Kombiniraj orodja v enem klicu
Na tej strani
Posodobljeno 2. novembra 2026 na podlagi dokumentacije OpenAI: orodje Code Interpreter zdaj zahteva parameter
container(dodan vsem primerom), deli besedilnega vnosa uporabljajo vrstoinput_text, spletno iskanje pa uporablja orodjeweb_search(web_search_previewje zdaj zastarelo orodje brez filtrov domen). Ustvarjene datoteke se pridobijo s funkcijamafichiers_generesintelechargeriz lekcije 10. Datoteke, priložene sporočilu, se naložijo z namenomuser_data, kar OpenAI priporoča za vhode modela (File inputs). Viri: Code Interpreter · Web search.
Kombiniraj orodja v enem klicu
Do zdaj smo vsako orodje obravnavali ločeno. V produkcijskem okolju zanimiva vprašanja redko pridejo v takšni obliki. Vprašanje „kako se naše prodaje primerjajo s trgom?” zahteva pridobitev notranje številke, zunanje številke in nato njuno primerjavo. Tri orodja, trije viri, en klic.
Spremeni se tisti, ki odloča o vrstnem redu. Ne programiraš zaporedja: razglasiš razpoložljiva orodja in opišeš pričakovani rezultat, model pa sam vzpostavi svoj načrt. To je priročno, a hkrati točka, na katero moraš biti pozoren – implicitni načrt je načrt, ki ga ne moreš pregledati. Zadnji del te lekcije prikazuje, kako ponovno prevzeti nadzor, ko je vrstni red resnično pomemben.
Načelo kombiniranja
Vsa orodja so razglašena v istem polju tools in to je celoten mehanizem: ne obstaja API za sestavljanje, le seznam razpoložljivih zmogljivosti. Model prebere tvojo zahtevo, sklepa o potrebnih korakih in pokliče tisto, kar potrebuje, v vrstnem redu, ki se mu zdi koristen. Orodje, ki je razglašeno, a za nalogo nepotrebno, preprosto ne bo poklicano – ne stane ničesar razen nekaj žetonov v njegovem opisu.
from openai import OpenAI
client = OpenAI()
response = client.responses.create(
model="gpt-5.6-terra",
input="Compare our sales forecasts with market trends, "
"then create a comparison chart.",
tools=[
{"type": "file_search", "vector_store_ids": ["vs_previsions"]},
{"type": "web_search"},
{"type": "code_interpreter", "container": {"type": "auto"}}
]
)
Model bo:
- Pridobil notranje napovedi prek File Search
- Pridobil tržne trende prek Web Search
- Ustvaril primerjalni grafikon prek Code Interpreter
Celoten primer: analitični asistent
with open("donnees_ventes.csv", "rb") as f:
fichier = client.files.create(file=f, purpose="user_data")
tools = [
# Iskanje po notranjih dokumentih
{
"type": "file_search",
"vector_store_ids": ["vs_rapports", "vs_objectifs"],
"max_num_results": 10
},
# Spletno iskanje za tržni kontekst
{
"type": "web_search",
"search_context_size": "medium"
},
# Izvajanje kode za analizo
{"type": "code_interpreter", "container": {"type": "auto"}},
# Funkcija za shranjevanje poročila
{
"type": "function",
"name": "sauvegarder_rapport",
"description": "Save an analysis report to the document system",
"parameters": {
"type": "object",
"properties": {
"titre": {"type": "string"},
"contenu": {"type": "string"},
"categorie": {
"type": "string",
"enum": ["analyse", "prevision", "audit", "comparaison"]
},
"tags": {
"type": "array",
"items": {"type": "string"}
}
},
"required": ["titre", "contenu", "categorie", "tags"],
"additionalProperties": False
},
"strict": True
}
]
response = client.responses.create(
model="gpt-5.6-terra",
input=[{
"role": "user",
"content": [
{"type": "input_text", "text": (
"Based on this sales file: "
"1. Analyze trends over the last 12 months "
"2. Compare with our annual goals (search the docs) "
"3. Search the web for market trends "
"4. Generate a comparison chart "
"5. Write a summary report "
"6. Save the report"
)},
{"type": "input_file", "file_id": fichier.id}
]
}],
tools=tools,
instructions=(
"You are a senior business analyst. "
"Use all tools at your disposal to produce "
"a complete, sourced analysis."
)
)
Upravljanje zanke z več orodji
Tu obstaja asimetrija, na katero moraš biti pozoren, saj določa strukturo tvoje kode. Vgrajena orodja – Web Search, File Search, Code Interpreter – se izvajajo pri OpenAI: model jih pokliče, prejme rezultat in nadaljuje, vse v enem krogu komunikacije. Tvoje funkcije po meri pa se izvajajo na tvoji strani: model lahko le zahteva njihovo izvedbo, nato prepusti nadzor in čaka.
Zato spodnja zanka. Dokler odgovor vsebuje klice funkcij, jih izvršiš, vrneš rezultate in znova začneš. Nastavi največje število iteracij: model, ki bi v nedogled klical isto orodje, ker ga rezultat ne zadovolji, je redek, a realen primer, in brez varovala bo porabil tvoj proračun do izčrpanosti.
import json
def boucle_multi_outils(prompt, tools, fichiers=None, max_tours=15):
"""Function calling loop with multi-tool support."""
content = [{"type": "input_text", "text": prompt}]
if fichiers:
for fid in fichiers:
content.append({"type": "input_file", "file_id": fid})
messages = [{"role": "user", "content": content}]
for tour in range(max_tours):
response = client.responses.create(
model="gpt-5.6-terra",
input=messages,
tools=tools,
instructions="Use the necessary tools to answer completely."
