Model Bahasa Besar (LLM) tidak dapat mengakses data real-time atau sistem eksternal. Pemanggilan Fungsi memungkinkan model memanggil alat eksternal, seperti API, database, dan user-defined function, sehingga mampu mengambil informasi atau melakukan tindakan di luar kemampuan bawaannya.
Cara kerja
Pemanggilan Fungsi bekerja melalui interaksi multi-langkah antara aplikasi Anda dan LLM:
-
Lakukan panggilan model pertama
Aplikasi mengirim pertanyaan pengguna dan daftar alat yang tersedia ke LLM.
-
Menerima instruksi pemanggilan alat dari model
Jika model memutuskan untuk memanggil alat eksternal, model tersebut mengembalikan instruksi JSON yang menentukan nama fungsi dan parameter input.
Jika model memutuskan untuk tidak memanggil alat, respons akan dikembalikan dalam bahasa alami.
-
Jalankan alat dalam aplikasi
Aplikasi menjalankan alat yang ditentukan dan mendapatkan output-nya.
-
Lakukan panggilan model kedua
Tambahkan output alat ke array messages dan panggil model lagi.
-
Menerima respons akhir dari model
Model menggabungkan output alat dengan pertanyaan pengguna untuk menghasilkan respons dalam bahasa alami.
Gambar berikut menunjukkan alur kerja.
Model yang didukung
Qwen
-
Model generasi teks
- Qwen-Max: seri Qwen3.8-Max, Qwen3.7-Max, Qwen3.6-Max, Qwen3-Max, dan Qwen-Max
- Qwen-Plus: seri Qwen3.7-Plus, Qwen3.6-Plus, Qwen3.5-Plus, dan Qwen-Plus
- Qwen-Flash: seri Qwen3.7-Flash, Qwen3.6-Flash, Qwen3.5-Flash, dan Qwen-Flash
- Qwen-Coder: seri Qwen3-Coder, Qwen2.5-Coder, dan Qwen-Coder
- Qwen-Turbo: seri Qwen-Turbo
- Seri open source Qwen3.6
- Seri open source Qwen3.5
- Seri open source Qwen3
- Seri open source Qwen2.5
- Seri open source Qwen3.8
-
Model multimodal
- Qwen-VL: seri Qwen3-VL-Plus dan Qwen3-VL-Flash
- Qwen-Omni: seri Qwen3.5-Omni-Plus, Qwen3.5-Omni-Flash, dan Qwen3-Omni-Flash
- Qwen-Omni-Realtime: seri Qwen3.5-Omni-Plus-Realtime dan Qwen3.5-Omni-Flash-Realtime
- Seri open source Qwen3-VL
-
Model obrolan suara
- Qwen-Audio-Realtime: seri Qwen-Audio-3.0-Realtime-Plus dan Qwen-Audio-3.0-Realtime-Flash
DeepSeek
- deepseek-v4-pro
- deepseek-v4-flash
- deepseek-v3.2
- deepseek-v3.2-exp (mode tanpa berpikir)
- deepseek-v3.1 (mode non-thinking)
- deepseek-r1
- deepseek-r1-0528
- deepseek-v3
GLM
PentingSaat menggunakan Pemanggilan Fungsi dengan model seri GLM, Anda harus menyertakan extra_body={"tool_stream": True} dalam permintaan. Jika tidak, model tidak akan mengembalikan tool_calls, sehingga pemanggilan alat tidak akan berfungsi.
- glm-5.2
- glm-5.1
- glm-5
- glm-4.7
- glm-4.6
Kimi
- kimi-k2.7-code
- kimi-k2.6
- kimi-k2.5
- kimi-k2-thinking
- Moonshot-Kimi-K2-Instruct
MiniMax
MiniMax-M2.5
Memulai
Sebelum memulai, dapatkan Kunci API dan konfigurasikan sebagai Variabel lingkungan. Jika Anda menggunakan SDK OpenAI atau SDK DashScope, Anda juga harus menginstal SDK.
Contoh berikut menunjukkan alur lengkap Pemanggilan Fungsi untuk skenario kueri cuaca.
Kompatibel dengan OpenAI
from openai import OpenAI
from datetime import datetime
import json
import os
import random
client = OpenAI(
# Kunci API berbeda-beda berdasarkan wilayah. Untuk mendapatkan Kunci API, lihat https://www.alibabacloud.com/help/en/model-studio/get-api-key
# Jika Anda belum mengonfigurasi variabel lingkungan, ganti baris berikut dengan Kunci API Model Studio Anda: api_key="sk-xxx",
api_key=os.getenv("DASHSCOPE_API_KEY"),
# Wilayah Singapura. Ganti {WorkspaceId} dengan ID Ruang Kerja aktual Anda. URL berbeda-beda berdasarkan wilayah.
base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1",
)
# Simulasikan pertanyaan pengguna
USER_QUESTION = "Bagaimana cuaca di Singapura?"
# Definisikan daftar alat
tools = [
{
"type": "function",
"function": {
"name": "get_current_weather",
"description": "Berguna saat Anda ingin menanyakan cuaca di kota tertentu.",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "Kota atau distrik, seperti Singapura atau New York.",
}
},
"required": ["location"],
},
},
},
]
# Simulasikan alat kueri cuaca
def get_current_weather(arguments):
weather_conditions = ["Sunny", "Cloudy", "Rainy"]
random_weather = random.choice(weather_conditions)
location = arguments["location"]
return f"The weather in {location} today is {random_weather}."
# Enkapsulasi fungsi respons model
def get_response(messages):
completion = client.chat.completions.create(
model="qwen3.8-max",
extra_body={"enable_thinking": False},
messages=messages,
tools=tools,
)
return completion
messages = [{"role": "user", "content": USER_QUESTION}]
response = get_response(messages)
assistant_output = response.choices[0].message
if assistant_output.content is None:
assistant_output.content = ""
messages.append(assistant_output)
# Jika tidak diperlukan pemanggilan alat, cetak konten secara langsung
if assistant_output.tool_calls is None:
print(f"Tidak perlu pemanggilan alat. Respons langsung: {assistant_output.content}")
else:
# Masuk ke loop pemanggilan alat
while assistant_output.tool_calls is not None:
tool_call = assistant_output.tool_calls[0]
tool_call_id = tool_call.id
func_name = tool_call.function.name
arguments = json.loads(tool_call.function.arguments)
print(f"Memanggil alat [{func_name}], argumen: {arguments}")
# Jalankan alat
tool_result = get_current_weather(arguments)
# Buat pesan balasan alat
tool_message = {
"role": "tool",
"tool_call_id": tool_call_id,
"content": tool_result, # Pertahankan output alat asli
}
print(f"Alat mengembalikan: {tool_message['content']}")
messages.append(tool_message)
# Panggil model lagi untuk mendapatkan respons ringkasan dalam bahasa alami
response = get_response(messages)
assistant_output = response.choices[0].message
if assistant_output.content is None:
assistant_output.content = ""
messages.append(assistant_output)
print(f"Respons akhir Asisten: {assistant_output.content}")
import OpenAI from 'openai';
// Inisialisasi klien
const openai = new OpenAI({
apiKey: process.env.DASHSCOPE_API_KEY,
// Wilayah Singapura. Ganti {WorkspaceId} dengan ID Workspace Anda yang sebenarnya. URL bervariasi menurut wilayah.
baseURL: "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1",
});
// Tentukan daftar alat
const tools = [
{
type: "function",
function: {
name: "get_current_weather",
description: "Berguna saat Anda ingin menanyakan cuaca di kota tertentu.",
parameters: {
type: "object",
properties: {
location: {
type: "string",
description: "Sebuah kota atau distrik, seperti Singapura atau New York.",
},
},
required: ["location"],
},
},
},
];
// Simulasikan alat kueri cuaca
const getCurrentWeather = (args) => {
const weatherConditions = ["Sunny", "Cloudy", "Rainy"];
const randomWeather = weatherConditions[Math.floor(Math.random() * weatherConditions.length)];
const location = args.location;
return `The weather in ${location} today is ${randomWeather}.`;
};
// Enkapsulasi fungsi tanggapan model
const getResponse = async (messages) => {
const response = await openai.chat.completions.create({
model: "qwen3.8-max",
enable_thinking: false,
messages: messages,
tools: tools,
});
return response;
};
const main = async () => {
const input = "What's the weather like in Singapore?";
let messages = [
{
role: "user",
content: input,
}
];
let response = await getResponse(messages);
let assistantOutput = response.choices[0].message;
// Pastikan konten tidak null
if (!assistantOutput.content) assistantOutput.content = "";
messages.push(assistantOutput);
// Tentukan apakah pemanggilan alat diperlukan
if (!assistantOutput.tool_calls) {
console.log(`Tidak perlu pemanggilan alat. Tanggapan langsung: ${assistantOutput.content}`);
} else {
// Masuk ke loop pemanggilan alat
while (assistantOutput.tool_calls) {
const toolCall = assistantOutput.tool_calls[0];
const toolCallId = toolCall.id;
const funcName = toolCall.function.name;
const funcArgs = JSON.parse(toolCall.function.arguments);
console.log(`Memanggil alat [${funcName}], argumen:`, funcArgs);
// Jalankan alat
const toolResult = getCurrentWeather(funcArgs);
// Buat paket pengembalian alat
const toolMessage = {
role: "tool",
tool_call_id: toolCallId,
content: toolResult,
};
console.log(`Alat mengembalikan: ${toolMessage.content}`);
messages.push(toolMessage);
// Panggil model lagi untuk mendapatkan ringkasan bahasa alami
response = await getResponse(messages);
assistantOutput = response.choices[0].message;
if (!assistantOutput.content) assistantOutput.content = "";
messages.push(assistantOutput);
}
console.log(`Tanggapan akhir asisten: ${assistantOutput.content}`);
}
};
// Mulai program
main().catch(console.error);
DashScope
import os
from dashscope import MultiModalConversation
import dashscope
import json
import random
# URL berikut untuk wilayah Tiongkok (Beijing). Ganti {WorkspaceId} dengan ID ruang kerja aktual Anda. URL berbeda-beda berdasarkan wilayah.
dashscope.base_http_api_url = 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1'
# 1. Definisikan daftar alat
tools = [
{
"type": "function",
"function": {
"name": "get_current_weather",
"description": "Berguna saat Anda ingin menanyakan cuaca di kota tertentu.",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "Kota atau distrik, seperti Singapura atau New York.",
}
},
"required": ["location"],
},
},
}
]
# 2. Simulasikan alat kueri cuaca
def get_current_weather(arguments):
weather_conditions = ["Sunny", "Cloudy", "Rainy"]
random_weather = random.choice(weather_conditions)
location = arguments["location"]
return f"The weather in {location} today is {random_weather}."
# 3. Enkapsulasi fungsi respons model
def get_response(messages):
response = MultiModalConversation.call(
# Kunci API berbeda-beda berdasarkan wilayah. Untuk mendapatkan Kunci API, lihat https://www.alibabacloud.com/help/en/model-studio/get-api-key
# Jika Anda belum mengonfigurasi variabel lingkungan, ganti baris berikut dengan api_key="sk-xxx"
api_key=os.getenv("DASHSCOPE_API_KEY"),
# Contoh ini menggunakan model multimodal qwen3.8-max. Untuk memanggil model teks saja seperti qwen3.6-max-preview atau qwen-plus, gunakan API model teks saja. Untuk informasi lebih lanjut, lihat https://www.alibabacloud.com/help/model-studio/qwen-api-via-dashscope
model="qwen3.8-max",
enable_thinking=False,
messages=messages,
tools=tools,
result_format="message",
)
return response
# 4. Inisialisasi riwayat percakapan
messages = [
{
"role": "user",
"content": [{"text": "Bagaimana cuaca di Singapura?"}]
}
]
# 5. Panggil model untuk pertama kali
response = get_response(messages)
assistant_output = response.output.choices[0].message
messages.append(assistant_output)
# 6. Tentukan apakah diperlukan pemanggilan alat
if "tool_calls" not in assistant_output or not assistant_output["tool_calls"]:
print(f"Tidak perlu pemanggilan alat. Respons langsung: {assistant_output['content']}")
else:
# 7. Masuk ke loop pemanggilan alat
# Kondisi loop: selama respons model terbaru berisi permintaan pemanggilan alat
while "tool_calls" in assistant_output and assistant_output["tool_calls"]:
tool_call = assistant_output["tool_calls"][0]
# Uraikan informasi pemanggilan alat
func_name = tool_call["function"]["name"]
arguments = json.loads(tool_call["function"]["arguments"])
tool_call_id = tool_call.get("id") # Dapatkan tool_call_id
print(f"Memanggil alat [{func_name}], argumen: {arguments}")
# Jalankan fungsi alat yang sesuai
tool_result = get_current_weather(arguments)
# Buat pesan balasan alat
tool_message = {
"role": "tool",
"content": tool_result,
"tool_call_id": tool_call_id
}
print(f"Alat mengembalikan: {tool_message['content']}")
messages.append(tool_message)
# Panggil model lagi untuk mendapatkan respons berdasarkan hasil alat
response = get_response(messages)
assistant_output = response.output.choices[0].message
messages.append(assistant_output)
# 8. Cetak respons bahasa alami akhir
content = assistant_output["content"]
if isinstance(content, list) and content:
content = content[0].get("text", "") if isinstance(content[0], dict) else str(content[0])
print(f"Respons akhir Asisten: {content}")
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversation;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationParam;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationResult;
import com.alibaba.dashscope.common.MultiModalMessage;
import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.protocol.Protocol;
import com.alibaba.dashscope.exception.UploadFileException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.tools.FunctionDefinition;
import com.alibaba.dashscope.tools.ToolCallBase;
import com.alibaba.dashscope.tools.ToolCallFunction;
import com.alibaba.dashscope.tools.ToolFunction;
import com.alibaba.dashscope.utils.JsonUtils;
import com.fasterxml.jackson.databind.JsonNode;
import com.fasterxml.jackson.databind.ObjectMapper;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.Collections;
import java.util.List;
import java.util.Map;
import java.util.Random;
public class Main {
/**
* Mengekstrak teks biasa dari konten MultiModalMessage.
