O Fluxo de Execução em 5 Passos
Nesta página
Como o Grok Decide Utilizar uma Ferramenta
Quando ativa uma ou mais ferramentas no seu pedido de API, o modelo não as utiliza necessariamente. Ele segue um processo de decisão estruturado em cinco passos para determinar se uma ferramenta é necessária, qual utilizar e como integrar os resultados na sua resposta.
Compreender este fluxo ajuda-o a antecipar o comportamento do modelo e a otimizar os seus prompts para obter resultados precisos.
Os 5 Passos do Fluxo
Passo 1: Análise do Pedido
O modelo começa por analisar a mensagem do utilizador para identificar o que está a ser solicitado. Avalia a natureza da questão: é um pedido factual que requer dados recentes? Um cálculo complexo? Uma questão de opinião que não requer ferramentas?
Esta análise é crítica. Se o modelo já possuir a informação nos seus dados de treino e não forem necessários dados em tempo real, pode optar por responder diretamente sem ativar nenhuma ferramenta.
Passo 2: Decisão de Chamada
Com base na sua análise, o modelo decide se chama uma ferramenta ou responde diretamente. Esta decisão depende de três fatores. Primeiro, a natureza da questão: uma consulta sobre eventos atuais aponta naturalmente para a Pesquisa na Web, enquanto uma questão sobre o que as pessoas estão a dizer neste momento sobre um tópico aponta para a Pesquisa no X. Segundo, o âmbito que definiu: o modelo escolhe apenas entre as ferramentas ativadas no seu array tools — uma ferramenta ausente simplesmente não existe para ele. Por fim, a sua própria confiança: se acreditar que pode responder corretamente a partir da memória, poupa a chamada, o que é o comportamento desejável na maioria das vezes.
Mantém o controlo sobre esta decisão através do prompt: “Pesquise as informações mais recentes sobre…” aponta claramente para a Pesquisa na Web, enquanto uma formulação neutra deixa o modelo decidir por si próprio.
Passo 3: Execução
O processamento difere consoante a categoria da ferramenta:
- Ferramenta integrada: A execução é automática e transparente. O servidor da xAI realiza a pesquisa ou a execução de código, e o resultado é transmitido diretamente ao modelo. Não vê este passo na resposta da API.
- Chamada de Função (Function Calling): O modelo devolve um objeto que descreve a função a chamar e os seus argumentos. O seu código deve executar a função e devolver o resultado através de um novo pedido.
Passo 4: Processamento dos Resultados
Assim que os resultados são obtidos, o modelo avalia-os antes de responder — e é aqui que o fluxo se torna verdadeiramente agente. Se os resultados forem suficientes, passa diretamente à formulação da resposta final. Se forem insuficientes — pesquisa demasiado restrita, resultados fora do tema — pode emitir outra chamada com parâmetros ajustados, alargando ou refinando a sua consulta, sem que tenha de intervir. E para uma questão verdadeiramente complexa, encadeia várias ferramentas: uma pesquisa na web para recolher dados, seguida de Execução de Código para os analisar, por exemplo.
Este comportamento iterativo é valioso para a qualidade da resposta, mas tem uma consequência direta na faturação: cada chamada de ferramenta é faturada separadamente, e uma questão que desencadeie três pesquisas custa três invocações. Tenha este mecanismo em mente ao estimar os seus custos.
Passo 5: Resposta Final
O modelo formula a sua resposta integrando as informações recolhidas. Se foram consultadas fontes da web ou do X, a resposta inclui automaticamente citações com os URLs originais. Estas citações estão acessíveis no campo citations do objeto de resposta.
Implicações Práticas
Custos Cumulativos
O modelo pode efetuar múltiplas chamadas de ferramentas para um único pedido do utilizador. Cada chamada é faturada independentemente, para além do consumo de tokens. Um prompt ambíguo pode gerar chamadas desnecessárias e aumentar os seus custos.
Controlo via Prompt
Não pode obrigar o modelo a utilizar uma ferramenta específica, mas pode orientá-lo fortemente através do seu prompt de sistema ou da mensagem do utilizador. Instruções claras reduzem as chamadas desnecessárias.
Comportamento Não Determinístico
A escolha de utilizar ou não uma ferramenta pode variar entre duas chamadas idênticas, especialmente com configurações de temperatura elevadas. Para resultados reproduzíveis, utilize uma temperatura baixa (0.0 a 0.3).
Pontos-chave
- O modelo segue um fluxo de 5 passos: análise, decisão, execução, processamento, resposta
- Só solicita uma ferramenta se a considerar necessária — não é automático
- São possíveis múltiplas chamadas, o que aumenta os custos
- Um prompt preciso reduz chamadas desnecessárias e melhora a relevância
- As citações são incluídas automaticamente quando as fontes foram consultadas