)
# Built-in tools (web_search, file_search, code_interpreter)
# are executed automatically on the server side.
# We only handle custom function_call items.
appels_custom = [
item for item in response.output
if item.type == "function_call"
]
if not appels_custom:
# No custom call: the model is finished
return {
"reponse": response.output_text,
"tours": tour + 1,
"tokens": response.usage.total_tokens
}
# Execute custom functions
resultats = []
for appel in appels_custom:
resultat = dispatcher_fonctions(appel.name, appel.arguments)
resultats.append({
"type": "function_call_output",
"call_id": appel.call_id,
"output": json.dumps(resultat)
})
# Prepare the next turn
messages = response.output + resultats
return {"reponse": "Turn limit reached", "tours": max_tours}
Strategije orkestracije
Usmeri vrstni red orodij
Samodejna orkestracija deluje dobro, dokler vrstni red ni pomemben. Preneha delovati, ko mora en korak informirati naslednjega: na primer iskanje po tvojih dokumentih pred spletom, ker notranji besednjak določa ustreznost zunanjega poizvedbe. Sistemski poziv je vzvod – ne kot tehnična omejitev, temveč kot metodološko navodilo, ki ga model tem bolje sledi, čim bolj je utemeljeno.
# Strategija 1: najprej išči, nato deluj
instructions_recherche_dabord = (
"Before any action, first search for the necessary information "
"in internal documents and on the web. "
"Do not propose actions until you have gathered all data."
)
# Strategija 2: najprej analiza podatkov, nato obogatitev
instructions_analyse_dabord = (
"Start by analyzing the data with Code Interpreter. "
"Then enrich your conclusions with web searches. "
"Finally, compare with internal documents."
)
# Strategija 3: navzkrižno preverjanje
instructions_verification = (
"For each important piece of information, verify it in at least two sources: "
"internal documents AND web search. Report any contradictions."
)
Omeji orodja po korakih
Nasprotni pristop je odstraniti izbiro. Namesto enega klica s polnim naborom orodij razdeliš delovni tok na več klicev, pri čemer vsak razglasi le orodje za svoj specifični korak. Izgubiš samodejno orkestracijo, a dobiš tri stvari, ki so v produkciji pomembne: zagotovljen vrstni red, predvidljive stroške in izolabilne napake. Za kritičen tok je to skoraj vedno pravi kompromis.
# 1. korak: zbiranje podatkov (brez kode)
response_collecte = client.responses.create(
model="gpt-5.6-terra",
input="Gather information on Project Alpha",
tools=[
{"type": "file_search", "vector_store_ids": ["vs_projets"]},
{"type": "web_search"}
]
)
# 2. korak: analiza s zbranimi podatki
response_analyse = client.responses.create(
model="gpt-5.6-terra",
input=f"Analyze this information and generate charts:\n"
f"{response_collecte.output_text}",
tools=[{"type": "code_interpreter", "container": {"type": "auto"}}]
)
Vzorec: agent z več veščinami
Ta zadnji primer združuje oba pristopa: usmerjevalnik izbere konfiguracijo orodij glede na naravo zahteve, nato pa modelu dovoli orkestracijo znotraj tega omejenega obsega. To je kompromis, ki se obnese v praksi – dovolj svobode za absorpcijo raznolikosti zahtev, dovolj strukture za ohranjanje predvidljivosti stroškov in vedenja.
class AgentMultiCompetences:
def __init__(self, vector_stores: list[str], fonctions: list[dict]):
self.client = OpenAI()
self.tools = [
{"type": "file_search", "vector_store_ids": vector_stores},
{"type": "web_search", "search_context_size": "medium"},
{"type": "code_interpreter", "container": {"type": "auto"}},
] + fonctions
def traiter(self, requete: str, fichiers: list[str] = None) -> dict:
return boucle_multi_outils(requete, self.tools, fichiers)
# Instantiacija agenta
agent = AgentMultiCompetences(
vector_stores=["vs_docs", "vs_contrats"],
fonctions=[
{
"type": "function",
"name": "envoyer_email",
"description": "Send a notification email",
"parameters": {
"type": "object",
"properties": {
"destinataire": {"type": "string"},
"sujet": {"type": "string"},
"corps": {"type": "string"}
},
"required": ["destinataire", "sujet", "corps"],
"additionalProperties": False
},
"strict": True
},
{
"type": "function",
"name": "creer_tache",
"description": "Create a task in the project manager",
"parameters": {
"type": "object",
"properties": {
"titre": {"type": "string"},
"assignee": {"type": "string"},
"priorite": {"type": "string", "enum": ["basse", "moyenne", "haute"]},
"echeance": {"type": "string"}
},
"required": ["titre", "assignee", "priorite"],
"additionalProperties": False
},
"strict": True
}
]
)
# Agent lahko zdaj:
# - Išče po dokumentih
# - Išče po spletu
# - Analizira podatke
# - Pošilja e-pošto
# - Ustvarja naloge
resultat = agent.traiter(
"Analyze Q1 sales, compare with goals, "
"and create a task for the sales director if we are behind."
)
Ključne ugotovitve
- Vsa orodja sobivajo v istem polju
tools - Vgrajena orodja se izvajajo na strani strežnika, funkcije po meri na strani odjemalca
- Model samodejno orkestrira vrstni red klicev
- Strategijo orkestracije usmeri prek sistemskega poziva
- Implementiraj zanko za obravnavo klicev funkcij po meri