Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Chamadas Paralelas e Sequenciais

Aula 3 de 20 Programador
Nesta página
  1. Chamadas Paralelas e Sequenciais
  2. Chamadas Paralelas
  3. Desativar Chamadas Paralelas
  4. Chamadas Sequenciais com um Ciclo
  5. Exemplo Prático: Pipeline de Processamento
  6. Padrão Híbrido: Paralelo Depois Sequencial
  7. Pontos-chave

Chamadas Paralelas e Sequenciais

O modelo pode emitir múltiplas chamadas de função numa única resposta, fazendo-o automaticamente sempre que identifica necessidades independentes. Isto não é apenas uma otimização cosmética: três chamadas de dois segundos executadas em conjunto levam dois segundos no total, mas encadeadas sequencialmente levam seis.

O foco real desta lição não é como paralelizar — o modelo trata disso — mas como reconhecer os casos em que não o deve fazer. Duas chamadas são independentes quando a ordem de execução não afeta o resultado. Assim que uma operação lê o que outra escreve, ou um parâmetro deve vir de uma chamada anterior, o paralelismo torna-se um erro difícil de reproduzir.

Chamadas Paralelas

Nada precisa de ser ativado: este é o comportamento padrão. Uma consulta sobre três cidades produz três itens function_call na mesma resposta; o seu código executa-os. Note que o modelo raciocina sobre o significado das funções com base nas suas descrições — as descrições conduzem a decisão, como em quase tudo neste curso.

from openai import OpenAI
import json
import asyncio

client = OpenAI()

tools = [
    {
        "type": "function",
        "name": "get_meteo",
        "description": "Get current weather for a city",
        "parameters": {
            "type": "object",
            "properties": {
                "ville": {"type": "string"}
            },
            "required": ["ville"],
            "additionalProperties": False
        },
        "strict": True
    },
    {
        "type": "function",
        "name": "get_taux_change",
        "description": "Get exchange rate between two currencies",
        "parameters": {
            "type": "object",
            "properties": {
                "source": {"type": "string"},
                "cible": {"type": "string"}
            },
            "required": ["source", "cible"],
            "additionalProperties": False
        },
        "strict": True
    }
]

response = client.responses.create(
    model="gpt-5.6-terra",
    input="What's the weather in Paris and Berlin, "
          "and what is the EUR/USD exchange rate?",
    tools=tools
)

# The model emits 3 calls in parallel
appels = [item for item in response.output if item.type == "function_call"]
print(f"Nombre d'appels : {len(appels)}")
# => Nombre d'appels : 3

Executar Chamadas Paralelas no Lado do Cliente

Receber três chamadas de uma vez é inútil se o seu código as executar uma após a outra: perde todo o ganho no lado do cliente. asyncio.gather é o mínimo; adicione duas precauções para produção — um limite de concorrência, para não abrir cinquenta ligações simultâneas a um serviço que suporta apenas dez, e tratamento de erros por chamada, para que uma falha isolada não derrube os outros resultados.

async def executer_fonction(name: str, arguments: str) -> dict:
    args = json.loads(arguments)
    if name == "get_meteo":
        return await api_meteo(args["ville"])
    elif name == "get_taux_change":
        return await api_change(args["source"], args["cible"])

async def traiter_appels_paralleles(appels):
    taches = [
        executer_fonction(appel.name, appel.arguments)
        for appel in appels
    ]
    resultats = await asyncio.gather(*taches)

    return [
        {
            "type": "function_call_output",
            "call_id": appel.call_id,
            "output": json.dumps(resultat)
        }
        for appel, resultat in zip(appels, resultats)
    ]

# Execute
resultats = asyncio.run(traiter_appels_paralleles(appels))

# Send back to the model
response_finale = client.responses.create(
    model="gpt-5.6-terra",
    input=response.output + resultats,
    tools=tools
)
print(response_finale.output_text)

Desativar Chamadas Paralelas

parallel_tool_calls=False força o modelo a emitir apenas uma chamada por resposta. Utilize esta definição deliberadamente: troca latência por segurança. Reserve-a para funções que escrevem, modificam ou acionam algo externo.

response = client.responses.create(
    model="gpt-5.6-terra",
    input="Process these three orders",
    tools=tools,
    parallel_tool_calls=False  # One call per response
)