* Format konten adalah List<Map<String, String>>, contohnya: [{text=The weather is sunny}]
*/
@SuppressWarnings("unchecked")
public static String getTextContent(Object content) {
if (content instanceof List) {
for (Object item : (List<?>) content) {
if (item instanceof Map) {
Object text = ((Map<String, Object>) item).get("text");
if (text != null) return text.toString();
}
}
}
return content != null ? content.toString() : "";
}
/**
* Mendefinisikan implementasi lokal alat.
* @param arguments String JSON dari model yang berisi parameter yang diperlukan untuk alat.
* @return String dengan hasil eksekusi alat.
*/
public static String getCurrentWeather(String arguments) {
try {
// Parameter yang diberikan oleh model dalam format JSON dan perlu diurai secara manual.
ObjectMapper objectMapper = new ObjectMapper();
JsonNode argsNode = objectMapper.readTree(arguments);
String location = argsNode.get("location").asText();
// Mensimulasikan panggilan API nyata atau logika bisnis dengan hasil acak.
List<String> weatherConditions = Arrays.asList("Sunny", "Cloudy", "Rainy");
String randomWeather = weatherConditions.get(new Random().nextInt(weatherConditions.size()));
return "The weather in " + location + " today is " + randomWeather + ".";
} catch (Exception e) {
// Penanganan pengecualian untuk memastikan ketahanan program.
return "Gagal mengurai parameter lokasi.";
}
}
public static void main(String[] args) {
try {
// Jelaskan (daftarkan) alat kami ke model.
String weatherParamsSchema =
"{\"type\":\"object\",\"properties\":{\"location\":{\"type\":\"string\",\"description\":\"Kota atau distrik, seperti Singapura atau New York.\"}},\"required\":[\"location\"]}";
FunctionDefinition weatherFunction = FunctionDefinition.builder()
.name("get_current_weather") // Nama unik alat, yang harus sesuai dengan implementasi lokal.
.description("Berguna saat Anda ingin menanyakan cuaca di kota tertentu.") // Deskripsi yang jelas membantu model lebih baik memutuskan kapan menggunakan alat.
.parameters(JsonUtils.parseString(weatherParamsSchema).getAsJsonObject())
.build();
// URL berikut untuk wilayah Tiongkok (Beijing). Ganti {WorkspaceId} dengan ID ruang kerja aktual Anda. URL berbeda-beda berdasarkan wilayah.
MultiModalConversation conv = new MultiModalConversation(Protocol.HTTP.getValue(), "https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1");
String userInput = "Bagaimana cuaca di Singapura?";
List<MultiModalMessage> messages = new ArrayList<>();
messages.add(MultiModalMessage.builder().role(Role.USER.getValue())
.content(Arrays.asList(Collections.singletonMap("text", userInput))).build());
// Panggilan pertama ke model. Kirim permintaan pengguna dan daftar alat yang didefinisikan ke model.
MultiModalConversationParam param = MultiModalConversationParam.builder()
.model("qwen3.8-max") //Contoh ini menggunakan model multimodal qwen3.8-max. Untuk memanggil model teks saja seperti qwen3.6-max-preview atau qwen-plus, gunakan API model teks saja. Untuk informasi lebih lanjut, lihat https://www.alibabacloud.com/help/model-studio/qwen-api-via-dashscope
.enableThinking(false)
.apiKey(System.getenv("DASHSCOPE_API_KEY")) // Dapatkan Kunci API dari variabel lingkungan. Kunci API berbeda-beda berdasarkan wilayah. Untuk mendapatkan Kunci API, lihat https://www.alibabacloud.com/help/en/model-studio/get-api-key
.messages(messages) // Lewatkan riwayat percakapan saat ini.
.tools(Arrays.asList(ToolFunction.builder().function(weatherFunction).build())) // Lewatkan daftar alat yang tersedia.
.build();
MultiModalConversationResult result = conv.call(param);
MultiModalMessage assistantOutput = result.getOutput().getChoices().get(0).getMessage();
messages.add(assistantOutput); // Tambahkan respons pertama model ke riwayat percakapan.
// Periksa respons model untuk menentukan apakah meminta pemanggilan alat.
if (assistantOutput.getToolCalls() == null || assistantOutput.getToolCalls().isEmpty()) {
// Kasus A: Model tidak memanggil alat dan memberikan jawaban langsung.
System.out.println("Tidak perlu pemanggilan alat. Respons langsung: " + getTextContent(assistantOutput.getContent()));
} else {
// Kasus B: Model memutuskan untuk memanggil alat.
// Gunakan loop while untuk menangani skenario di mana model memanggil alat beberapa kali berturut-turut.
while (assistantOutput.getToolCalls() != null && !assistantOutput.getToolCalls().isEmpty()) {
ToolCallBase toolCall = assistantOutput.getToolCalls().get(0);
// Uraikan informasi spesifik pemanggilan alat (nama fungsi, parameter) dari respons model.
ToolCallFunction functionCall = (ToolCallFunction) toolCall;
String funcName = functionCall.getFunction().getName();
String arguments = functionCall.getFunction().getArguments();
System.out.println("Memanggil alat [" + funcName + "], argumen: " + arguments);
// Jalankan metode Java yang sesuai secara lokal berdasarkan nama alat.
String toolResult = getCurrentWeather(arguments);
// Buat pesan dengan peran "tool" yang berisi hasil eksekusi alat.
MultiModalMessage toolMessage = MultiModalMessage.builder()
.role("tool")
.toolCallId(toolCall.getId())
.content(Arrays.asList(Collections.singletonMap("text", toolResult)))
.build();
System.out.println("Alat mengembalikan: " + toolResult);
messages.add(toolMessage); // Tambahkan hasil balik alat ke riwayat percakapan.
// Panggil model lagi.
param.setMessages((List) messages);
result = conv.call(param);
assistantOutput = result.getOutput().getChoices().get(0).getMessage();
messages.add(assistantOutput);
}
// Cetak respons akhir yang dihasilkan model setelah dirangkum.
System.out.println("Respons akhir Asisten: " + getTextContent(assistantOutput.getContent()));
}
} catch (NoApiKeyException | UploadFileException e) {
System.err.println("Error: " + e.getMessage());
} catch (Exception e) {
e.printStackTrace();
}
}
}
Setelah menjalankan kode, output berikut ditampilkan:
Memanggil alat [get_current_weather], argumen: {'location': 'Singapura'}
Alat mengembalikan: The weather in Singapore today is Cloudy.
Respons akhir Asisten: The weather in Singapore today is cloudy.
Cara menggunakan
Pemanggilan Fungsi mendukung dua cara untuk meneruskan informasi alat:
-
Metode 1: Meneruskan informasi melalui parameter tools (direkomendasikan)
Untuk informasi lebih lanjut, lihat Cara menggunakan. Ikuti langkah-langkah untuk mendefinisikan alat, membuat array messages, melakukan Pemanggilan Fungsi, menjalankan fungsi alat, dan meminta LLM merangkum output fungsi alat.
-
Metode 2: Meneruskan informasi melalui Pesan Sistem
Meneruskan informasi melalui parameter tools memberikan hasil terbaik karena server secara otomatis menyesuaikan dengan templat prompt optimal. Jika Anda menggunakan model Qwen dan tidak ingin menggunakan parameter tools, lihat Meneruskan informasi alat melalui Pesan Sistem.
Bagian berikut menggunakan API kompatibel OpenAI sebagai contoh untuk menjelaskan penggunaan detail Pemanggilan Fungsi dengan parameter tools.
Asumsikan skenario bisnis yang menerima dua jenis pertanyaan: kueri cuaca dan kueri waktu.
1. Definisikan alat
Alat menghubungkan LLM ke layanan eksternal. Anda harus terlebih dahulu mendefinisikan alat.
1.1. Buat fungsi alat
Buat dua fungsi alat: alat kueri cuaca dan alat kueri waktu.
-
Alat kueri cuaca
Alat ini menerima parameter
arguments. Formatargumentsadalah{"location": "lokasi yang dikueri"}. Output alat adalah string dalam format:"{lokasi} hari ini {cuaca}".Untuk tujuan demonstrasi, alat kueri cuaca yang didefinisikan di sini tidak benar-benar menanyakan cuaca. Alat ini secara acak memilih dari cerah, berawan, atau hujan. Dalam skenario bisnis nyata, Anda dapat menggantinya dengan alat seperti Amap Weather.
-
Alat kueri waktu
Alat kueri waktu tidak memerlukan parameter input apa pun. Output alat adalah string dalam format:
"Waktu saat ini: {waktu yang dikueri}.".Jika Anda menggunakan Node.js, jalankan
npm install date-fnsuntuk menginstal paket date-fns guna mendapatkan waktu.
## Langkah 1: Definisikan fungsi alat
# Tambahkan impor untuk modul random
import random
from datetime import datetime
# Simulasikan alat kueri cuaca. Contoh output: "The weather in Beijing today is rainy."
def get_current_weather(arguments):
# Definisikan daftar kondisi cuaca alternatif
weather_conditions = ["Sunny", "Cloudy", "Rainy"]
# Pilih kondisi cuaca secara acak
random_weather = random.choice(weather_conditions)
# Ekstrak informasi lokasi dari JSON
location = arguments["location"]
# Kembalikan informasi cuaca yang diformat
return f"The weather in {location} today is {random_weather}."
# Alat untuk menanyakan waktu saat ini. Contoh output: "Current time: 2024-04-15 17:15:18."
def get_current_time():
# Dapatkan tanggal dan waktu saat ini
current_datetime = datetime.now()
# Format tanggal dan waktu saat ini
formatted_time = current_datetime.strftime('%Y-%m-%d %H:%M:%S')
# Kembalikan waktu saat ini yang diformat
return f"Current time: {formatted_time}."
# Uji fungsi alat dan cetak hasilnya. Anda dapat menghapus empat baris kode uji berikut saat menjalankan langkah-langkah selanjutnya.
print("Menguji output alat:")
print(get_current_weather({"location": "Shanghai"}))
print(get_current_time())
print("\n")
// Langkah 1: Definisikan fungsi alat
// Impor alat kueri waktu
import { format } from 'date-fns';
function getCurrentWeather(args) {
// Definisikan daftar kondisi cuaca alternatif
const weatherConditions = ["Sunny", "Cloudy", "Rainy"];
// Pilih kondisi cuaca secara acak
const randomWeather = weatherConditions[Math.floor(Math.random() * weatherConditions.length)];
// Ekstrak informasi lokasi dari JSON
const location = args.location;
// Kembalikan informasi cuaca yang diformat
return `The weather in ${location} today is ${randomWeather}.`;
}
function getCurrentTime() {
// Dapatkan tanggal dan waktu saat ini
const currentDatetime = new Date();
// Format tanggal dan waktu saat ini
const formattedTime = format(currentDatetime, 'yyyy-MM-dd HH:mm:ss');
// Kembalikan waktu saat ini yang diformat
return `Current time: ${formattedTime}.`;
}
// Uji fungsi alat dan cetak hasilnya. Anda dapat menghapus empat baris kode uji berikut saat menjalankan langkah-langkah selanjutnya.
console.log("Menguji output alat:")
console.log(getCurrentWeather({location:"Shanghai"}));
console.log(getCurrentTime());
console.log("\n")
Setelah menjalankan alat, output berikut ditampilkan:
Keluaran alat pengujian:
Cuaca di Shanghai hari ini Berawan.
Waktu saat ini: 2025-01-08 20:21:45.
1.2. Buat array tools
Sebelum manusia dapat memilih alat, mereka perlu memahami fungsinya, skenario penggunaannya, dan parameter inputnya. Hal yang sama berlaku untuk LLM. Model memilih alat yang sesuai berdasarkan informasi ini. Berikan informasi alat dalam format JSON berikut.
| Untuk alat kueri cuaca, format informasi deskripsi alat adalah sebagai berikut: |
Sebelum melakukan Pemanggilan Fungsi, definisikan array informasi alat (tools) dalam kode Anda. Array ini mencakup nama fungsi, deskripsi, dan definisi parameter untuk setiap alat. Array ini diteruskan sebagai parameter dalam permintaan selanjutnya.
