سرفصل‌ها درس 117 از 250 · فراخوانی یک LLM واقعی
فراخوانی یک LLM واقعی

گردش رفت و برگشت ابزار فراخوانی

فراخوانی ابزار یک رقص دو دور است. شما پیام کاربر را همراه با طرح‌های ابزار خود ارسال می‌کنید؛ مدل با یک tool_use بلوک می‌گوید «تماس get_weather با {city: 'Paris'}"; کد شما آن تابع را اجرا می‌کند و پاسخ را به صورت یک tool_result؛ سپس مدل از آن برای نوشتن پاسخ نهایی استفاده می‌کند. این درس گام میانی را می‌سازد -> بخشی که در آن درخواست مدل به یک فراخوانی واقعی پایتون تبدیل می‌شود و نتیجه برای بازگشت بسته‌بندی می‌شود.

در اینجا حلقه واقعی آمده است (فقط برای نمایش -> ما شبکه را فراخوانی نمی‌کنیم):

resp = client.messages.create(model="claude-opus-5-5", max_tokens=1024,
                              tools=TOOLS, messages=history)
# resp.stop_reason == "tool_use". The model may ask for SEVERAL tools at once:
# append its turn once, run every tool_use block, and send ALL the results
# back together in ONE user message.
history.append({"role": "assistant", "content": resp.content})
results = []
for block in resp.content:
    if block.type == "tool_use":
        result = TOOLS_BY_NAME[block.name](**block.input)
        results.append({"type": "tool_result", "tool_use_id": block.id,
                        "content": str(result)})
history.append({"role": "user", "content": results})
final = client.messages.create(model="claude-opus-5-5", max_tokens=1024,
                               tools=TOOLS, messages=history)

جزئیات غیرقابل مذاکره: شما تابع نام‌گذاری‌شده توسط مدل را با آرگومان‌هایی که ارائه کرده فراخوانی می‌کنید، شما echo آن را tool_use_id در tool_result تا مدل بتواند هر پاسخ را با درخواستش مطابقت دهد، و وقتی در یک نوبت چندین ابزار درخواست شد، شما تمام نتایج را در یک پیام واحد به کاربر بازمی‌گردانید (تقسیم کردن آن‌ها در پیام‌های جداگانه، مدل را آموزش می‌دهد که به صورت موازی درخواست نکند). در این درس شما ساده‌ترین حالت، یعنی یک فراخوانی ابزار، را مدیریت می‌کنید؛ درس ۴ به چندین فراخوانی می‌پردازد. ما پاسخ را به صورت یک dict ساده مدل‌سازی می‌کنیم تا آفلاین اجرا شود:

{"content": [{"type": "tool_use", "id": "toolu_1",
              "name": "get_weather", "input": {"city": "Paris"}}],
 "stop_reason": "tool_use"}

شما در حال ساختن هستید run_tool_call(resp, tools)، که tools یک نام ابزار را به یک تابع پایتون نگاشت می‌کند. باید:

  • اولین بلوک را در پیدا کنید resp["content"] که type است "tool_use".
  • را جستجو کنید tools[name] و آن را با بلوک فراخوانی کند input به‌عنوان آرگومان‌های کلمات کلیدی: tools[name](**block["input"]). اگر نام در tools، خطا را با block'sبه عنوان آرگومان‌های کلمه‌کلیدی فراخوانی کنید:. اگر نام در یا وجود نداشته باشد، خطا را با KeyError یا ValueError) -> هرگز ابزاری را که مدل دچار توهم شده اجرا نکنید.
  • پیام پیگیری کاربر را که نتیجه را بازمی‌گرداند، بازگردانید:
{"role": "user",
 "content": [{"type": "tool_result",
              "tool_use_id": <the block's id>,
              "content": str(result)}]}

نتیجه را با str(result) -> the tool_result محتوا به صورت متن منتقل می‌شود. آن را طوری بسازید که دو فراخوانی ابزار متفاوت (نام و ورودی متفاوت) دو خروجی متفاوت تولید کنند tool_result پیام‌ها، پیام اصلی tool_use_id بازتاب داده می‌شود و در صورت نامشخص بودن نام ابزار، خطا ایجاد می‌شود.

نوبت شما

نوشتن run_tool_call(resp, tools)اولین را پیدا کنید {"type": "tool_use", "id", "name", "input"} بلاک این resp["content"]، تماس tools[name](**input) و پیام پیگیری را بازگردانید {"role": "user", "content": [{"type": "tool_result", "tool_use_id": <id>, "content": str(result)}]}. با نام ابزاری که در tools.

مشکلی در این درس دیدید؟ گزارشش کنید · دربارهٔ این درس بپرسید

این تمرین به‌زودی باز می‌شود

درس پیش از آن را تمام کنید تا این یکی باز شود. کل دوره رایگان است، حساب کاربری لازم نیست، و می‌توانید همین الان این درس را بخوانید.