Prejsť na hlavný obsah
Slovenčina— Vyberte jazyk
Menu

Architektúra volania funkcií v Responses API

Lekcia 1 z 20 Aktualizované 2. novembra 2026 Vývojár
Na tejto strane
  1. Architektúra volania funkcií v Responses API
  2. Základný princíp
  3. Anatómia odpovede
  4. Kompletný cyklus
  5. Kľúčové rozdiely oproti Chat Completions
  6. Kedy model zavolá funkciu?
  7. Kľúčové poznatky

Aktualizované 2. novembra 2026 na základe dokumentácie OpenAI: nástroj Code Interpreter teraz vyžaduje parameter container (pridaný do všetkých príkladov), časti vstupného textu používajú typ input_text a webové vyhľadávanie používa nástroj web_search (web_search_preview je teraz zastaraný nástroj bez filtrov domén). Vygenerované súbory sa získavajú pomocou funkcií fichiers_generes a telecharger z Lekcie 10. Zdroje: Code Interpreter · Web search.

Architektúra volania funkcií v Responses API

Volanie funkcií je kľúčový mechanizmus, ktorý umožňuje modelom OpenAI komunikovať s vonkajším svetom. V Responses API bol tento mechanizmus prepracovaný tak, aby bol robustnejší, predvídateľnejší a natívne integrovaný so vstavanými nástrojmi, ako sú Web Search a Code Interpreter.

Základný princíp

Model nikdy nič nevykonáva priamo. Vysiela štruktúrované zámery, ktoré tvoj kód zachytí a vykoná. Môže to znieť ako technické obmedzenie, no v skutočnosti ide o dizajnové rozhodnutie, ktoré umožňuje všetko ostatné.

Predstav si alternatívu. Ak by model vykonával akcie sám, musel by si mu odovzdať prihlasovacie údaje do databázy, API kľúče a práva na zápis – a nemal by si žiadny bod, v ktorom by si mohol čokoľvek overiť. Pri oddelení prechádza každý zámer cez tvoj kód: validuješ argumenty, presadzuješ obchodné pravidlá a v prípade potreby odmietneš vykonanie. Model navrhuje, tvoj kód rozhoduje a práve táto hranica ti umožňuje nasadiť volanie funkcií do produkcie bez straty kontroly.

from openai import OpenAI

client = OpenAI()

# Deklarácia vlastného nástroja
tools = [{
    "type": "function",
    "name": "rechercher_client",
    "description": "Search for a client in the CRM by name or email",
    "parameters": {
        "type": "object",
        "properties": {
            "terme": {
                "type": "string",
                "description": "Client name, email, or ID"
            },
            "champ": {
                "type": "string",
                "enum": ["nom", "email", "id"],
                "description": "Field to search in"
            }
        },
        "required": ["terme"]
    }
}]

response = client.responses.create(
    model="gpt-5.6-terra",
    input="Find the client Jean Dupont",
    tools=tools
)

Anatómia odpovede

Odpoveď neobsahuje buď text, alebo volania nástrojov: output je heterogénny zoznam, ktorý môže obsahovať oboje. Zvyk, ktorý si musíš osvojiť hneď od prvého riadku kódu, je iterovať cez tento zoznam namiesto čítania output[0]. Model, ktorý vysvetľuje svoje uvažovanie pred zavolaním funkcie, presne tento prípad vytvorí a kód, ktorý číta iba prvý prvok, sa pokazí v momente, keď začne pridávať komentáre.

for item in response.output:
    if item.type == "function_call":
        print(f"Call ID  : {item.call_id}")
        print(f"Function : {item.name}")
        print(f"Args     : {item.arguments}")

call_id je kľúčové: spája volanie s jeho výsledkom, keď odpoveď posielaš späť modelu. Pri jednom volaní si to sotva všimneš; pri troch paralelných volaniach je to jediná vec, ktorá ti zabráni pripísať počasie v Lyone požiadavke týkajúcej sa Marseille. Výsledok vždy vráť s call_id, ktoré si dostal, nikdy s ID, ktoré si rekonštruješ na svojej strane.