# Tempel kode berikut setelah kode Langkah 1
## Langkah 2: Buat array tools
tools = [
{
"type": "function",
"function": {
"name": "get_current_time",
"description": "Berguna saat Anda ingin mengetahui waktu saat ini.",
"parameters": {}
}
},
{
"type": "function",
"function": {
"name": "get_current_weather",
"description": "Berguna saat Anda ingin menanyakan cuaca di kota tertentu.",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "Kota atau distrik, seperti Beijing, Hangzhou, atau Yuhang.",
}
},
"required": ["location"]
}
}
}
]
tool_name = [tool["function"]["name"] for tool in tools]
print(f"Dibuat {len(tools)} alat: {tool_name}\n")
// Tempel kode berikut setelah kode Langkah 1
// Langkah 2: Buat array tools
const tools = [
{
type: "function",
function: {
name: "get_current_time",
description: "Berguna saat Anda ingin mengetahui waktu saat ini.",
parameters: {}
}
},
{
type: "function",
function: {
name: "get_current_weather",
description: "Berguna saat Anda ingin menanyakan cuaca di kota tertentu.",
parameters: {
type: "object",
properties: {
location: {
type: "string",
description: "Kota atau distrik, seperti Beijing, Hangzhou, atau Yuhang.",
}
},
required: ["location"]
}
}
}
];
const toolNames = tools.map(tool => tool.function.name);
console.log(`Dibuat ${tools.length} alat: ${toolNames.join(', ')}\n`);
2. Buat array messages
Pemanggilan Fungsi meneruskan instruksi dan konteks ke LLM melalui array messages. Sebelum melakukan panggilan, array messages harus berisi Pesan Sistem dan Pesan Pengguna.
Pesan Sistem
Meskipun fungsi dan skenario penggunaan alat telah dijelaskan saat Anda membuat array tools, lebih menekankan kapan harus memanggil alat dalam Pesan Sistem biasanya meningkatkan akurasi pemanggilan alat. Untuk skenario saat ini, Anda dapat mengatur Prompt Sistem menjadi:
Anda adalah asisten yang membantu. Jika pengguna bertanya tentang cuaca, panggil fungsi 'get_current_weather';
jika pengguna bertanya tentang waktu, panggil fungsi 'get_current_time'.
Harap jawab pertanyaan dengan nada yang ramah.
Pesan Pengguna
Pesan Pengguna digunakan untuk meneruskan pertanyaan pengguna. Mengasumsikan pengguna bertanya "Cuaca di Shanghai", array messages pada titik ini adalah:
# Langkah 3: Buat array messages
# Tempel kode berikut setelah kode Langkah 2
# Contoh Pesan Pengguna untuk model generasi teks
messages = [
{
"role": "system",
"content": """Anda adalah asisten yang membantu. Jika pengguna bertanya tentang cuaca, panggil fungsi 'get_current_weather';
jika pengguna bertanya tentang waktu, panggil fungsi 'get_current_time'.
Harap jawab pertanyaan dengan nada yang ramah.""",
},
{
"role": "user",
"content": "Cuaca di Shanghai"
}
]
# Contoh Pesan Pengguna untuk model multimodal
# messages=[
# {
# "role": "system",
# "content": """Anda adalah asisten yang membantu. Jika pengguna bertanya tentang cuaca, panggil fungsi 'get_current_weather';
# jika pengguna bertanya tentang waktu, panggil fungsi 'get_current_time'.
# Harap jawab pertanyaan dengan nada yang ramah.""",
# },
# {"role": "user",
# "content": [{"type": "image_url","image_url": {"url": "https://img.alicdn.com/imgextra/i2/O1CN01FbTJon1ErXVGMRdsN_!!6000000000405-0-tps-1024-683.jpg"}},
# {"type": "text", "text": "Tanyakan cuaca saat ini untuk lokasi dalam gambar"}]},
# ]
print("array messages dibuat\n")
// Langkah 3: Buat array messages
// Tempel kode berikut setelah kode Langkah 2
const messages = [
{
role: "system",
content: "Anda adalah asisten yang membantu. Jika pengguna bertanya tentang cuaca, panggil fungsi 'get_current_weather'; jika pengguna bertanya tentang waktu, panggil fungsi 'get_current_time'. Harap jawab pertanyaan dengan nada yang ramah.",
},
{
role: "user",
content: "Cuaca di Shanghai"
}
];
// Contoh Pesan Pengguna untuk model multimodal,
// const messages: [{
// role: "user",
// content: [{type: "image_url", image_url: {"url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241022/emyrja/dog_and_girl.jpeg"}},
// {type: "text", text: "Apa yang digambarkan dalam gambar?"}]
// }];
console.log("array messages dibuat\n");
Karena alat yang tersedia mencakup kueri cuaca dan waktu, Anda juga dapat menanyakan waktu saat ini.
3. Lakukan Pemanggilan Fungsi
Teruskan tools dan messages yang telah dibuat ke LLM untuk melakukan Pemanggilan Fungsi. LLM menentukan apakah akan memanggil alat. Jika iya, LLM mengembalikan nama fungsi alat dan parameternya.
Untuk model yang didukung, lihat Model yang didukung.
# Langkah 4: Lakukan pemanggilan fungsi
# Tempel kode berikut setelah kode Langkah 3
from openai import OpenAI
import os
client = OpenAI(
// Kunci API berbeda-beda berdasarkan wilayah. Untuk mendapatkan Kunci API, lihat https://www.alibabacloud.com/help/en/model-studio/get-api-key
// Jika Anda belum mengonfigurasi variabel lingkungan, ganti baris berikut dengan Kunci API Model Studio Anda: api_key="sk-xxx",
api_key=os.getenv("DASHSCOPE_API_KEY"),
// Wilayah Singapura. Ganti {WorkspaceId} dengan ID Ruang Kerja aktual Anda. URL berbeda-beda berdasarkan wilayah.
base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1",
)
def function_calling():
completion = client.chat.completions.create(
// Contoh ini menggunakan qwen3.8-max. Anda dapat mengubah nama model sesuai kebutuhan. Untuk daftar model, lihat https://www.alibabacloud.com/help/en/model-studio/getting-started/models
model="qwen3.8-max",
extra_body={"enable_thinking": False},
messages=messages,
tools=tools
)
print("Objek yang dikembalikan:")
print(completion.choices[0].message.model_dump_json())
print("\n")
return completion
print("Melakukan pemanggilan fungsi...")
completion = function_calling()
// Langkah 4: Lakukan pemanggilan fungsi
// Tempel kode berikut setelah kode Langkah 3
import OpenAI from "openai";
const openai = new OpenAI(
{
// Kunci API berbeda-beda berdasarkan wilayah. Untuk mendapatkan Kunci API, lihat https://www.alibabacloud.com/help/en/model-studio/get-api-key
// Jika Anda belum mengonfigurasi variabel lingkungan, ganti baris berikut dengan Kunci API Model Studio Anda: apiKey: "sk-xxx",
apiKey: process.env.DASHSCOPE_API_KEY,
// Wilayah Singapura. Ganti {WorkspaceId} dengan ID Ruang Kerja aktual Anda. URL berbeda-beda berdasarkan wilayah.
baseURL: "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1"
}
);
async function functionCalling() {
const completion = await openai.chat.completions.create({
model: "qwen3.8-max", // Contoh ini menggunakan qwen3.8-max. Anda dapat mengubah nama model sesuai kebutuhan. Untuk daftar model, lihat https://www.alibabacloud.com/help/en/model-studio/getting-started/models
enable_thinking: false,
messages: messages,
tools: tools
});
console.log("Objek yang dikembalikan:");
console.log(JSON.stringify(completion.choices[0].message));
console.log("\n");
return completion;
}
const completion = await functionCalling();
Karena pengguna bertanya tentang cuaca di Shanghai, LLM menentukan nama fungsi alat yang akan digunakan sebagai "get_current_weather" dan parameter input fungsi sebagai "{\"location\": \"Shanghai\"}".
{
"content": "",
"refusal": null,
"role": "assistant",
"audio": null,
"function_call": null,
"tool_calls": [
{
"id": "call_6596dafa2a6a46f7a217da",
"function": {
"arguments": "{\"location\": \"Shanghai\"}",
"name": "get_current_weather"
},
"type": "function",
"index": 0
}
]
}
Perhatikan bahwa jika LLM menentukan bahwa tidak diperlukan alat untuk pertanyaan tersebut, LLM akan merespons langsung melalui parameter content. Saat Anda memasukkan "Hello", parameter tool_calls kosong, dan format objek yang dikembalikan adalah:
{
"content": "Hello! Bagaimana saya bisa membantu Anda? Saya sangat pandai menjawab pertanyaan tentang cuaca atau waktu.",
"refusal": null,
"role": "assistant",
"audio": null,
"function_call": null,
"tool_calls": null
}
Jika parameter
tool_callskosong, program Anda dapat langsung mengembalikancontenttanpa menjalankan langkah-langkah berikutnya.
Jika Anda ingin LLM memilih alat tertentu setiap kali melakukan Pemanggilan Fungsi, lihat Pemanggilan alat paksa.
4. Jalankan fungsi alat
Menjalankan fungsi alat menerjemahkan keputusan model menjadi operasi aktual.
Proses menjalankan fungsi alat diselesaikan oleh lingkungan komputasi Anda, bukan LLM.
LLM hanya mengeluarkan string. Sebelum menjalankan fungsi alat, Anda perlu mengurai nama fungsi alat dan parameter inputnya secara terpisah.
-
Fungsi alat
Buat pemetaan
function_mapperdari nama fungsi alat ke entitas fungsi alat untuk memetakan string fungsi alat yang dikembalikan ke entitas fungsi alat. -
Parameter input
Parameter input yang dikembalikan oleh Pemanggilan Fungsi adalah string JSON. Gunakan alat untuk menguraikannya menjadi objek JSON guna mengekstrak informasi parameter input.
Setelah diurai, teruskan parameter ke fungsi alat dan jalankannya untuk mendapatkan hasil output.
# Langkah 5: Jalankan fungsi alat
# Tempelkan kode berikut setelah kode Langkah 4
import json
print("Menjalankan fungsi alat...")
# Dapatkan nama fungsi dan parameter input dari hasil yang dikembalikan
function_name = completion.choices[0].message.tool_calls[0].function.name
arguments_string = completion.choices[0].message.tool_calls[0].function.arguments
# Gunakan modul json untuk mengurai string parameter
arguments = json.loads(arguments_string)
# Buat tabel pemetaan fungsi
function_mapper = {
"get_current_weather": get_current_weather,
"get_current_time": get_current_time
}
# Dapatkan entitas fungsi
function = function_mapper[function_name]
# Jika parameter input kosong, panggil fungsi secara langsung
if arguments == {}:
function_output = function()
# Jika tidak, teruskan parameter lalu panggil fungsi
else:
function_output = function(arguments)
# Cetak output alat
print(f"Output fungsi alat: {function_output}\n")
// Langkah 5: Jalankan fungsi alat
// Tempel kode berikut setelah kode Langkah 4
console.log("Menjalankan fungsi alat...");
const function_name = completion.choices[0].message.tool_calls[0].function.name;
const arguments_string = completion.choices[0].message.tool_calls[0].function.arguments;
// Gunakan modul JSON untuk mengurai string parameter
const args = JSON.parse(arguments_string);
// Buat tabel pemetaan fungsi
const functionMapper = {
"get_current_weather": getCurrentWeather,
"get_current_time": getCurrentTime
};
// Dapatkan entitas fungsi
const func = functionMapper[function_name];
// Jika parameter input kosong, panggil fungsi langsung
let functionOutput;
if (Object.keys(args).length === 0) {
functionOutput = func();
} else {
// Jika tidak, teruskan parameter lalu panggil fungsi
functionOutput = func(args);
}
// Cetak output alat
console.log(`Output fungsi alat: ${functionOutput}\n`);
Setelah menjalankan kode, output berikut ditampilkan:
The weather in Shanghai today is Cloudy.
CatatanDalam skenario bisnis nyata, banyak alat melakukan tindakan spesifik (seperti mengirim email atau mengunggah file) daripada menanyakan data, dan tidak mengeluarkan string. Kami merekomendasikan menambahkan informasi deskripsi status (seperti "Email berhasil dikirim" atau "Operasi gagal") untuk alat semacam itu agar membantu LLM memahami status eksekusi.
5. Biarkan LLM merangkum output fungsi alat
Format output fungsi alat relatif tetap. Mengembalikannya langsung kepada pengguna mungkin terdengar kaku. Kirim output alat ke konteks model dan panggil model lagi untuk menghasilkan respons bergaya bahasa alami.
-
Tambahkan Pesan Asisten
Setelah Anda melakukan Pemanggilan Fungsi, Anda akan memperoleh Pesan Asisten melalui
completion.choices[0].message. Pertama, tambahkan pesan tersebut ke array messages. -
Tambahkan Pesan Alat
Tambahkan output alat ke array messages dalam format
{"role": "tool", "content": "output alat", "tool_call_id": completion.choices[0].message.tool_calls[0].id}.Catatan
- Pastikan output alat dalam format string.
tool_call_idadalah pengenal unik yang dihasilkan sistem untuk setiap permintaan pemanggilan alat. Model mungkin meminta untuk memanggil beberapa alat sekaligus. Saat mengembalikan beberapa hasil alat ke model,tool_call_idmemastikan bahwa hasil output alat dapat dicocokkan dengan maksud pemanggilannya.
