Preskok na glavno vsebino
Slovenščina— Izberite jezik
Meni

Arhitektura klicanja funkcij v API-ju Responses

Lekcija 1 od 20 Posodobljeno 2. november 2026 Razvijalec
Na tej strani
  1. Arhitektura klicanja funkcij v API-ju Responses
  2. Temeljno načelo
  3. Anatomija odgovora
  4. Popoln cikel
  5. Ključne razlike glede na Chat Completions
  6. Kdaj model pokliče funkcijo?
  7. Ključne ugotovitve

Posodobljeno 2. novembra 2026 na podlagi dokumentacije OpenAI: orodje Code Interpreter zdaj zahteva parameter container (dodan vsem primerom), deli vhodnega besedila uporabljajo vrsto input_text, spletno iskanje pa uporablja orodje web_search (web_search_preview je zdaj zastarelo orodje brez filtrov domen). Ustvarjene datoteke se pridobijo s funkcijama fichiers_generes in telecharger iz lekcije 10. Viri: Code Interpreter · Web search.

Arhitektura klicanja funkcij v API-ju Responses

Klicanje funkcij je osrednji mehanizem, ki modelom OpenAI omogoča interakcijo z zunanjim svetom. V API-ju Responses je bil ta mehanizem popolnoma prenovljen, da je bolj robusten, predvidljiv in naravno integriran z vgrajenimi orodji, kot sta spletno iskanje in Code Interpreter.

Temeljno načelo

Model nikoli ne naredi ničesar neposredno. Oddaja strukturirane namere, ki jih tvoja koda prestreže in izvrši. Če to sliši kot tehnična omejitev, si v resnici gre za načrtovalsko odločitev, ki omogoča vse ostalo.

Pomislite na alternativo. Če bi model sam izvrševal dejanja, bi mu moral predati poverilnice za bazo podatkov, ključe API in pravice za pisanje – in ne bi imel nobene točke, kjer bi karkoli preveril. Z ločitvijo vsaka namera potuje skozi tvojo kodo: preveriš argumente, uveljaviš poslovna pravila in po potrebi zavrneš zahtevo. Model predlaga, tvoja koda odloča, in prav ta meja ti omogoča, da klicanje funkcij uvedeš v proizvodno okolje, ne da bi izgubil nadzor.

from openai import OpenAI

client = OpenAI()

# Deklariraj prilagojeno orodje
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
)

Anatomija odgovora

Odgovor ne vsebuje bodisi besedila bodisi klicev orodij: output je heterogen seznam, ki lahko vsebuje oboje hkrati. Navada, ki jo moraš razviti že pri prvi vrstici kode, je iteracija skozi ta seznam, namesto da bi bral le output[0]. Model, ki pred klicem funkcije razloži svoje razmišljanje, proizvede prav takšen primer, in koda, ki bere samo prvi element, se bo porušila tisti dan, ko model začne dodajati komentarje.

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 ključen: povezuje klic z njegovim rezultatom, ko odgovor pošlješ nazaj modelu. Pri enem samem klicu tega komaj opaziš; pri treh vzporednih klicih pa je to edino, kar preprečuje, da bi vremensko napoved za Lyon pripisal zahtevi za Marseille. Rezultat vedno vrni s call_id, ki si ga prejel, nikoli z ID-jem, ki ga rekonstruiraš na svoji strani.

Popoln cikel

Ta štiristopenjski cikel je nespremenljiv: velja za eno funkcijo ali dvajset njih, za preprost klic ali agenta, ki veriži deset orodij. Vsa zapletenost, s katero se boš srečal kasneje – vzporednost, napake, nadomestne rešitve – sestoji iz instrumentiranja te zanke, nikoli iz njene zamenjave.

import json

# 1. Prvi klic z deklariranimi orodji
response = client.responses.create(
    model="gpt-5.6-terra",
    input="What is the balance for client [email protected]?",
    tools=tools
)

# 2. Zaznaj in izvrši klice funkcij
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. Pošlji rezultate nazaj modelu
response_finale = client.responses.create(
    model="gpt-5.6-terra",
    input=response.output + resultats,
    tools=tools
)

# 4. Model oblikuje svoj naravni odgovor
print(response_finale.output_text)

Ključne razlike glede na Chat Completions

API Responses prinaša več arhitekturnih izboljšav.

Naravno upravljanje vgrajenih orodij

Vgrajena orodja so deklarirana popolnoma enako kot tvoje funkcije, vendar se izvršijo na strani OpenAI. Praktična posledica je prijetna: zanje ne pišeš nobene zanke. Model pokliče, prejme rezultat in nadaljuje, vse v enem krogu komunikacije. Zgoraj opisana zanka velja samo za tvoje funkcije – tiste, ki tečejo na tvojem stroju.

# Mešaj vgrajena in prilagojena orodja
tools = [
    {"type": "web_search"},
    {"type": "code_interpreter", "container": {"type": "auto"}},
    {
        "type": "function",
        "name": "ma_fonction",
        "description": "My custom function",
        "parameters": {"type": "object", "properties": {}}
    }
]

Stabilni identifikatorji klicev

Vsak klic funkcije prejme edinstven call_id, ki ti omogoča natančno sledenje, kateri rezultat pripada kateremu klicu, tudi pri vzporednih klicih.

Poenostavljen tok

Ni treba ročno upravljati vlog assistant in tool v sporočilih. Polje input neposredno sprejema združevanje prejšnjih izhodov z rezultati funkcij.

Kdaj model pokliče funkcijo?

Model se odloči za klic funkcije, ko uporabnikova zahteva potrebuje informacije, ki jih nima, ko opis funkcije ustreza ugotovljeni potrebi in ko je mogoče zahtevane parametre sklepati iz konteksta.

Zato morajo biti hkrati izpolnjeni trije pogoji, kar je koristno za odpravljanje napak: ko funkcija ni poklicana, čeprav bi morala biti, je vzrok skoraj vedno drugi – opis, ki ne zajema načina, kako je uporabnik formuliral svojo zahtevo. Parameter tool_choice ti omogoča vsiliti vedenje, ko opis ni dovolj:

# Pusti modelu, da se odloči
tool_choice = "auto"

# Vsili klic določene funkcije
tool_choice = {"type": "function", "name": "rechercher_client"}

# Prepove vse klice funkcij
tool_choice = "none"

# Zahtevaj vsaj en klic brez določanja katerega
tool_choice = "required"

Ključne ugotovitve

  • Klicanje funkcij je protokol namer, ne protokol izvrševanja
  • Zanka klic-izvrši-vrni je temeljni vzorec
  • Vgrajena in prilagojena orodja sobivajo v istem polju tools
  • call_id zagotavlja sledljivost za vsak klic
  • tool_choice ti omogoča fino nadzorovanje vedenja modela