Вызвать функцию из модели

Статья создана

Обновлена 28 апреля 2025 г.

При работе с моделями YandexGPT Pro и Llama 70B¹ вы можете обращаться к внешним инструментам, API и базам данных с помощью вызова функций.

Например, у вас есть функция weatherTool, которая в качестве входного параметра принимает название города и возвращает текущую температуру в нем. Обработку ответов модели, работу функции и формирование запросов вам нужно предусмотреть самостоятельно.

Чтобы модель могла вызвать функцию, если это будет необходимо:

cURL

Сформируйте запрос к модели, например, в файле body.json:
```
{
    "modelUri": "gpt://<идентификатор_каталога>/yandexgpt",
    "tools": [
        {
            "function": {
                "name": "weatherTool",
                "description": "Получает текущую погоду в указанном городе.",
                "parameters": {
                    "type": "object",
                    "properties": {
                        "city": {
                            "type": "string",
                            "description": "Название города, например, Москва"
                        }
                    },
                    "required": [
                        "city"
                    ]
                }
            }
        }
    ],
    "messages": [
        {
            "role": "user",
            "text": "Какая погода в Санкт-Петербурге?"
        }
    ]
}
```
Где:
- modelUri — идентификатор модели, которая будет использоваться для вызова функций. Параметр содержит идентификатор каталога Yandex Cloud или идентификатор дообученной модели.
- tools — массив всех передаваемых модели функций.
- function — описание и параметры функции weatherTool.
- messages — массив сообщений, которые задают контекст для модели:
  - role — роль отправителя сообщения:
    - user — предназначена для отправки пользовательских сообщений к модели.
    - system — позволяет задать контекст запроса и определить поведение модели.
    - assistant — используется для ответов, которые генерирует модель. При работе в режиме чата ответы модели, помеченные ролью assistant, включаются в состав сообщения для сохранения контекста беседы. Не передавайте сообщения пользователя с этой ролью.
  - text — текстовое содержимое сообщения.

Отправьте запрос к модели:

export FOLDER_ID=<идентификатор_каталога>
export IAM_TOKEN=<IAM-токен>
curl \
  --request POST \
  --header "Content-Type: application/json" \
  --header "Authorization: Bearer ${IAM_TOKEN}" \
  --header "x-folder-id: ${FOLDER_ID}" \
  --data "@<путь_до_файла_json>" \
  "https://llm.api.cloud.yandex.net/foundationModels/v1/completion"

Где:

FOLDER_ID — идентификатор каталога, на который у вашего аккаунта есть роль ai.languageModels.user или выше.
IAM_TOKEN — IAM-токен вашего аккаунта.

Модель вернет ответ с полем ToolCallList, содержащим обращение к вызываемой функции и необходимые параметры в виде JSON Schema.

Пример ответа:

{
    "result": {
      "alternatives": [
        {
          "message": {
            "role": "assistant",
            "toolCallList": {
              "toolCalls": [
                {
                  "functionCall": {
                    "name": "weatherTool",
                    "arguments": {
                      "city": "Санкт-Петербург"
                    }
                  }
                }
              ]
            }
          },
          "status": "ALTERNATIVE_STATUS_TOOL_CALLS"
        }
      ],
      "usage": {
        "inputTextTokens": "74",
        "completionTokens": "14",
        "totalTokens": "88",
        "completionTokensDetails": {
          "reasoningTokens": "0"
        }
      },
      "modelVersion": "23.10.2024"
    }
}

Обработайте ответ модели (поле toolCallList) и инициируйте работу функции weatherTool, передав в нее пришедшие параметры.

Дополните массив messages в файле body.json ответом модели и результатами вызова функции.

Пример запроса

{
    "modelUri": "gpt://<идентификатор_каталога>/yandexgpt",
    "tools": [
      {
        "function": {
          "name": "weatherTool",
          "description": "Получает текущую погоду в указанном городе.",
          "parameters": {
            "type": "object",
            "properties": {
              "city": {
                "type": "string",
                "description": "Название города, например, Москва"
              }
            },
            "required": ["city"]
          }
        }
      }
    ],
    "messages": [
      {
        "role": "user",
        "text": "Какая погода в Санкт-Петербурге?"
      },
      {
        "role": "assistant",
        "toolCallList": {
          "toolCalls": [
            {
              "functionCall": {
                "name": "weatherTool",
                "arguments": {
                  "city": "Санкт-Петербург"
                }
              }
            }
          ]
        }
      },
      {
        "role": "assistant",
        "toolResultList": {
          "toolResults": [
            {
              "functionResult": {
                "name": "weatherTool",
                "content": "8°C"
              }
            }
          ]
        }
      }
    ]
}

Где toolResultList — результаты вызова функции.

Отправьте новый запрос к модели, повторив второй шаг инструкции. Модель сформулирует ответ с учетом результатов вызова функции:

{
  "result": {
    "alternatives": [
      {
        "message": {
          "role": "assistant",
          "text": "В Санкт-Петербурге сейчас 8°C."
        },
        "status": "ALTERNATIVE_STATUS_FINAL"
      }
    ],
    "usage": {
      "inputTextTokens": "108",
      "completionTokens": "10",
      "totalTokens": "118",
      "completionTokensDetails": {
        "reasoningTokens": "0"
      }
    },
    "modelVersion": "23.10.2024"
  }
}

¹ Llama создана компанией Meta. Meta признана экстремистской организацией, ее деятельность в России запрещена.

Вызвать функцию из модели

Была ли статья полезна?