# Langkah 6: Kirim output alat ke LLM
# Tempel kode berikut setelah kode Langkah 5
messages.append(completion.choices[0].message)
print("Pesan asisten ditambahkan")
messages.append({"role": "tool", "content": function_output, "tool_call_id": completion.choices[0].message.tool_calls[0].id})
print("Pesan alat ditambahkan\n")
// Langkah 6: Kirim output alat ke LLM
// Tempel kode berikut setelah kode Langkah 5
messages.push(completion.choices[0].message);
console.log("Pesan asisten ditambahkan")
messages.push({
"role": "tool",
"content": functionOutput,
"tool_call_id": completion.choices[0].message.tool_calls[0].id
});
console.log("Pesan alat ditambahkan\n");
Pada titik ini, array messages adalah:
[
Pesan Sistem -- Memandu strategi pemanggilan alat model
Pesan Pengguna -- Pertanyaan pengguna
Pesan Asisten -- Informasi pemanggilan alat yang dikembalikan model
Pesan Alat -- Informasi output alat (mungkin ada beberapa Pesan Alat jika digunakan pemanggilan alat paralel, seperti yang dijelaskan di bawah)
]
Setelah memperbarui array messages, jalankan kode berikut.
# Langkah 7: Biarkan LLM merangkum output alat
# Tempel kode berikut setelah kode Langkah 6
print("Merangkum output alat...")
completion = function_calling()
// Langkah 7: Biarkan LLM merangkum output alat
// Tempel kode berikut setelah kode Langkah 6
console.log("Merangkum output alat...");
const completion_1 = await functionCalling();
Anda dapat mengambil konten respons dari content: "Cuaca di Shanghai hari ini berawan. Jika Anda memiliki pertanyaan lain, jangan ragu untuk bertanya."
{
"content": "Cuaca di Shanghai hari ini berawan. Jika Anda memiliki pertanyaan lain, jangan ragu untuk bertanya.",
"refusal": null,
"role": "assistant",
"audio": null,
"function_call": null,
"tool_calls": null
}
Anda sekarang telah menyelesaikan alur Pemanggilan Fungsi secara lengkap.
Penggunaan lanjutan
Tentukan metode pemanggilan alat
Pemanggilan alat paralel
Kueri cuaca kota tunggal hanya memerlukan satu pemanggilan alat. Jika pertanyaan memerlukan beberapa pemanggilan alat, seperti "Bagaimana cuaca di Beijing dan Shanghai?" atau "Bagaimana cuaca di Hangzhou dan jam berapa sekarang?", setelah Anda melakukan Pemanggilan Fungsi, hanya satu informasi pemanggilan alat yang akan dikembalikan. Misalnya, jika Anda bertanya "Bagaimana cuaca di Beijing dan Shanghai?":
{
"content": "",
"refusal": null,
"role": "assistant",
"audio": null,
"function_call": null,
"tool_calls": [
{
"id": "call_61a2bbd82a8042289f1ff2",
"function": {
"arguments": "{\"location\": \"Beijing\"}",
"name": "get_current_weather"
},
"type": "function",
"index": 0
}
]
}
Hasil yang dikembalikan hanya berisi parameter input untuk Beijing. Untuk memastikan hasil mencakup semua fungsi alat dan parameter input, Anda dapat mengatur parameter permintaan parallel_tool_calls ke true saat Anda melakukan Pemanggilan Fungsi.
CatatanPemanggilan alat paralel cocok untuk tugas yang tidak memiliki dependensi. Jika ada dependensi antar tugas (input alat A terkait dengan output alat B), lihat Memulai untuk mengimplementasikan pemanggilan alat serial (memanggil satu alat dalam satu waktu) melalui loop while.
def function_calling():
completion = client.chat.completions.create(
model="qwen3.8-max", // Contoh ini menggunakan qwen3.8-max. Anda dapat mengubah nama model sesuai kebutuhan.
extra_body={"enable_thinking": False},
messages=messages,
tools=tools,
// Parameter baru
parallel_tool_calls=True
)
print("Objek yang dikembalikan:")
print(completion.choices[0].message.model_dump_json())
print("\n")
return completion
print("Melakukan pemanggilan fungsi...")
completion = function_calling()
async function functionCalling() {
const completion = await openai.chat.completions.create({
model: "qwen3.8-max", // Contoh ini menggunakan qwen3.8-max. Anda dapat mengubah nama model sesuai kebutuhan.
enable_thinking: false,
messages: messages,
tools: tools,
parallel_tool_calls: true
});
console.log("Objek yang dikembalikan:");
console.log(JSON.stringify(completion.choices[0].message));
console.log("\n");
return completion;
}
const completion = await functionCalling();
Array tool_calls dalam objek yang dikembalikan berisi informasi parameter input untuk Beijing dan Shanghai:
{
"content": "",
"role": "assistant",
"tool_calls": [
{
"function": {
"name": "get_current_weather",
"arguments": "{\"location\": \"Beijing\"}"
},
"index": 0,
"id": "call_c2d8a3a24c4d4929b26ae2",
"type": "function"
},
{
"function": {
"name": "get_current_weather",
"arguments": "{\"location\": \"Shanghai\"}"
},
"index": 1,
"id": "call_dc7f2f678f1944da9194cd",
"type": "function"
}
]
}
Pemanggilan alat paksa
LLM menghasilkan konten dengan tingkat ketidakpastian tertentu dan mungkin memilih alat yang salah. Untuk memaksa penggunaan atau menonaktifkan alat tertentu untuk jenis pertanyaan tertentu, Anda dapat memodifikasi parameter tool_choice. Nilai default parameter tool_choice adalah "auto", yang berarti LLM secara otonom memutuskan cara melakukan pemanggilan alat.
Saat LLM merangkum output fungsi alat, hapus parameter
tool_choice. Jika tidak, API akan tetap mengembalikan informasi pemanggilan alat.
-
Paksa penggunaan alat tertentu
Jika Anda ingin Pemanggilan Fungsi memaksa memanggil alat tertentu untuk jenis pertanyaan tertentu, Anda dapat mengatur parameter
tool_choiceke{"type": "function", "function": {"name": "the_function_to_call"}}. LLM tidak akan berpartisipasi dalam pemilihan alat dan hanya akan mengeluarkan informasi parameter input.Mengasumsikan skenario saat ini hanya melibatkan pertanyaan kueri cuaca, Anda dapat memodifikasi kode function_calling menjadi:
def function_calling():
completion = client.chat.completions.create(
model="qwen3.8-max",
extra_body={"enable_thinking": False},
messages=messages,
tools=tools,
tool_choice={"type": "function", "function": {"name": "get_current_weather"}}
)
print(completion.model_dump_json())
function_calling()
async function functionCalling() {
const response = await openai.chat.completions.create({
model: "qwen3.8-max",
enable_thinking: false,
messages: messages,
tools: tools,
tool_choice: {"type": "function", "function": {"name": "get_current_weather"}}
});
console.log("Objek yang dikembalikan:");
console.log(JSON.stringify(response.choices[0].message));
console.log("\n");
return response;
}
const response = await functionCalling();
Tidak peduli pertanyaan apa yang dimasukkan, fungsi alat dalam objek yang dikembalikan akan menjadi get_current_weather.
Sebelum menggunakan strategi ini, pastikan pertanyaan terkait dengan alat yang dipilih. Jika tidak, mungkin mengembalikan hasil yang tidak terduga.
Untuk beberapa pertanyaan yang memerlukan alat, LLM mungkin memutuskan bahwa tidak perlu melakukan pemanggilan. Untuk memastikan Pemanggilan Fungsi selalu melakukan pemanggilan alat (sehingga parameter tool_calls dalam objek yang dikembalikan tidak kosong), Anda dapat mengatur parameter tool_choice ke "required". Dengan pengaturan ini, Pemanggilan Fungsi akan selalu mengembalikan informasi alat beserta parameter inputnya.
Jika semua pertanyaan dalam skenario saat ini memerlukan pemanggilan alat, Anda dapat memodifikasi kode function_calling menjadi:
def function_calling():
completion = client.chat.completions.create(
model="qwen3.8-max",
extra_body={"enable_thinking": False},
messages=messages,
tools=tools,
tool_choice="required"
)
print(completion.model_dump_json())
function_calling()
async function functionCalling() {
const completion = await openai.chat.completions.create({
model: "qwen3.8-max",
enable_thinking: false,
messages: messages,
tools: tools,
tool_choice: "required"
});
console.log("Objek yang dikembalikan:");
console.log(JSON.stringify(completion.choices[0].message));
console.log("\n");
return completion;
}
const completion = await functionCalling();
Dengan konfigurasi tersebut, parameter tool_calls dalam objek yang dikembalikan tidak akan pernah kosong, terlepas dari pertanyaan yang dimasukkan.
Sebelum menerapkan strategi ini, pastikan pertanyaan tersebut relevan dengan alat yang tersedia. Jika tidak, hasil yang dikembalikan mungkin tidak sesuai harapan.
-
Paksa tidak menggunakan alat
Jika Anda perlu Pemanggilan Fungsi tidak pernah melakukan pemanggilan alat (objek yang dikembalikan berisi konten respons dalam
contentdan parametertool_callskosong), Anda dapat mengatur parametertool_choiceke"none", atau jangan teruskan parametertools. Parametertool_callsyang dikembalikan oleh Pemanggilan Fungsi akan selalu kosong.Mengasumsikan tidak ada pertanyaan dalam skenario saat ini yang memerlukan pemanggilan alat, Anda dapat memodifikasi kode function_calling menjadi:
def function_calling():
completion = client.chat.completions.create(
model="qwen3.8-max",
extra_body={"enable_thinking": False},
messages=messages,
tools=tools,
tool_choice="none"
)
print(completion.model_dump_json())
function_calling()
async function functionCalling() {
const completion = await openai.chat.completions.create({
model: "qwen3.8-max",
enable_thinking: false,
messages: messages,
tools: tools,
tool_choice: "none"
});
console.log("Objek yang dikembalikan:");
console.log(JSON.stringify(completion.choices[0].message));
console.log("\n");
return completion;
}
const completion = await functionCalling();
Percakapan multi-putaran
Pengguna mungkin bertanya "Cuaca di Beijing" pada putaran pertama, lalu "Bagaimana dengan Shanghai?" pada putaran kedua. Jika konteks model tidak memiliki informasi dari putaran pertama, model tidak dapat menentukan alat mana yang akan dipanggil. Dalam skenario percakapan multi-putaran, pertahankan array messages lengkap setelah setiap putaran. Tambahkan Pesan Pengguna baru ke array ini lalu lakukan Pemanggilan Fungsi dan langkah-langkah selanjutnya. Struktur messages adalah sebagai berikut:
[
Pesan Sistem -- Memandu strategi pemanggilan alat model
Pesan Pengguna -- Pertanyaan pengguna
Pesan Asisten -- Informasi pemanggilan alat yang dikembalikan model
Pesan Alat -- Informasi output alat
Pesan Asisten -- Ringkasan model atas informasi pemanggilan alat
Pesan Pengguna -- Pertanyaan pengguna putaran kedua
]
keluaran streaming
Menggunakan keluaran streaming memungkinkan Anda mendapatkan informasi nama fungsi alat dan parameter input secara real-time, yang meningkatkan pengalaman pengguna. Dalam kasus ini:
- Informasi parameter untuk pemanggilan alat dikembalikan dalam potongan sebagai aliran data.
- Nama fungsi alat dikembalikan dalam potongan data pertama dari respons aliran.
from openai import OpenAI
import os
client = OpenAI(
api_key=os.getenv("DASHSCOPE_API_KEY"),
// Wilayah Singapura. Ganti {WorkspaceId} dengan ID Ruang Kerja aktual Anda. URL berbeda-beda berdasarkan wilayah.
base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1",
)
tools = [
{
"type": "function",
"function": {
"name": "get_current_weather",
"description": "Berguna saat Anda ingin menanyakan cuaca di kota tertentu.",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "Kota atau distrik, seperti Beijing, Hangzhou, atau Yuhang.",
}
},
"required": ["location"],
},
},
},
]
stream = client.chat.completions.create(
model="qwen3.8-max",
extra_body={"enable_thinking": False},
messages=[{"role": "user", "content": "Cuaca di Hangzhou?"}],
tools=tools,
stream=True
)
for chunk in stream:
delta = chunk.choices[0].delta
print(delta.tool_calls)
import { OpenAI } from "openai";
const openai = new OpenAI(
{
// Kunci API berbeda-beda berdasarkan wilayah. Untuk mendapatkan Kunci API, lihat https://www.alibabacloud.com/help/en/model-studio/get-api-key
// Jika Anda belum mengonfigurasi variabel lingkungan, ganti baris berikut dengan Kunci API Model Studio Anda: apiKey: "sk-xxx",
apiKey: process.env.DASHSCOPE_API_KEY,
// Wilayah Tiongkok (Beijing). Ganti {WorkspaceId} dengan ID Ruang Kerja aktual Anda. URL berbeda-beda berdasarkan wilayah.
baseURL: "https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1"
}
);
const tools = [
{
"type": "function",
"function": {
"name": "getCurrentWeather",
"description": "Berguna saat Anda ingin menanyakan cuaca di kota tertentu.",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "Kota atau distrik, seperti Beijing, Hangzhou, atau Yuhang."
