Inga anpassade funktionsanrop: Förstå begränsningen
På denna sida
En strukturell begränsning
Om du är van vid att deklarera dina egna funktioner och låta modellen bestämma när de ska anropas, gör dig redo att ändra din strategi: Groks flergentssystem stöder inte anpassade funktionsanrop. Detta är inte en konfigurationsdetalj; det är en arkitektonisk begränsning som påverkar hur du strukturerar din applikation. Det är bättre att ta reda på detta nu än efter att ha skrivit trehundra rader med funktionsscheman.
Den exakta gränsen
Det som fungerar är de fem inbyggda verktygen från föregående lektion: web_search för sökning på webben i realtid, x_search för X-plattformen, code_execution för att köra Python, collections_search för dina indexerade samlingar och Remote MCP för externa verktyg via MCP-protokollet. Inget annat fungerar. Funktioner som definieras i din kod, anpassade scheman och anrop till dina egna API:er via mekanismen för funktionsanrop nekas alla.
Specifikt har deklarationen nedan, som är helt giltig med en standardmodell, ingen effekt i flergentsläge.
# DOES NOT WORK with multi-agent
tools = [
{
"type": "function",
"function": {
"name": "get_weather",
"description": "Get the weather",
"parameters": {"type": "object", "properties": {"city": {"type": "string"}}}
}
}
]
Var denna begränsning kommer ifrån
Anledningen handlar om samordning. Med en enda modell är loopen för funktionsanrop tydlig: modellen begär ett anrop, din kod exekverar det, du returnerar resultatet och modellen fortsätter. Introducera nu fyra eller sexton agenter som arbetar parallellt, så hopar sig frågorna. Vilken agent beslutar om att anropa funktionen? Vad händer om två agenter anropar samma funktion samtidigt med olika argument? Hur syntetiserar ledaren resultat som erhållits av underordnade agenter vars resonemang den inte har följt?
Inbyggda verktyg är designade för denna kontext och vet hur de ska bete sig korrekt när flera agenter begär dem samtidigt. Dina funktioner har däremot skrivits med antagandet att det bara finns en anropare. Denna begränsning speglar den designskillnaden snarare än ett tillfälligt underskott.
Exponera dina API:er via en MCP-server
Den renaste lösningen är att inte försöka kringgå problemet alls, utan att använda den avsedda ingången. Om du behöver anropa dina egna tjänster, exponera dem via en MCP-server: agenter hanterar dem då som inbyggda verktyg, med den nödvändiga hanteringen av samtidighet. Det krävs lite mer arbete initialt än en funktionsdeklaration, men det förblir det enda sättet att få in ditt informationssystem i sökslingan.
Separera forskning från åtgärd
Den andra strategin, som ofta är den rätta när dina funktioner utlöser sidoeffekter, är att dela upp processen i två steg. Flergenten gör det den är bra på, att söka och analysera; en standardmodell tar över för den del som anropar dina API:er.
# Step 1: multi-agent research
chat = client.chat.create(
model="grok-4.20-multi-agent-0309",
agent_count=4,
tools=[web_search()],
)
chat.append(user("Find the best Italian restaurants in Paris"))
research_result = ""
for response, chunk in chat.stream():
if chunk.content:
research_result += chunk.content
# Step 2: action with standard model + function calling
# Use grok-4.5 or another model that supports function calling
Denna separation har en underskattad fördel: den låter dig inspektera och validera sökresultatet innan en oåterkallelig åtgärd utlöses. En agent som bokar ett bord baserat på okontrollerad forskning är sällan en bra idé.
Berika innan, bearbeta efter
Det tredje tillvägagångssättet, det lättaste, är att anropa dina API:er utanför konversationen, uppströms för att berika prompten eller nedströms för att utnyttja svaret. Många behov som man tror kräver funktionsanrop kokar egentligen ner till att injicera rätt data vid rätt tidpunkt.
# Pre-processing: enrich context
user_data = my_api.get_user_profile(user_id)
context = f"User profile: {user_data}"
# Multi-agent with enriched context
chat.append(user(f"{context}\n\nAnalyze options matching this profile"))
Kundprofilen, orderhistoriken eller budgetbegränsningarna behöver inte hämtas av modellen: du känner redan till dem, ge dem bara till den. Kom slutligen ihåg att API:t är i beta och att denna begränsning kan komma att utvecklas – ytterligare en anledning att isolera flergentsdelen av din kod bakom ett gränssnitt som du kan utveckla utan att behöva skriva om allt.
Viktiga punkter
- Anpassade funktionsanrop stöds inte med flergenter
- Endast inbyggda verktyg (web_search, x_search, code_execution, collections_search, Remote MCP) fungerar
- Använd Remote MCP för att exponera dina egna API:er för agenter
- Anta en tvåstegsarkitektur om du behöver funktionsanrop
- Denna begränsning kan utvecklas i framtida versioner (API i beta)