Salt la conținutul principal
Română— Alege o limbă
Meniu

Instrumente și apelarea funcțiilor în voce

Lecția 5 din 14 Actualizată 29 iulie 2026 Intermediar
Pe această pagină
  1. Un agent care acționează, nu doar vorbește
  2. Cele cinci tipuri de instrumente
  3. Ciclul complet al apelului de funcție
  4. Când mai multe funcții se declanșează simultan
  5. Constrângeri specifice vocii
  6. Puncte cheie

Un agent care acționează, nu doar vorbește

Un asistent vocal capabil doar să converseze lovește rapid un zid: răspunde politicos la „Unde este comanda mea?“, fără să știe nimic. Valoarea reală a Agentului Vocal constă în capacitatea sa de a întreprinde acțiuni în mijlocul unei conversații (interogarea unei baze de date, efectuarea unei căutări pe web, apelarea unui API de afaceri, accesarea unui server MCP) și de a citi rezultatul cu voce tare, ca și cum nimic nu s-ar fi întâmplat.

Cele cinci tipuri de instrumente

Căutarea pe web, în forma sa cea mai simplă, nu necesită parametri:

{ "type": "web_search" }

Agentul caută apoi live pe web, ceea ce acoperă întrebările factuale, știrile și orice date care se schimbă prea des pentru a fi incluse într-un prompt.

Căutarea X funcționează în același mod, cu opțiunea de a o limita la anumite conturi:

{
  "type": "x_search",
  "allowed_x_handles": ["corsen_ai"]
}

Parametrul allowed_x_handles este opțional, dar schimbă natura instrumentului. Fără el, agentul caută pe întreaga platformă; cu el, agentul devine un purtător de cuvânt care citează doar postările dumneavoastră oficiale.

Căutarea în fișiere interoghează colecții de documente vectorizate, cum ar fi manualele, procedurile și documentația produselor dumneavoastră:

{
  "type": "file_search",
  "vector_store_ids": ["vs_abc123"],
  "max_num_results": 10
}

Funcțiile personalizate deschid ușa către propriile dumneavoastră sisteme. Acesta este genul de instrument pe care îl veți folosi cel mai des și merită declarat cu atenție:

{
  "type": "function",
  "name": "check_order",
  "description": "Checks the status of a customer order",
  "parameters": {
    "type": "object",
    "properties": {
      "order_number": {
        "type": "string",
        "description": "The order number, in the format CMD-XXXX"
      }
    },
    "required": ["order_number"]
  }
}

Puteți conecta un CRM, un ERP, un calendar sau o bază de date internă în același mod. În final, serverele MCP oferă acces la instrumente standardizate prin Model Context Protocol, astfel încât nu trebuie să rescrieți o integrare pentru fiecare serviciu:

{
  "type": "mcp",
  "server_url": "https://mcp.example.com/sse",
  "server_label": "My MCP server"
}

Ciclul complet al apelului de funcție

Când agentul decide să apeleze o funcție, nu o execută: vă cere dumneavoastră să o faceți, iar aplicația dumneavoastră efectuează munca. Argumentele sunt transmise mai întâi prin fluxul response.function_call_arguments.delta. Apoi, evenimentul response.function_call_arguments.done marchează sfârșitul cererii și vă oferă call_id împreună cu argumentele complete. Depinde de dumneavoastră să executați funcția, apoi să returnați rezultatul ca un conversation.item.create de tip function_call_output:

{
  "type": "conversation.item.create",
  "item": {
    "type": "function_call_output",
    "call_id": "call_abc123",
    "output": "{\"status\": \"shipped\", \"delivery_date\": \"2026-04-05\"}"
  }
}

Un ultim pas este esențial și este cel pe care oamenii îl uită: trimiteți response.create pentru ca agentul să integreze rezultatul în răspunsul său vocal. Fără acest pas, rezultatul ajunge în conversație, dar nu se întâmplă nimic. Utilizatorul aude liniște, iar dumneavoastră căutați eroarea în locul greșit.

Când mai multe funcții se declanșează simultan

Modelul poate decide să apeleze două sau trei funcții simultan, de exemplu pentru a verifica o comandă și a consulta programul de livrare. Veți primi apoi mai multe evenimente function_call_arguments.done, fiecare cu propriul său call_id. Executați-le pe toate, în paralel dacă este posibil, pentru ca latențele să nu se acumuleze, trimiteți fiecare rezultat în propriul său conversation.item.create și trimiteți un singur response.create la final. Un response.create per funcție ar declanșa tot atâtea răspunsuri vocale concurente, iar agentul ar începe să vorbească peste el însuși.

// Receive and run all the functions
const results = await Promise.all(
  pendingCalls.map(call => executeFunction(call))
);

// Submit all the results
for (const result of results) {
  ws.send(JSON.stringify({
    type: "conversation.item.create",
    item: {
      type: "function_call_output",
      call_id: result.callId,
      output: JSON.stringify(result.data)
    }
  }));
}

// Trigger the response
ws.send(JSON.stringify({ type: "response.create" }));

Constrângeri specifice vocii

Ceea ce trece neobservat într-o interfață text devine flagrant în vorbire, începând cu timpul. Nimeni nu așteaptă mai mult de trei până la cinci secunde în mijlocul unei conversații. Dincolo de acest prag, utilizatorii cred că linia s-a întrerupt și încep să vorbească. Dacă funcția dumneavoastră interoghează un sistem lent, faceți ca agentul să rostească o frază de așteptare în timpul apelului, în loc să lase un spațiu mort.

Dimensiunea rezultatelor contează tout autant. Agentul trebuie să rezume cu voce tare orice îi oferiți, iar o listă de patruzeci de comenzi produce fie un recital interminabil, fie un rezumat brut. Returnați date structurate, dar limitați-le la ceea ce contează. Acordați atenție și descrierii fiecărei funcții, deoarece este singurul element pe care modelul se bazează pentru a alege: o descriere vagă precum „gestionează comenzile“ îl face să ezite sau să aleagă instrumentul greșit. Și planificați eșecul. Când o funcție se blochează, returnați un mesaj de eroare explicit în output în loc de nimic, altfel agentul va improviza un răspuns fără să știe că apelul a eșuat.

Puncte cheie

  • Agentul Vocal suportă cinci tipuri de instrumente: căutare web, căutare X, căutare în fișiere, funcții și MCP
  • Un apel de funcție parcurge patru pași: primirea argumentelor, executarea funcției, returnarea rezultatului și declanșarea răspunsului
  • Apelurile paralele sunt posibile: executați totul, trimiteți totul, apoi trimiteți un singur response.create
  • În voce, timpul de răspuns al funcției este critic: vizați sub 3 secunde