}
},
"required": ["location"]
}
}
}
];
const stream = await openai.chat.completions.create({
model: "qwen3.8-max",
enable_thinking: false,
messages: [{ role: "user", content: "Cuaca di Beijing" }],
tools: tools,
stream: true,
});
for await (const chunk of stream) {
const delta = chunk.choices[0].delta;
console.log(delta.tool_calls);
}
Setelah menjalankan kode, output berikut ditampilkan:
[ChoiceDeltaToolCall(index=0, id='call_8f08d2b0fc0c4d8fab7123', function=ChoiceDeltaToolCallFunction(arguments='{"location":', name='get_current_weather'), type='function')]
[ChoiceDeltaToolCall(index=0, id='', function=ChoiceDeltaToolCallFunction(arguments=' "Hangzhou"}', name=None), type='function')]
None
Jalankan kode berikut untuk merakit informasi parameter input (arguments):
tool_calls = {}
for response_chunk in stream:
delta_tool_calls = response_chunk.choices[0].delta.tool_calls
if delta_tool_calls:
for tool_call_chunk in delta_tool_calls:
call_index = tool_call_chunk.index
tool_call_chunk.function.arguments = tool_call_chunk.function.arguments or ""
if call_index not in tool_calls:
tool_calls[call_index] = tool_call_chunk
else:
tool_calls[call_index].function.arguments += tool_call_chunk.function.arguments
print(tool_calls[0].model_dump_json())
const toolCalls = {};
for await (const responseChunk of stream) {
const deltaToolCalls = responseChunk.choices[0]?.delta?.tool_calls;
if (deltaToolCalls) {
for (const toolCallChunk of deltaToolCalls) {
const index = toolCallChunk.index;
toolCallChunk.function.arguments = toolCallChunk.function.arguments || "";
if (!toolCalls[index]) {
toolCalls[index] = { ...toolCallChunk };
if (!toolCalls[index].function) {
toolCalls[index].function = { name: '', arguments: '' };
}
}
else if (toolCallChunk.function?.arguments) {
toolCalls[index].function.arguments += toolCallChunk.function.arguments;
}
}
}
}
console.log(JSON.stringify(toolCalls[0]));
Output berikut ditampilkan:
{"index":0,"id":"call_16c72bef988a4c6c8cc662","function":{"arguments":"{\"location\": \"Hangzhou\"}","name":"get_current_weather"},"type":"function"}
Pada langkah di mana LLM merangkum output fungsi alat, Pesan Asisten yang ditambahkan perlu sesuai dengan format di bawah ini. Cukup ganti elemen dalam tool_calls di bawah dengan konten di atas.
{
"content": "",
"refusal": None,
"role": "assistant",
"audio": None,
"function_call": None,
"tool_calls": [
{
"id": "call_xxx",
"function": {
"arguments": '{"location": "xx"}',
"name": "get_current_weather",
},
"type": "function",
"index": 0,
}
],
}
Pemanggilan alat dengan API Responses
Contoh sebelumnya didasarkan pada API Chat Completions dan DashScope OpenAI. Jika Anda menggunakan API Responses OpenAI, proses keseluruhan sama, tetapi format API memiliki perbedaan berikut:
| Dimensi | Chat Completions | API Responses |
|---|---|---|
Format definisi alat | | |
Output pemanggilan alat | response.choices[0].message.tool_calls | Item dalam response.output di mana type adalah function_call |
Umpan balik hasil alat | | |
Respons akhir | response.choices[0].message.content | response.output_text |
from openai import OpenAI
import json
import os
import random
// Inisialisasi klien
client = OpenAI(
// Jika Anda belum mengonfigurasi variabel lingkungan, ganti baris berikut dengan Kunci API Model Studio Anda: api_key="sk-xxx",
// Kunci API berbeda-beda berdasarkan wilayah. Untuk mendapatkan Kunci API, lihat https://www.alibabacloud.com/help/en/model-studio/get-api-key
api_key=os.getenv("DASHSCOPE_API_KEY"),
base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1",
)
// Simulasikan pertanyaan pengguna
USER_QUESTION = "Bagaimana cuaca di Singapura?"
// Definisikan daftar alat
tools = [
{
"type": "function",
"name": "get_current_weather",
"description": "Berguna saat Anda ingin menanyakan cuaca di kota tertentu.",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "Kota atau distrik, seperti Singapura atau London.",
}
},
"required": ["location"],
},
}
]
// Simulasikan alat kueri cuaca
def get_current_weather(arguments):
weather_conditions = ["Sunny", "Cloudy", "Rainy"]
random_weather = random.choice(weather_conditions)
location = arguments["location"]
return f"The weather in {location} today is {random_weather}."
// Enkapsulasi fungsi respons model
def get_response(input_data):
response = client.responses.create(
model="qwen3.8-max",
extra_body={"enable_thinking": False},
input=input_data,
tools=tools,
)
return response
// Pertahankan konteks percakapan
conversation = [{"role": "user", "content": USER_QUESTION}]
response = get_response(conversation)
function_calls = [item for item in response.output if item.type == "function_call"]
// Jika tidak diperlukan pemanggilan alat, cetak konten secara langsung
if not function_calls:
print(f"Respons akhir Asisten: {response.output_text}")
else:
// Masuk ke loop pemanggilan alat
while function_calls:
for fc in function_calls:
func_name = fc.name
arguments = json.loads(fc.arguments)
print(f"Memanggil alat [{func_name}], argumen: {arguments}")
// Jalankan alat
tool_result = get_current_weather(arguments)
print(f"Alat mengembalikan: {tool_result}")
// Tambahkan pasangan pemanggilan dan hasil alat ke konteks
conversation.append(
{
"type": "function_call",
"name": fc.name,
"arguments": fc.arguments,
"call_id": fc.call_id,
}
)
conversation.append(
{
"type": "function_call_output",
"call_id": fc.call_id,
"output": tool_result,
}
)
// Panggil model lagi dengan konteks lengkap
response = get_response(conversation)
function_calls = [
item for item in response.output if item.type == "function_call"
]
print(f"Respons akhir Asisten: {response.output_text}")
import OpenAI from "openai";
// Inisialisasi klien
const openai = new OpenAI({
// Kunci API bervariasi menurut Wilayah. Untuk mendapatkan kunci API, lihat https://www.alibabacloud.com/help/en/model-studio/get-api-key
// Jika Anda belum mengonfigurasi variabel lingkungan, ganti baris berikut dengan kunci API Model Studio Anda: apiKey: "sk-xxx",
apiKey: process.env.DASHSCOPE_API_KEY,
baseURL:
"https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1",
});
// Tentukan daftar alat
const tools = [
{
type: "function",
name: "get_current_weather",
description: "Useful for when you want to query the weather in a specific city.",
parameters: {
type: "object",
properties: {
location: {
type: "string",
description: "A city or district, such as Singapore or London.",
},
},
required: ["location"],
},
},
];
// Simulasikan alat kueri cuaca
const getCurrentWeather = (args) => {
const weatherConditions = ["Sunny", "Cloudy", "Rainy"];
const randomWeather =
weatherConditions[Math.floor(Math.random() * weatherConditions.length)];
const location = args.location;
return `The weather in ${location} today is ${randomWeather}.`;
};
// Enkapsulasi fungsi tanggapan model
const getResponse = async (inputData) => {
const response = await openai.responses.create({
model: "qwen3.8-max",
enable_thinking: false,
input: inputData,
tools: tools,
});
return response;
};
const main = async () => {
const userQuestion = "Weather in Singapore";
// Pertahankan konteks percakapan
const conversation = [{ role: "user", content: userQuestion }];
let response = await getResponse(conversation);
let functionCalls = response.output.filter(
(item) => item.type === "function_call"
);
// Jika tidak ada pemanggilan alat yang diperlukan, cetak konten secara langsung
if (functionCalls.length === 0) {
console.log(`Assistant's final response: ${response.output_text}`);
} else {
// Masuk ke loop pemanggilan alat
while (functionCalls.length > 0) {
for (const fc of functionCalls) {
const funcName = fc.name;
const args = JSON.parse(fc.arguments);
console.log(`Calling tool [${funcName}], arguments:`, args);
// Jalankan alat
const toolResult = getCurrentWeather(args);
console.log(`Tool returns: ${toolResult}`);
// Tambahkan pemanggilan alat dan hasilnya sebagai pasangan ke konteks
conversation.push({
type: "function_call",
name: fc.name,
arguments: fc.arguments,
call_id: fc.call_id,
});
conversation.push({
type: "function_call_output",
call_id: fc.call_id,
output: toolResult,
});
}
// Panggil model lagi dengan konteks lengkap
response = await getResponse(conversation);
functionCalls = response.output.filter(
(item) => item.type === "function_call"
);
}
console.log(`Assistant's final response: ${response.output_text}`);
}
};
// Mulai program
main().catch(console.error);
Pemanggilan alat untuk model omni-modal
Model omni-modal mendukung pemanggilan alat. Metode pemanggilan untuk seri Qwen-Omni dan seri Qwen-Omni-Realtime berbeda.
Seri Qwen-Omni
Seri Qwen3.5-Omni-Plus, Qwen3.5-Omni-Flash, dan Qwen3-Omni-Flash mendukung pemanggilan alat melalui API kompatibel OpenAI. Tahap mendapatkan informasi alat berbeda dari model lain dalam hal berikut:
- keluaran streaming wajib: Qwen-Omni hanya mendukung keluaran streaming. Saat mendapatkan informasi alat, Anda juga harus mengatur
stream=True. - Output teks saja direkomendasikan: Model hanya memerlukan informasi teks saat mendapatkan informasi alat (nama dan parameter fungsi). Untuk menghindari menghasilkan audio yang tidak perlu, kami merekomendasikan mengatur
modalities=["text"]. Saat output mencakup modalitas teks dan audio, Anda perlu melewati potongan data audio saat mendapatkan informasi alat.
Untuk informasi lebih lanjut tentang Qwen-Omni, lihat Non-real-time (Qwen-Omni).
from openai import OpenAI
import os
client = OpenAI(
// Kunci API berbeda-beda berdasarkan wilayah. Untuk mendapatkan Kunci API, lihat https://www.alibabacloud.com/help/en/model-studio/get-api-key
api_key=os.getenv("DASHSCOPE_API_KEY"),
// Wilayah Singapura. Ganti {WorkspaceId} dengan ID Ruang Kerja aktual Anda. URL berbeda-beda berdasarkan wilayah.
base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1",
)
tools = [
{
"type": "function",
"function": {
"name": "get_current_weather",
"description": "Berguna saat Anda ingin menanyakan cuaca di kota tertentu.",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "Kota atau distrik, seperti Beijing, Hangzhou, atau Yuhang.",
}
},
"required": ["location"],
},
},
},
]
completion = client.chat.completions.create(
model="qwen3.5-omni-plus",
messages=[{"role": "user", "content": "Cuaca di Hangzhou?"}],
// Atur modalitas data output. Nilai yang valid: ["text"], ["text","audio"]. Kami merekomendasikan mengaturnya ke ["text"].
modalities=["text"],
// stream harus diatur ke True, jika tidak akan terjadi error.
stream=True,
tools=tools
)
for chunk in completion:
// Jika output mencakup modalitas audio, ubah kondisi berikut menjadi: if chunk.choices and not hasattr(chunk.choices[0].delta, "audio"):
if chunk.choices:
delta = chunk.choices[0].delta
print(delta.tool_calls)
import { OpenAI } from "openai";
const openai = new OpenAI(
{
// Kunci API berbeda-beda berdasarkan wilayah. Untuk mendapatkan Kunci API, lihat https://www.alibabacloud.com/help/en/model-studio/get-api-key
// Jika Anda belum mengonfigurasi variabel lingkungan, ganti baris berikut dengan Kunci API Model Studio Anda: apiKey: "sk-xxx",
apiKey: process.env.DASHSCOPE_API_KEY,
// Wilayah Singapura. Ganti {WorkspaceId} dengan ID Ruang Kerja aktual Anda. URL berbeda-beda berdasarkan wilayah.
baseURL: "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1"
}
);
const tools = [
{
"type": "function",
"function": {
"name": "getCurrentWeather",
"description": "Berguna saat Anda ingin menanyakan cuaca di kota tertentu.",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "Kota atau distrik, seperti Beijing, Hangzhou, atau Yuhang."