Kompletný cyklus

Tento štvorkrokový cyklus je nemenný: platí pre jednu funkciu aj pre dvadsať, pre jednoduché volanie aj pre agenta, ktorý reťazí desať nástrojov. Všetka zložitosť, s ktorou sa neskôr stretneš – paralelizmus, chyby, záložné riešenia – spočíva v inštrumentácii tohto cyklu, nikdy v jeho nahradení.

import json

# 1. Prvé volanie s deklarovanými nástrojmi
response = client.responses.create(
    model="gpt-5.6-terra",
    input="What is the balance for client [email protected]?",
    tools=tools
)

# 2. Detekcia a vykonanie volaní funkcií
resultats = []
for item in response.output:
    if item.type == "function_call":
        if item.name == "rechercher_client":
            args = json.loads(item.arguments)
            resultat = votre_crm.rechercher(args["terme"])
            resultats.append({
                "type": "function_call_output",
                "call_id": item.call_id,
                "output": json.dumps(resultat)
            })

# 3. Odoslanie výsledkov späť modelu
response_finale = client.responses.create(
    model="gpt-5.6-terra",
    input=response.output + resultats,
    tools=tools
)

# 4. Model formulujú svoju prirodzenú odpoveď
print(response_finale.output_text)

Kľúčové rozdiely oproti Chat Completions

Responses API prináša niekoľko architektonických vylepšení.

Natívne spracovanie vstavaných nástrojov

Vstavané nástroje sa deklarujú presne ako tvoje funkcie, ale vykonávajú sa na strane OpenAI. Praktický dôsledok je príjemný: pre ne nepíšeš žiadny cyklus. Model zavolá funkciu, získa výsledok a pokračuje ďalej, všetko v rámci jedného kola komunikácie. Cyklus opísaný vyššie sa týka len tvojich funkcií – tých, ktoré bežia na tvojom stroji.

# Mix vstavaných a vlastných nástrojov
tools = [
    {"type": "web_search"},
    {"type": "code_interpreter", "container": {"type": "auto"}},
    {
        "type": "function",
        "name": "ma_fonction",
        "description": "My custom function",
        "parameters": {"type": "object", "properties": {}}
    }
]

Stabilné identifikátory volaní

Každé volanie funkcie dostane jedinečné call_id, ktoré ti umožňuje presne vystopovať, ktorý výsledok zodpovedá ktorému volaniu, a to aj pri paralelných volaniach.

Zjednodušený tok

Nie je potrebné manuálne spravovať role assistant a tool v správach. Pole input priamo akceptuje zreťazenie predchádzajúcich výstupov s výsledkami funkcií.

Kedy model zavolá funkciu?

Model sa rozhodne zavolať funkciu, keď požiadavka používateľa vyžaduje informácie, ktoré nemá, keď popis funkcie zodpovedá identifikovanej potrebe a keď požadované parametre možno odvodiť z kontextu.

Musia byť teda súčasne splnené tri podmienky, čo je užitočné pri ladení: keď sa funkcia nezavolá, hoci by mala, príčina je takmer vždy v tej druhej – popis, ktorý nepokrýva spôsob, akým používateľ formuloval svoju požiadavku. Parameter tool_choice ti umožňuje vynútiť správanie, keď popis nestačí:

# Nechaj rozhodnutie na modeli
tool_choice = "auto"

# Vynúť volanie konkrétnej funkcie
tool_choice = {"type": "function", "name": "rechercher_client"}

# Zakáž všetky volania funkcií
tool_choice = "none"

# Vyžaduj aspoň jedno volanie bez špecifikácie ktorého
tool_choice = "required"

Kľúčové poznatky

  • Volanie funkcií je protokol zámerov, nie protokol vykonávania
  • Cyklus volanie-vykonanie-návrat je základným vzorcom
  • Vstavané a vlastné nástroje koexistujú v tom istom poli tools
  • call_id zabezpečuje sledovateľnosť každého volania
  • tool_choice ti umožňuje jemne riadiť správanie modelu