Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

Definiera verktyg i JSON

Lektion 4 av 14 Uppdaterad 29 juli 2026 Utvecklare
På denna sida
  1. Från teori till praktik
  2. Begärandestruktur med verktyg
  3. Nyckeltal för implementering
  4. Hantera svaret tool_call
  5. Kör och returnera resultatet
  6. Definiera flera verktyg
  7. Kontrollera finish_reason
  8. Viktiga punkter

Från teori till praktik

Du förstår nu konceptet funktionsanrop och strukturen för JSON-scheman. Det är dags att gå över till konkret implementering. I denna lektion lär du dig hur du bygger en komplett begäran med verktygsdefinitioner och hanterar modellens svar.

Begärandestruktur med verktyg

Här är en komplett begäran till Grok API med ett definierat verktyg:

from openai import OpenAI

client = OpenAI(
    api_key="your-api-key",
    base_url="https://api.x.ai/v1"
)

tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "Get the current weather for a city",
            "parameters": {
                "type": "object",
                "properties": {
                    "city": {
                        "type": "string",
                        "description": "City name"
                    },
                    "unit": {
                        "type": "string",
                        "enum": ["celsius", "fahrenheit"],
                        "default": "celsius"
                    }
                },
                "required": ["city"]
            }
        }
    }
]

response = client.chat.completions.create(
    model="grok-4.5",
    messages=[
        {"role": "user", "content": "What's the weather like in Paris?"}
    ],
    tools=tools
)

Observera den nästlade strukturen: objektet tools innehåller en array där varje element har en type och ett function-objekt med detaljerna.

Nyckeltal för implementering

200
Max verktyg per begäran
6
JSON-typer som stöds
3
Kompatibla SDK:n
1
Begäran = hela flödet

Hantera svaret tool_call

När modellen bestämmer sig för att anropa en funktion innehåller svaret en array tool_calls:

message = response.choices[0].message

if message.tool_calls:
    for tool_call in message.tool_calls:
        print(f"Function: {tool_call.function.name}")
        print(f"Arguments: {tool_call.function.arguments}")
        print(f"ID: {tool_call.id}")

Fältet tool_call.function.arguments är en JSON-sträng (inte ett Python-objekt). Du måste parsa den:

import json

args = json.loads(tool_call.function.arguments)
city = args["city"]
unit = args.get("unit", "celsius")

Kör och returnera resultatet

När funktionen har körts skickar du tillbaka resultatet till modellen i ett andra anrop:

import json

# 1. Kör funktionen
weather_data = get_weather(city="Paris", unit="celsius")

# 2. Bygg meddelandena med resultatet
messages = [
    {"role": "user", "content": "What's the weather like in Paris?"},
    message,  # Modellens svar med tool_calls
    {
        "role": "tool",
        "tool_call_id": tool_call.id,
        "content": json.dumps(weather_data)
    }
]

# 3. Anropa modellen igen med resultatet
final_response = client.chat.completions.create(
    model="grok-4.5",
    messages=messages,
    tools=tools
)

print(final_response.choices[0].message.content)

Meddelandet med rollen tool måste innehålla:

  • tool_call_id: den unika identifieraren för tool_call (för att länka den till begäran)
  • content: resultatet som en JSON-sträng

Definiera flera verktyg

Du kan deklarera så många verktyg som behövs i arrayen tools:

tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "Get the current weather for a city",
            "parameters": { ... }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "search_restaurants",
            "description": "Search for restaurants by city and cuisine type",
            "parameters": { ... }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "book_table",
            "description": "Book a table at a restaurant",
            "parameters": { ... }
        }
    }
]

Modellen väljer automatiskt det eller de relevanta verktygen baserat på användarens begäran.

Kontrollera finish_reason

Fältet finish_reason i svaret indikerar om modellen har avslutat sitt svar eller väntar på ett verktygsresultat:

finish_reason = response.choices[0].finish_reason

if finish_reason == "tool_calls":
    # Modellen väntar på resultatet från ett eller flera verktyg
    handle_tool_calls(response)
elif finish_reason == "stop":
    # Modellen har avslutat sitt svar
    print(response.choices[0].message.content)

Viktiga punkter

  • Begäran innehåller messages och tools (definitioner)
  • Argument för tool_call är en JSON-sträng som måste parsas
  • Skicka resultatet i ett meddelande med rollen tool inklusive tool_call_id
  • Kontrollera finish_reason för att veta om modellen väntar på ett resultat
  • Du kan deklarera flera verktyg – modellen väljer automatiskt