}
},
"required": ["location"]
}
}
}
];
const stream = await openai.chat.completions.create({
model: "qwen3-omni-flash",
messages: [
{
"role": "user",
"content": "Cuaca di Hangzhou"
}],
stream: true,
// Atur modalitas data output. Nilai yang valid: ["text"], ["text","audio"]. Kami merekomendasikan mengaturnya ke ["text"].
modalities: ["text"],
tools:tools
});
for await (const chunk of stream) {
// Jika output mencakup audio, ganti pernyataan kondisional dengan: if (chunk.choices?.length && chunk.choices[0].delta && !('audio' in chunk.choices[0].delta))
if (chunk.choices?.length){
const delta = chunk.choices[0].delta;
console.log(delta.tool_calls);
}}
Setelah menjalankan kode, output berikut ditampilkan:
[ChoiceDeltaToolCall(index=0, id='call_391c8e5787bc4972a388aa', function=ChoiceDeltaToolCallFunction(arguments=None, name='get_current_weather'), type='function')]
[ChoiceDeltaToolCall(index=0, id='call_391c8e5787bc4972a388aa', function=ChoiceDeltaToolCallFunction(arguments=' {"location": "Hangzhou"}', name=None), type='function')]
None
Untuk kode merakit informasi parameter input (arguments), lihat keluaran streaming.
Seri Qwen-Omni-Realtime
Seri Qwen3.5-Omni-Plus-Realtime dan Qwen3.5-Omni-Flash-Realtime mendukung pemanggilan alat dan cocok untuk skenario percakapan suara. Anda dapat memanggilnya melalui SDK DashScope atau protokol WebSocket asli.
Alur kerja:
Setelah membuat koneksi WebSocket, teruskan definisi alat melalui session.update untuk memasuki alur interaksi berikut:
- Pengguna mengajukan pertanyaan dengan suara. Klien mengumpulkan audio dan mengirimkannya ke server (sesuai dengan metode
append_audio()). Setelah VAD server mendeteksi akhir ucapan, server melakukan inferensi model dan menentukan bahwa alat perlu dipanggil. - Server mengembalikan informasi pemanggilan alat ke klien (sesuai dengan event
response.function_call_arguments.done), termasuk nama fungsi (name), parameter input fungsi (arguments), dan pengenal panggilan (call_id). Contohnya sebagai berikut:
{
"type": "response.function_call_arguments.done",
"response_id": "resp_JnTOsWXlFhKcFohZbtfz6",
"item_id": "item_Rhcms7CauTNsQprV5S4Hr",
"output_index": 0,
"name": "get_current_weather",
"call_id": "call_2be200f4cafe419b9530dd",
"arguments": "{\"location\": \"Hangzhou\"}"
}
- Klien menjalankan fungsi alat yang sesuai secara lokal berdasarkan nama fungsi dan parameter input untuk mendapatkan hasil eksekusi.
- Klien mengirim hasil eksekusi alat kembali ke server (sesuai dengan event
conversation.item.create), termasuk pengenal panggilan (call_id) dan hasil eksekusi (output). Contohnya sebagai berikut:
{
"type": "conversation.item.create",
"item": {
"type": "function_call_output",
"call_id": "call_2be200f4cafe419b9530dd",
"output": "The weather in Hangzhou today is sunny, with a temperature of 25°C and a light breeze."
}
}
- Klien terus mengirim event
response.createuntuk memicu server menghasilkan jawaban suara akhir berdasarkan hasil eksekusi alat. - Klien menerima suara dan teks yang dikembalikan server (sesuai dengan event
response.audio.deltadanresponse.audio_transcript.delta) dan memutar respons suara ke pengguna.
Seri Qwen-Omni-Realtime tidak mendukung parameter
tool_choicedanparallel_tool_calls.
Untuk informasi lebih lanjut tentang Qwen-Omni-Realtime, lihat Real-time (Qwen-Omni-Realtime), Event klien, dan Event sisi server.
import os
import uuid
import threading
import traceback
import json
import base64
import signal
import sys
import time
from typing import Dict, Any, Optional, List
import pyaudio
import queue
import contextlib
import dashscope
from dashscope.audio.qwen_omni import *
# ==================== Definisi Konstanta ====================
VOICE = 'Tina'
MODEL = "qwen3.5-omni-plus-realtime"
# Untuk mengakses wilayah Beijing, ganti WS_URL dengan: wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api-ws/v1/realtime
WS_URL = "wss://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api-ws/v1/realtime"
# Konfigurasikan kunci API. Jika Anda belum mengatur variabel lingkungan, ganti baris berikut dengan kunci API Anda: dashscope.api_key = "sk-xxx"
dashscope.api_key = os.getenv('DASHSCOPE_API_KEY')
AUDIO_SAMPLE_RATE = 16000
AUDIO_CHUNK_SIZE = 3200
OUTPUT_AUDIO_SAMPLE_RATE = 24000
# ==================== Definisi Alat (Tool) ====================
def get_train_price(src: str, dst: str) -> str:
"""Kueri harga tiket kereta"""
return f"The train ticket price from {src} to {dst} is 100-200 CNY."
def get_flight_price(src: str, dst: str) -> str:
"""Kueri harga tiket pesawat"""
return f"The flight ticket price from {src} to {dst} is 200-300 USD."
def get_current_weather(location: str) -> str:
"""Kueri cuaca di kota tertentu"""
return f"The weather in {location} today is changing from haze to sunny, with a temperature of 4/-4°C and a light breeze."
# Definisi alat (tool) format OpenAI terpadu
TOOLS = [
{
"type": "function",
"function": {
"name": "get_current_weather",
"description": "Berguna saat Anda ingin menanyakan cuaca di kota tertentu.",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "Sebuah kota atau distrik, seperti Beijing, Hangzhou, atau Yuhang.",
}
},
"required": ["location"],
},
},
},
{
"type": "function",
"function": {
"name": "get_flight_price",
"description": "Berguna saat Anda ingin menanyakan harga tiket pesawat.",
"parameters": {
"type": "object",
"properties": {
"src": {
"type": "string",
"description": "Kota keberangkatan penerbangan, seperti Beijing atau Hangzhou.",
},
"dst": {
"type": "string",
"description": "Kota kedatangan penerbangan, seperti Beijing atau Hangzhou.",
},
},
"required": ["src", "dst"],
},
},
},
{
"type": "function",
"function": {
"name": "get_train_price",
"description": "Berguna saat Anda ingin menanyakan harga tiket kereta.",
"parameters": {
"type": "object",
"properties": {
"src": {
"type": "string",
"description": "Kota keberangkatan kereta, seperti Beijing atau Hangzhou.",
},
"dst": {
"type": "string",
"description": "Kota kedatangan kereta, seperti Beijing atau Hangzhou.",
},
},
"required": ["src", "dst"],
},
},
},
]
# Pemetaan nama alat (tool) ke fungsi
TOOL_FUNCTIONS = {
"get_current_weather": get_current_weather,
"get_flight_price": get_flight_price,
"get_train_price": get_train_price,
}
# ==================== Penanganan Panggilan Alat (Tool Call) ====================
def handle_tool_call(tool_call_response: Dict[str, Any]) -> Dict[str, Any]:
"""
Menangani permintaan panggilan alat (tool call)
Args:
tool_call_response: Informasi panggilan alat yang berisi nama, argumen, dan call_id
Returns:
Respons panggilan alat yang diperbarui yang berisi bidang output
"""
try:
function_name = tool_call_response['name']
tool_call_arguments = json.loads(tool_call_response['arguments'])
print(f'[Tool Call] Start processing: name={function_name}, args={tool_call_arguments}')
# Temukan fungsi yang sesuai
if function_name not in TOOL_FUNCTIONS:
tool_call_response['output'] = f"Client did not find the tool: {function_name}"
print(f'[Tool Call] Error: Tool not found {function_name}')
return tool_call_response
# Panggil fungsi
func = TOOL_FUNCTIONS[function_name]
result = func(**tool_call_arguments)
tool_call_response['output'] = result
print(f'[Tool Call] Completed: {result}')
return tool_call_response
except Exception as e:
error_msg = f"Tool call failed: {str(e)}"
tool_call_response['output'] = error_msg
print(f'[Tool Call] Exception: {error_msg}')
traceback.print_exc()
return tool_call_response
def send_tool_call_response(conversation: OmniRealtimeConversation, response: Dict[str, Any]) -> None:
"""Mengirimkan hasil panggilan alat (tool call) ke server"""
conversation.create_item({
"id": 'item_' + uuid.uuid4().hex,
"type": "function_call_output",
"call_id": response['call_id'],
"output": response["output"],
})
# ==================== Pemutar Audio PCM ====================
class PCMPlayer:
"""
Pemutar Audio PCM
Menggunakan arsitektur dual-thread untuk pemutaran audio real-time:
- Thread decoding: Mendekode data audio yang dienkode base64 menjadi data PCM mentah
- Thread pemutaran: Menulis data PCM ke perangkat output audio
Mendukung penambahan data audio secara dinamis, pembatalan pemutaran, penyimpanan file audio, dll.
"""
def __init__(self, pya: pyaudio.PyAudio, sample_rate=24000, chunk_size_ms=100, save_file=False):
"""
Menginisialisasi pemutar PCM
Args:
pya: Instans pyaudio.PyAudio
sample_rate: Laju pengambilan sampel audio (Hz), default 24000
chunk_size_ms: Ukuran chunk audio (milidetik), memengaruhi latensi pembatalan pemutaran, default 100ms
save_file: Apakah akan menyimpan audio yang diputar ke file (result.pcm), default False
"""
self.pya = pya
self.sample_rate = sample_rate
self.chunk_size_bytes = chunk_size_ms * sample_rate * 2 // 1000
self.player_stream = pya.open(format=pyaudio.paInt16,
channels=1,
rate=sample_rate,
output=True)
self.raw_audio_buffer: queue.Queue = queue.Queue()
self.b64_audio_buffer: queue.Queue = queue.Queue()
self.status_lock = threading.Lock()
self.status = 'playing'
self.decoder_thread = threading.Thread(target=self.decoder_loop)
self.player_thread = threading.Thread(target=self.player_loop)
self.decoder_thread.start()
self.player_thread.start()
self.complete_event: threading.Event = None
self.save_file = save_file
if self.save_file:
self.out_file = open('result.pcm', 'wb')
def decoder_loop(self):
"""Thread decoding: Mendekode data audio base64 menjadi data PCM mentah"""
while self.status != 'stop':
recv_audio_b64 = None
with contextlib.suppress(queue.Empty):
recv_audio_b64 = self.b64_audio_buffer.get(timeout=0.1)
if recv_audio_b64 is None:
continue
recv_audio_raw = base64.b64decode(recv_audio_b64)
# dorong data audio mentah ke antrian per chunk
for i in range(0, len(recv_audio_raw), self.chunk_size_bytes):
chunk = recv_audio_raw[i:i + self.chunk_size_bytes]
self.raw_audio_buffer.put(chunk)
if self.save_file:
self.out_file.write(chunk)
def player_loop(self):
"""Thread pemutaran: Menulis data PCM ke perangkat output audio"""
while self.status != 'stop':
recv_audio_raw = None
with contextlib.suppress(queue.Empty):
recv_audio_raw = self.raw_audio_buffer.get(timeout=0.1)
if recv_audio_raw is None:
if self.complete_event:
self.complete_event.set()
continue
# tulis chunk ke pemutar audio pyaudio, tunggu hingga selesai memutar chunk ini.
self.player_stream.write(recv_audio_raw)
def cancel_playing(self):
"""Batalkan pemutaran: Kosongkan semua antrian buffer"""
self.b64_audio_buffer.queue.clear()
self.raw_audio_buffer.queue.clear()
def add_data(self, data):
"""Tambahkan data audio yang dienkode base64 ke antrian pemutaran"""
self.b64_audio_buffer.put(data)
def wait_for_complete(self):
"""Tunggu hingga pemutaran selesai"""
self.complete_event = threading.Event()
self.complete_event.wait()
self.complete_event = None
def shutdown(self):
"""Matikan pemutar dan lepaskan sumber daya"""
self.status = 'stop'
self.decoder_thread.join()
self.player_thread.join()
self.player_stream.close()
if self.save_file:
self.out_file.close()
# ==================== Manajer Audio ====================
class AudioManager:
"""Mengelola sumber daya input dan output audio"""
def __init__(self):
self.pya: Optional[pyaudio.PyAudio] = None
self.mic_stream: Optional[pyaudio.Stream] = None
self.player: Optional[PCMPlayer] = None
def initialize(self) -> None:
"""Inisialisasi perangkat audio"""
print('Initializing audio devices...')
self.pya = pyaudio.PyAudio()
self.mic_stream = self.pya.open(
format=pyaudio.paInt16,
channels=1,
rate=AUDIO_SAMPLE_RATE,
input=True
)
self.player = PCMPlayer(self.pya, sample_rate=OUTPUT_AUDIO_SAMPLE_RATE)
print('Audio devices initialized')
def read_audio_chunk(self) -> Optional[bytes]:
"""Baca sebuah chunk data audio"""
if not self.mic_stream:
return None
try:
return self.mic_stream.read(AUDIO_CHUNK_SIZE, exception_on_overflow=False)
except Exception as e:
print(f'[Error] Failed to read audio data: {e}')
return None
def cleanup(self) -> None:
"""Bersihkan sumber daya audio"""
print('Cleaning up audio resources...')