Casos de uso para desativar o paralelismo:

  • Operações que devem ser executadas numa ordem específica
  • Funções com efeitos colaterais que interferem entre si
  • Quando o resultado de uma chamada condiciona a próxima

Chamadas Sequenciais com um Ciclo

A execução sequencial não é controlada por um parâmetro: emerge do ciclo. Executa a chamada, envia o resultado de volta e o modelo decide o próximo passo com base no que acabou de aprender. É precisamente isto que distingue uma cadeia dinâmica de um plano rígido — se o passo 2 revelar que o passo 3 é desnecessário, o modelo não o chamará.

def boucle_function_calling(prompt: str, tools: list, max_tours: int = 10):
    """Complete loop for sequential function calling."""
    messages_input = prompt
    tour = 0

    while tour < max_tours:
        response = client.responses.create(
            model="gpt-5.6-terra",
            input=messages_input,
            tools=tools,
            parallel_tool_calls=False
        )

        # Check for function calls
        appels = [i for i in response.output if i.type == "function_call"]

        if not appels:
            # Model is done, responding with text
            return response.output_text

        # Execute each call
        resultats = []
        for appel in appels:
            resultat = executer_fonction_sync(appel.name, appel.arguments)
            resultats.append({
                "type": "function_call_output",
                "call_id": appel.call_id,
                "output": json.dumps(resultat)
            })

        # Prepare next turn
        messages_input = response.output + resultats
        tour += 1

    return "Turn limit reached"

Exemplo Prático: Pipeline de Processamento

Um caso típico onde a execução sequencial é obrigatória, porque cada passo consome o que o anterior produziu:

tools_pipeline = [
    {
        "type": "function",
        "name": "valider_commande",
        "description": "Verify order validity (stock, price, customer)",
        "parameters": {
            "type": "object",
            "properties": {
                "commande_id": {"type": "string"}
            },
            "required": ["commande_id"],
            "additionalProperties": False
        },
        "strict": True
    },
    {
        "type": "function",
        "name": "calculer_livraison",
        "description": "Calculate shipping fees and delays. "
                       "Requires a validated order.",
        "parameters": {
            "type": "object",
            "properties": {
                "commande_id": {"type": "string"},
                "mode": {"type": "string", "enum": ["standard", "express"]}
            },
            "required": ["commande_id", "mode"],
            "additionalProperties": False
        },
        "strict": True
    },
    {
        "type": "function",
        "name": "confirmer_commande",
        "description": "Confirm the order and trigger payment. "
                       "Requires prior validation and shipping calculation.",
        "parameters": {
            "type": "object",
            "properties": {
                "commande_id": {"type": "string"},
                "livraison_id": {"type": "string"}
            },
            "required": ["commande_id", "livraison_id"],
            "additionalProperties": False
        },
        "strict": True
    }
]

# The model will naturally call in this order:
# 1. valider_commande
# 2. calculer_livraison (using step 1 result)
# 3. confirmer_commande (using results from steps 1 and 2)
resultat = boucle_function_calling(
    "Process order CMD-42567 with express shipping",
    tools_pipeline
)

Padrão Híbrido: Paralelo Depois Sequencial

Na prática, a maioria dos fluxos de trabalho do mundo real segue este padrão misto: uma fase de recolha onde tudo pode correr simultaneamente, seguida de uma fase de processamento que respeita as dependências. Não precisa de codificar nada de especial para isto — é a consequência natural do ciclo, desde que as suas descrições tornem as dependências claras.

# Turn 1: Parallel data collection
# The model calls get_client AND get_stock in parallel

# Turn 2: Sequential decision based on results
# The model calls valider_commande with collected info

# Turn 3: Final action
# The model calls confirmer_commande

Este padrão parece natural: o modelo paraleliza automaticamente quando as chamadas são independentes e depois encadeia sequencialmente quando surge uma dependência.

Pontos-chave

  • O modelo paraleliza automaticamente chamadas independentes
  • Utilize asyncio.gather para executar chamadas paralelas no lado do cliente
  • Desative com parallel_tool_calls=False quando a ordem importa
  • Implemente um ciclo para fluxos de trabalho em múltiplos passos
  • As descrições das funções orientam o modelo sobre as dependências entre passos