoje pytanie w języku naturalnym. Wysyłasz to żądanie do modelu Mistral wraz z listą dostępnych narzędzi.

3

Wygeneruj argumenty (Model)

Model analizuje żądanie, wybiera odpowiednią funkcję i generuje argumenty w formacie JSON. Nie wykonuje funkcji – jedynie informuje Cię, co wywołać i z jakimi parametrami.

4

Wykonaj funkcję (Deweloper)

Twój kod ekstrahuje nazwę funkcji i argumenty z odpowiedzi modelu, uruchamia odpowiednią funkcję i pobiera wynik.

5

Wygeneruj ostateczną odpowiedź (Model)

Wysyłasz wynik działania funkcji z powrotem do modelu. Integruje on ten wynik z kontekstem rozmowy i formułuje naturalną odpowiedź dla użytkownika.

Przepływ w szczegółach

Te pięć kroków przekłada się bezpośrednio na kod. Przeanalizujmy je na jednym, celowo uproszczonym przykładzie: użytkownik chce poznać status płatności T1001. Będziemy używać tego samego przykładu jako wątku przewodniego aż do końca bloku „Implementacja w Pythonie“, więc już teraz zapoznaj się z jego identyfikatorami.

Krok 1: Definiujesz narzędzia

tools = [
    {
        "type": "function",
        "function": {
            "name": "get_payment_status",
            "description": "Retrieves the status of a payment given its transaction ID",
            "parameters": {
                "type": "object",
                "properties": {
                    "transaction_id": {
                        "type": "string",
                        "description": "The unique transaction identifier (e.g., T1001)"
                    }
                },
                "required": ["transaction_id"]
            }
        }
    }
]

Nie ma tu żadnego kodu wykonywalnego: to jedynie opis. Model dowiaduje się, że istnieje funkcja o nazwie get_payment_status, co robi i że wymaga parametru transaction_id typu string. Nigdy nie dowiaduje się, jak funkcja jest zaimplementowana.

Krok 2: Użytkownik zadaje pytanie

messages = [
    {"role": "user", "content": "What is the status of payment T1001?"}
]

Krok 3: Model generuje argumenty

from mistralai.client import Mistral

client = Mistral(api_key="your-api-key")
response = client.chat.complete(
    model="mistral-large-latest",
    messages=messages,
    tools=tools
)

# The model returns a tool_call:
# function.name = "get_payment_status"
# function.arguments = '{"transaction_id": "T1001"}'

Model wydobył „T1001“ z zdania i umieścił go w odpowiednim polu. Zauważ, że arguments przychodzi jako ciąg znaków (string), a nie słownik: tym szczegółem zajmiesz się w następnym kroku.

Krok 4: Wykonujesz funkcję

import json

tool_call = response.choices[0].message.tool_calls[0]
args = json.loads(tool_call.function.arguments)
result = get_payment_status(**args)
# → {"status": "paid", "date": "2026-03-15"}

Krok 5: Model formułuje odpowiedź

messages.append(response.choices[0].message)
messages.append({
    "role": "tool",
    "name": "get_payment_status",
    "content": json.dumps(result),
    "tool_call_id": tool_call.id
})

final = client.chat.complete(
    model="mistral-large-latest",
    messages=messages,
    tools=tools
)
print(final.choices[0].message.content)
# → "Payment T1001 was made on March 15, 2026."

Do historii dodawane są dwie wiadomości, nigdy tylko jedna: wiadomość asystenta zawierająca żądanie wywołania, a po niej wiadomość zawierająca wynik. Pole tool_call_id łączy te dwie wiadomości. Pominięcie którejkolwiek z nich spowoduje odrzucenie żądania przez API lub sprawi, że model odpowie niezgodnie z tematem.

Wzorce przepływu

W zależności od złożoności żądania, ten przepływ może przybierać różne formy. Najprostszy przypadek występuje, gdy nie bierze udziału żadna funkcja: użytkownik zadaje ogólne pytanie – „Co potrafisz zrobić?“ – a model odpowiada bezpośrednio, nigdy nie korzystając z narzędzi. Kolejny to proste wywołanie, które właśnie przeanalizowaliśmy: jedna funkcja, jeden wynik, jedna odpowiedź.

Dwie następne formy są bardziej interesujące. W łańcuchu sekwencyjnym model wywołuje pierwszą funkcję, odczytuje wynik i wykorzystuje go do podjęcia decyzji o drugim wywołaniu – typowo pobiera ID klienta przed zapytaniem o jego faktury. W wywołaniu równoległym żąda wykonania wielu funkcji jednocześnie, ponieważ żadna z nich nie zależy od drugiej. Całe lekcje poświęcimy tym dwóm wzorcom; na razie zapamiętaj, że oba opierają się dokładnie na tych samych pięciu krokach, po prostu powtórzonych.

Kluczowe wnioski

  • Wywoływanie funkcji przebiega w procesie 5 kroków z jasno określonymi odpowiedzialnościami
  • Model nigdy nie może bezpośrednio wykonać funkcji – generuje jedynie argumenty
  • Twój kod jest strażnikiem: to on decyduje, czy funkcja zostanie wykonana, czy nie
  • Wynik działania funkcji jest wysyłany z powrotem do modelu, aby mógł sformułować naturalną odpowiedź
  • Przepływ może być prosty (jedno wywołanie) lub złożony (sekwencyjny, równoległy)