Preskok na glavno vsebino
Slovenščina— Izberite jezik
Meni

Orodja in klicanje funkcij v glasovnem načinu

Lekcija 5 od 14 Posodobljeno 29. julij 2026 Srednje napredni
Na tej strani
  1. Agent, ki deluje, ne le govori
  2. Pet vrst orodij
  3. Celoten cikel klica funkcije
  4. Ko se hkrati sproži več funkcij
  5. Omejitve, specifične za glas
  6. Ključne ugotovitve

Agent, ki deluje, ne le govori

Glasovni pomočnik, ki zna le klepetati, hitro naleti na zid: vljudno odgovori na vprašanje „Kje je moje naročilo?”, ne da bi karkoli vedel. Prava vrednost glasovnega agenta je v njegovi zmožnosti, da sredi pogovora ukrepa (poizveduje v bazi podatkov, izvaja spletno iskanje, kliče poslovni API ali doseže strežnik MCP) in nato prebere rezultat, kot da se ni nič zgodilo.

Pet vrst orodij

Spletno iskanje v najpreprostejši obliki ne zahteva parametrov:

{ "type": "web_search" }

Agent nato v živo išče po spletu, kar pokriva dejanska vprašanja, novice in vse podatke, ki se spreminjajo prepogosto, da bi bili zapisani v pozivu.

Iskanje po platformi X deluje enako, z možnostjo omejitve na določene račune:

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

Parameter allowed_x_handles je izbirni, vendar spremeni naravo orodja. Brez njega agent išče po celotni platformi; z njim agent postane govornik, ki citira le vaše uradne objave.

Iskanje po datotekah poizveduje po zbirkah vektoriziranih dokumentov, kot so vaši priročniki, postopki in produktna dokumentacija:

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

Orodja po meri odprejo vrata vašim lastnim sistemom. To je vrsta orodja, ki jo boste uporabljali najpogosteje, zato jo velja skrbno opredeliti:

{
  "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"]
  }
}

Na enak način lahko povežete CRM, ERP, koledar ali interno bazo podatkov. Končno strežniki MCP omogočajo dostop do standardiziranih orodij prek protokola Model Context Protocol, tako da vam ni treba znova pisati integracije za vsako storitev:

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

Celoten cikel klica funkcije

Ko se agent odloči poklicati funkcijo, je ne izvede sam: zaprosi vas, da to storite, in vaša aplikacija opravi delo. Argumenti najprej pritečejo prek response.function_call_arguments.delta. Nato dogodek response.function_call_arguments.done označi konec zahteve in vam vrne call_id skupaj s popolnimi argumenti. Vaša naloga je izvesti funkcijo, nato pa vrniti rezultat kot conversation.item.create tipa function_call_output:

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

Zadnji korak je ključen in prav tega ljudje pogosto pozabijo: pošljite response.create, da agent rezultat vključi v svoj glasovni odgovor. Brez tega rezultat sicer prispe v pogovor, vendar se nič ne zgodi. Uporabnik sliši tišino, vi pa iščete napako na napačnem mestu.

Ko se hkrati sproži več funkcij

Model se lahko odloči, da bo hkrati poklical dve ali tri funkcije, na primer za preverjanje naročila in iskanje razporeda dostave. Nato prejmete več dogodkov function_call_arguments.done, vsak s svojim call_id. Izvedite jih vse, po možnosti vzporedno, da se zakasnitve ne seštevajo, vsak rezultat predložite v svojem conversation.item.create in čisto na koncu pošljite en sam response.create. En response.create na funkcijo bi sprožil toliko tekmujočih glasovnih odgovorov in agent bi začel govoriti sam čez sebe.

// 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" }));

Omejitve, specifične za glas

Kar v tekstovnem vmesniku ostane neopazno, postane v govoru očitno, začnimo s časom. Nikdo ne čaka več kot tri do pet sekund sredi pogovora. Po tem času uporabniki mislijo, da je zveza prekinjena, in začnejo govoriti. Če vaša funkcija poizveduje v počasnem sistemu, naj agent med klicem izreče zadrževalni stavek, namesto da pustite mrtvo tišino.

Enako pomembna je velikost rezultatov. Agent mora na glas povzeti vse, kar mu podate, in seznam štiridesetih naročil proizvede bodisi neskončno recitacijo bodisi grob povzetek. Vrnite strukturirane podatke, vendar omejene na bistveno. Pazite tudi na opis vsake funkcije, saj je to edino, na kar se model zanaša pri izbiri: nejasen opis, kot je „obdeluje naročila”, povzroči oklevanje ali izbiro napačnega orodja. In načrtujte napake. Ko funkcija odpove, vrnite izrecno sporočilo o napaki v output, namesto da ne vrnete ničesar, sicer bo agent improviziral odgovor, ne da bi vedel, da je klic spodletel.

Ključne ugotovitve

  • Glasovni agent podpira pet vrst orodij: spletno iskanje, iskanje po X, iskanje po datotekah, funkcije in MCP
  • Klic funkcije poteka v štirih korakih: prejmi argumente, izvedi funkcijo, vrni rezultat in sproži odgovor
  • Vzporedni klici so mogoči: izvedi vse, predloži vse, nato pošlji en sam response.create
  • V glasovnem načinu je čas odziva funkcije ključen: ciljaj na manj kot 3 sekunde