if self.player:
self.player.shutdown()
if self.mic_stream:
self.mic_stream.close()
if self.pya:
self.pya.terminate()
print('Audio resources cleaned up')
# ==================== Penangan Callback ====================
class OmniCallback(OmniRealtimeCallback):
"""Penangan callback percakapan real-time Omni"""
def __init__(self, audio_manager: AudioManager):
self.audio_manager = audio_manager
self.tool_calls: Dict[str, Dict[str, Any]] = {}
self.all_response_text: str = ''
self.last_package_time: float = 0
self.is_first_text: bool = True
self.is_first_audio: bool = True
self.conversation: Optional[OmniRealtimeConversation] = None
def set_conversation(self, conversation: OmniRealtimeConversation) -> None:
"""Atur referensi instans percakapan"""
self.conversation = conversation
def on_open(self) -> None:
"""Callback saat koneksi terjalin"""
print('Connection established')
self.audio_manager.initialize()
self.last_package_time = time.time() * 1000
self.is_first_text = True
self.is_first_audio = True
self.tool_calls = {}
self.all_response_text = ''
def on_close(self, close_status_code: int, close_msg: str) -> None:
"""Callback saat koneksi ditutup"""
print(f'Connection closed: code={close_status_code}, msg={close_msg}')
self.audio_manager.cleanup()
sys.exit(0)
def on_event(self, response: Dict[str, Any]) -> None:
"""Tangani callback event"""
try:
event_type = response.get('type', '')
# Sesi dibuat
if event_type == 'session.created':
print(f'Session started: {response["session"]["id"]}')
# Speech-to-text selesai
elif event_type == 'conversation.item.input_audio_transcription.completed':
print(f'User question: {response.get("transcript", "")}')
# Respons teks inkremental
elif event_type in ('response.audio_transcript.delta', 'response.text.delta'):
if self.is_first_text:
self.is_first_text = False
latency = time.time() * 1000 - self.last_package_time
print(f'Time to first token (VAD end): {latency:.0f} ms')
text = response.get('delta', '')
self.all_response_text += text
# Respons audio inkremental
elif event_type == 'response.audio.delta':
if self.is_first_audio:
self.is_first_audio = False
latency = time.time() * 1000 - self.last_package_time
print(f'Time to first audio (VAD end): {latency:.0f} ms')
audio_interval = time.time() * 1000 - self.last_package_time
print(f'Audio interval: {audio_interval:.0f} ms')
self.last_package_time = time.time() * 1000
recv_audio_b64 = response.get('delta', '')
if self.audio_manager.player:
self.audio_manager.player.add_data(recv_audio_b64)
# VAD mendeteksi awal ucapan
elif event_type == 'input_audio_buffer.speech_started':
print('====== VAD detected speech start ======')
if self.audio_manager.player:
self.audio_manager.player.cancel_playing()
# VAD mendeteksi akhir ucapan
elif event_type == 'input_audio_buffer.speech_stopped':
print('====== VAD detected speech end ======')
self.last_package_time = time.time() * 1000
self.is_first_text = True
self.is_first_audio = True
self.tool_calls = {}
# Argumen panggilan fungsi selesai
elif event_type == 'response.function_call_arguments.done':
print('====== Received tool call request ======')
call_id = response.get('call_id', '')
self.tool_calls[call_id] = response.copy()
self.tool_calls[call_id]['processed'] = False
# Respons selesai
elif event_type == 'response.done':
print('====== Response completed ======')
print(f'Full response: {self.all_response_text}')
if self.conversation:
response_id = self.conversation.get_last_response_id()
text_delay = self.conversation.get_last_first_text_delay()
audio_delay = self.conversation.get_last_first_audio_delay()
# Cetak metrik terperinci hanya jika semua tersedia
if response_id is not None and text_delay is not None and audio_delay is not None:
print(f'[Metric] Response ID: {response_id}, '
f'Time to first token: {text_delay:.0f}ms, '
f'Time to first audio: {audio_delay:.0f}ms')
else:
print('[Metrik] Informasi metrik untuk sementara tidak tersedia (kemungkinan respons setelah panggilan alat)')
self.all_response_text = ''
except Exception as e:
print(f'[Error] Exception handling event: {e}')
traceback.print_exc()
def process_pending_tool_calls(self) -> bool:
"""
Memproses panggilan alat (tool call) yang tertunda
Returns:
Apakah ada panggilan alat baru yang memerlukan respons
"""
has_pending = False
for call_id, tool_call in self.tool_calls.items():
if not tool_call.get('processed', False):
has_pending = True
tool_call['processed'] = True
# Tangani panggilan alat (tool call)
result = handle_tool_call(tool_call)
# Kirim hasilnya ke server
if self.conversation:
send_tool_call_response(self.conversation, result)
return has_pending
# ==================== Program Utama ====================
def main():
"""Fungsi utama"""
print('Initializing Omni real-time conversation...')
# Buat manajer audio
audio_manager = AudioManager()
# Buat penangan callback
callback = OmniCallback(audio_manager)
# Buat instans percakapan
conversation = OmniRealtimeConversation(
api_key=dashscope.api_key,
url=WS_URL,
model=MODEL,
callback=callback,
)
# Atur referensi percakapan di callback
callback.set_conversation(conversation)
# Buat koneksi
conversation.connect()
# Konfigurasikan parameter sesi
omni_output_modalities = [MultiModality.AUDIO, MultiModality.TEXT]
conversation.update_session(
output_modalities=omni_output_modalities,
voice=VOICE,
input_audio_format=AudioFormat.PCM_16000HZ_MONO_16BIT,
output_audio_format=AudioFormat.PCM_24000HZ_MONO_16BIT,
enable_input_audio_transcription=True,
enable_turn_detection=True,
turn_detection_type='server_vad',
tools=TOOLS,
)
# Siapkan penanganan sinyal
def signal_handler(sig, frame):
print('\nMenerima Ctrl+C, menghentikan...')
conversation.close()
audio_manager.cleanup()
print('Percakapan real-time Omni dihentikan')
sys.exit(0)
signal.signal(signal.SIGINT, signal_handler)
print("Tekan Ctrl+C untuk menghentikan percakapan...\n")
# Loop utama: terus-menerus mengirim audio dan memeriksa panggilan alat (tool call)
try:
while True:
# Proses panggilan alat (tool call) yang tertunda
has_tool_calls = callback.process_pending_tool_calls()
if has_tool_calls:
print("*** Panggilan alat selesai, membuat respons baru ***")
conversation.create_response(
instructions=None,
output_modalities=omni_output_modalities
)
print('====== Pemrosesan panggilan alat selesai ======\n')
# Baca dan kirim data audio
audio_data = audio_manager.read_audio_chunk()
if audio_data:
audio_b64 = base64.b64encode(audio_data).decode('ascii')
conversation.append_audio(audio_b64)
else:
break
except KeyboardInterrupt:
signal_handler(signal.SIGINT, None)
except Exception as e:
print(f'[Error] Main loop exception: {e}')
traceback.print_exc()
finally:
conversation.close()
audio_manager.cleanup()
if __name__ == '__main__':
main()
import com.alibaba.dashscope.audio.omni.*;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.google.gson.Gson;
import com.google.gson.JsonObject;
import javax.sound.sampled.*;
import java.nio.ByteBuffer;
import java.util.*;
import java.util.concurrent.ConcurrentHashMap;
import java.util.concurrent.ConcurrentLinkedQueue;
import java.util.concurrent.atomic.AtomicBoolean;
import java.util.concurrent.atomic.AtomicReference;
import java.util.function.Function;
public class Main {
public static void main(String[] args) {
try {
// Inisialisasi komponen
AudioPlayer audioPlayer = new AudioPlayer();
ToolRegistry toolRegistry = new ToolRegistry();
ConversationHandler handler = new ConversationHandler(audioPlayer, toolRegistry);
// Buat dan konfigurasi sesi
OmniRealtimeParam param = OmniRealtimeParam.builder()
.model("qwen3.5-omni-plus-realtime")
.apikey(System.getenv("DASHSCOPE_API_KEY"))
// Untuk mengakses wilayah Beijing, ganti url dengan: wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api-ws/v1/realtime
.url("wss://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api-ws/v1/realtime")
.build();
OmniRealtimeConversation conversation = new OmniRealtimeConversation(param, handler);
conversation.connect();
// Konfigurasi parameter sesi
configureSession(conversation, toolRegistry);
// Mulai pengambilan audio
startAudioCapture(conversation, handler);
// Bersihkan sumber daya
cleanup(conversation, audioPlayer);
} catch (NoApiKeyException e) {
System.err.println("KUNCI API tidak ditemukan: Harap atur variabel lingkungan DASHSCOPE_API_KEY");
} catch (Exception e) {
e.printStackTrace();
}
}
private static void configureSession(OmniRealtimeConversation conversation, ToolRegistry toolRegistry) {
HashMap<String, Object> additionalConfig = new HashMap<>();
additionalConfig.put("tools", toolRegistry.buildToolsDefinition());
conversation.updateSession(OmniRealtimeConfig.builder()
.modalities(Arrays.asList(OmniRealtimeModality.AUDIO, OmniRealtimeModality.TEXT))
.voice("Tina")
.enableTurnDetection(true)
.enableInputAudioTranscription(true)
.parameters(additionalConfig)
.build());
System.out.println("Pemanggilan alat diaktifkan. Silakan mulai berbicara (Tekan Ctrl+C untuk keluar)...");
}
private static void startAudioCapture(OmniRealtimeConversation conversation, ConversationHandler handler)
throws LineUnavailableException {
AudioFormat format = new AudioFormat(16000, 16, 1, true, false);
TargetDataLine mic = AudioSystem.getTargetDataLine(format);
mic.open(format);
mic.start();
ByteBuffer buffer = ByteBuffer.allocate(3200);
while (!handler.getShouldStop().get()) {
int bytesRead = mic.read(buffer.array(), 0, buffer.capacity());
if (bytesRead > 0) {
conversation.appendAudio(Base64.getEncoder().encodeToString(buffer.array()));
// Periksa dan proses pemanggilan alat yang tertunda
if (handler.hasPendingToolCalls()) {
System.out.println("*** buat respons setelah memanggil alat");
handler.processPendingToolCalls(conversation);
conversation.createResponse(null, Arrays.asList(OmniRealtimeModality.AUDIO, OmniRealtimeModality.TEXT));
System.out.println("======PEMANGGILAN ALAT SELESAI======");
}
}
try {
Thread.sleep(20);
} catch (InterruptedException ignored) {}
}
mic.close();
}
private static void cleanup(OmniRealtimeConversation conversation, AudioPlayer audioPlayer) {
try {
conversation.close(1000, "Keluar normal");
audioPlayer.close();
} catch (Exception e) {
e.printStackTrace();
}
}
/**
* Pemutar Audio - Bertanggung jawab atas pemutaran berurutan data audio
*/
static class AudioPlayer {
private final SourceDataLine line;
private final Queue<byte[]> audioQueue = new ConcurrentLinkedQueue<>();
private final Thread playerThread;
private final AtomicBoolean shouldStop = new AtomicBoolean(false);
public AudioPlayer() throws LineUnavailableException {
AudioFormat format = new AudioFormat(24000, 16, 1, true, false);
line = AudioSystem.getSourceDataLine(format);
line.open(format);
line.start();
playerThread = new Thread(this::playLoop, "PemutarAudio");
playerThread.start();
}
private void playLoop() {
while (!shouldStop.get()) {
byte[] audio = audioQueue.poll();
if (audio != null) {
line.write(audio, 0, audio.length);
} else {
try {
Thread.sleep(10);
} catch (InterruptedException ignored) {}
}
}
}
public void play(String base64Audio) {
audioQueue.add(Base64.getDecoder().decode(base64Audio));
}
public void close() {
shouldStop.set(true);
try {
playerThread.join(1000);
} catch (InterruptedException ignored) {}
line.drain();
line.close();
}
}
/**
* Registry Alat - Mengelola alat yang tersedia dan implementasinya
*/
static class ToolRegistry {
private final Map<String, Function<JsonObject, String>> tools = new ConcurrentHashMap<>();
private final Map<String, JsonObject> pendingToolCalls = new ConcurrentHashMap<>();
public ToolRegistry() {
registerDefaultTools();
}
private void registerDefaultTools() {
registerTool("get_current_weather", this::getCurrentWeather);
registerTool("get_flight_price", this::getFlightPrice);
registerTool("get_train_price", this::getTrainPrice);
}
public void registerTool(String name, Function<JsonObject, String> handler) {
tools.put(name, handler);
}
/**
* Bangun definisi alat (format OpenAI)
*/
public List<Map<String, Object>> buildToolsDefinition() {
List<Map<String, Object>> definitions = new ArrayList<>();
definitions.add(createFunctionDefinition(
"get_current_weather",
"Berguna saat Anda ingin menanyakan cuaca di kota tertentu.",
createParamsSchema(
Collections.singletonMap("location",
createProperty("string", "Kota atau distrik, seperti Beijing, Hangzhou, atau Yuhang.")),
Collections.singletonList("location")
)
));
Map<String, Object> flightProps = new HashMap<>();
flightProps.put("src", createProperty("string", "Kota keberangkatan penerbangan, seperti Beijing atau Hangzhou."));
flightProps.put("dst", createProperty("string", "Kota kedatangan penerbangan, seperti Beijing atau Hangzhou."));
definitions.add(createFunctionDefinition(
"get_flight_price",
"Berguna saat Anda ingin menanyakan harga tiket penerbangan.",
createParamsSchema(flightProps, Arrays.asList("src", "dst"))
));
Map<String, Object> trainProps = new HashMap<>();
trainProps.put("src", createProperty("string", "Kota keberangkatan kereta, seperti Beijing atau Hangzhou."));
trainProps.put("dst", createProperty("string", "Kota kedatangan kereta, seperti Beijing atau Hangzhou."));
definitions.add(createFunctionDefinition(
"get_train_price",
"Berguna saat Anda ingin menanyakan harga tiket kereta.",
createParamsSchema(trainProps, Arrays.asList("src", "dst"))
));
return definitions;
}
private Map<String, Object> createFunctionDefinition(String name, String description, Map<String, Object> parameters) {
Map<String, Object> function = new HashMap<>();
function.put("name", name);
function.put("description", description);
function.put("parameters", parameters);
Map<String, Object> tool = new HashMap<>();
tool.put("type", "function");
tool.put("function", function);
return tool;
}
private Map<String, Object> createParamsSchema(Map<String, Object> properties, List<String> required) {
Map<String, Object> schema = new HashMap<>();
schema.put("type", "object");
schema.put("properties", properties);
schema.put("required", required);
return schema;
}
private Map<String, Object> createProperty(String type, String description) {
Map<String, Object> prop = new HashMap<>();
prop.put("type", type);
prop.put("description", description);
return prop;
}
/**
* Tambahkan pemanggilan alat ke antrian tertunda
*/
public void addPendingToolCall(String callId, JsonObject toolCall) {
pendingToolCalls.put(callId, toolCall);
}
/**
* Periksa apakah ada pemanggilan alat yang tertunda
*/
public boolean hasPendingToolCalls() {
return !pendingToolCalls.isEmpty();
}
/**
* Proses semua pemanggilan alat yang tertunda
*/
public void processPendingToolCalls(OmniRealtimeConversation conversation) {
if (pendingToolCalls.isEmpty()) {
return;
}
for (Map.Entry<String, JsonObject> entry : pendingToolCalls.entrySet()) {
String callId = entry.getKey();
JsonObject toolCall = entry.getValue();
String result = executeTool(toolCall);
sendToolResult(conversation, callId, result);
}
pendingToolCalls.clear();
}
private String executeTool(JsonObject toolCall) {
String functionName = toolCall.get("name").getAsString();
JsonObject arguments = new Gson().fromJson(
toolCall.get("arguments").getAsString(),
JsonObject.class
);
System.out.println("[Pemanggilan Alat] mulai menangani: " + functionName + ", args: " + arguments);
Function<JsonObject, String> handler = tools.get(functionName);
if (handler == null) {
return "Klien tidak menemukan alat ini. Pemanggilan gagal.";
}
String result = handler.apply(arguments);
System.out.println("[Pemanggilan Alat] respons: " + result);
return result;
}
private void sendToolResult(OmniRealtimeConversation conversation, String callId, String output) {
JsonObject item = new JsonObject();
item.addProperty("id", "item_" + UUID.randomUUID().toString().replace("-", ""));
item.addProperty("type", "function_call_output");
item.addProperty("call_id", callId);
item.addProperty("output", output);
conversation.createItem(item);
}
// ===== Implementasi Alat =====
private String getCurrentWeather(JsonObject args) {
String location = args.get("location").getAsString();
return "Cuaca di " + location + " hari ini berubah dari berkabut menjadi cerah, dengan suhu 4/-4°C dan angin sepoi-sepoi.";
}
private String getFlightPrice(JsonObject args) {
String src = args.get("src").getAsString();
String dst = args.get("dst").getAsString();
return "Harga tiket penerbangan dari " + src + " ke " + dst + " adalah 200-300 USD.";
}
private String getTrainPrice(JsonObject args) {
String src = args.get("src").getAsString();
String dst = args.get("dst").getAsString();
return "kesalahan kunci api tidak valid";
}
}
/**
* Handler Percakapan - Menangani event WebSocket
*/
static class ConversationHandler extends OmniRealtimeCallback {
private final AudioPlayer audioPlayer;
private final ToolRegistry toolRegistry;
private final AtomicBoolean shouldStop = new AtomicBoolean(false);
private final AtomicReference<StringBuilder> responseTextRef = new AtomicReference<>(new StringBuilder());
private long lastPackageTime = 0;
private boolean isFirstText = true;
private boolean isFirstAudio = true;
public ConversationHandler(AudioPlayer audioPlayer, ToolRegistry toolRegistry) {
this.audioPlayer = audioPlayer;
this.toolRegistry = toolRegistry;
}
public AtomicBoolean getShouldStop() {
return shouldStop;
}
@Override
public void onOpen() {
System.out.println("Koneksi terbentuk");
}
@Override
public void onClose(int code, String reason) {
System.out.println("Koneksi ditutup");
shouldStop.set(true);
}
@Override
public void onEvent(JsonObject message) {
String type = message.get("type").getAsString();
switch (type) {
case "session.created":
handleSessionCreated(message);
break;
case "conversation.item.input_audio_transcription.completed":
handleTranscriptionCompleted(message);
break;
case "response.audio_transcript.delta":
case "response.text.delta":
handleTextDelta(message);
break;
case "response.audio.delta":
handleAudioDelta(message);
break;
case "input_audio_buffer.speech_started":
handleSpeechStarted();
break;
case "input_audio_buffer.speech_stopped":
handleSpeechStopped();
break;
case "response.function_call_arguments.done":
handleFunctionCall(message);
break;
case "response.done":
handleResponseDone();
break;
default:
break;
}
}
private void handleSessionCreated(JsonObject message) {
String sessionId = message.get("session").getAsJsonObject().get("id").getAsString();
System.out.println("mulai sesi: " + sessionId);
}
private void handleTranscriptionCompleted(JsonObject message) {
System.out.println("pertanyaan: " + message.get("transcript").getAsString());
}
private void handleTextDelta(JsonObject message) {
if (isFirstText) {
isFirstText = false;
System.out.println("latensi teks pertama dari akhir vad: " +
(System.currentTimeMillis() - lastPackageTime) + " ms");
}
String text = message.get("delta").getAsString();
responseTextRef.get().append(text);
}
private void handleAudioDelta(JsonObject message) {
if (isFirstAudio) {
isFirstAudio = false;
System.out.println("latensi audio pertama dari akhir vad: " +
(System.currentTimeMillis() - lastPackageTime) + " ms");
}
System.out.println("interval audio: " + (System.currentTimeMillis() - lastPackageTime) + " ms");
lastPackageTime = System.currentTimeMillis();
audioPlayer.play(message.get("delta").getAsString());
}
private void handleSpeechStarted() {
System.out.println("======VAD Awal Ucapan======");
}
private void handleSpeechStopped() {
System.out.println("======VAD Akhir Ucapan======");
lastPackageTime = System.currentTimeMillis();
isFirstText = true;
isFirstAudio = true;
}
private void handleFunctionCall(JsonObject message) {
System.out.println("======PEMANGGILAN ALAT======");
String callId = message.get("call_id").getAsString();
toolRegistry.addPendingToolCall(callId, message);
}
private void handleResponseDone() {
System.out.println("======RESPONS SELESAI======");
System.out.println("semua teks respons: " + responseTextRef.get());
responseTextRef.set(new StringBuilder());
}
/**
* Periksa apakah ada pemanggilan alat yang tertunda
*/
public boolean hasPendingToolCalls() {
return toolRegistry.hasPendingToolCalls();
}
/**
* Proses semua pemanggilan alat yang tertunda
*/
public void processPendingToolCalls(OmniRealtimeConversation conversation) {
toolRegistry.processPendingToolCalls(conversation);
}
}
}
import asyncio
import json
import base64
import os
import pyaudio
import websockets
// ==================== Definisi Konstanta ====================
API_KEY = os.getenv("DASHSCOPE_API_KEY")
// Untuk mengakses wilayah Beijing, ganti dengan:
// wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api-ws/v1/realtime
URL = "wss://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api-ws/v1/realtime"
MODEL = "qwen3.5-omni-plus-realtime"
VOICE = "Ethan"
// ==================== Definisi Alat ====================
def get_current_weather(location):
"""Tanyakan cuaca di kota tertentu"""
return f"Cuaca di {location} hari ini berubah dari berkabut menjadi cerah, dengan suhu 4/-4°C dan angin sepoi-sepoi."
def get_flight_price(src, dst):
"""Tanyakan harga tiket penerbangan"""
return f"Harga tiket penerbangan dari {src} ke {dst} adalah 200-300 USD."
def get_train_price(src, dst):
"""Tanyakan harga tiket kereta"""
return f"Harga tiket kereta dari {src} ke {dst} adalah 100-200 CNY."
// Pemetaan nama alat ke fungsi
TOOL_FUNCTIONS = {
"get_current_weather": get_current_weather,
"get_flight_price": get_flight_price,
"get_train_price": get_train_price,
}
TOOLS = [
{
"type": "function",
"function": {
"name": "get_current_weather",
"description": "Berguna saat Anda ingin menanyakan cuaca di kota tertentu.",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "Kota atau distrik, seperti Beijing, Hangzhou, atau Yuhang.",
}
},
"required": ["location"],
},
},
},
{
"type": "function",
"function": {
"name": "get_flight_price",
"description": "Berguna saat Anda ingin menanyakan harga tiket penerbangan.",
"parameters": {
"type": "object",
"properties": {
"src": {
"type": "string",
"description": "Kota keberangkatan penerbangan, seperti Beijing atau Hangzhou.",
},
"dst": {
"type": "string",
"description": "Kota kedatangan penerbangan, seperti Beijing atau Hangzhou.",
},
},
"required": ["src", "dst"],
},
},
},
{
"type": "function",
"function": {
"name": "get_train_price",
"description": "Berguna saat Anda ingin menanyakan harga tiket kereta.",
"parameters": {
"type": "object",
"properties": {
"src": {
"type": "string",
"description": "Kota keberangkatan kereta, seperti Beijing atau Hangzhou.",
},
"dst": {
"type": "string",
"description": "Kota kedatangan kereta, seperti Beijing atau Hangzhou.",
},
},
"required": ["src", "dst"],
},
},
},
]
// ==================== Penanganan Pemanggilan Alat ====================
def handle_tool_call(name, arguments_str):
"""
Menangani permintaan pemanggilan alat
Args:
name: Nama fungsi alat
arguments_str: String parameter input dalam format JSON
Returns:
String hasil eksekusi alat
"""
try:
arguments = json.loads(arguments_str)
print(f'[Pemanggilan Alat] Mulai memproses: name={name}, args={arguments}')
func = TOOL_FUNCTIONS.get(name)
if func is None:
result = f"Klien tidak menemukan alat: {name}"
print(f'[Pemanggilan Alat] Error: {result}')
return result
result = func(**arguments)
print(f'[Pemanggilan Alat] Selesai: {result}')
return result
except Exception as e:
error_msg = f"Pemanggilan alat gagal: {str(e)}"
print(f'[Pemanggilan Alat] Pengecualian: {error_msg}')
return error_msg
// ==================== Program Utama ====================
async def main():
"""Fungsi utama: Membentuk koneksi WebSocket dan melakukan percakapan suara"""
pya = pyaudio.PyAudio()
speaker = pya.open(format=pyaudio.paInt16, channels=1, rate=24000, output=True)
// Bentuk koneksi WebSocket
headers = {
"Authorization": f"bearer {API_KEY}",
"X-DashScope-OmniRealtime": "true",
}
async with websockets.connect(
f"{URL}?model={MODEL}", additional_headers=headers,
) as ws:
await ws.recv()
// Konfigurasi parameter sesi
await ws.send(json.dumps({
"type": "session.update",
"session": {
"modalities": ["text", "audio"],
"voice": VOICE,
"input_audio_format": "pcm16",
"output_audio_format": "pcm16",
"instructions": "Anda adalah asisten pribadi bernama Xiaoyun",
"turn_detection": {"type": "server_vad"},
"input_audio_transcription": {"model": "qwen3-asr-flash-realtime"},
"tools": TOOLS,
},
}))
await ws.recv()
// Korutin pengambilan audio
async def send_audio():
mic = pya.open(format=pyaudio.paInt16, channels=1, rate=16000, input=True)
try:
while True:
data = mic.read(3200, exception_on_overflow=False)
await ws.send(json.dumps({
"type": "input_audio_buffer.append",
"audio": base64.b64encode(data).decode(),
}))
await asyncio.sleep(0.01)
except asyncio.CancelledError:
mic.close()
pending = {}
all_response_text = ""
send_task = asyncio.create_task(send_audio())
print("Pemanggilan alat diaktifkan. Berbicaralah ke mikrofon (Ctrl+C untuk keluar)...")
// Loop penanganan event
async for raw in ws:
msg = json.loads(raw)
t = msg["type"]
// Sesi dibuat
if t == "session.created":
print(f"Sesi dimulai: {msg['session']['id']}")
// Putar audio
elif t == "response.audio.delta":
speaker.write(base64.b64decode(msg["delta"]))
// Respons teks inkremental
elif t in ("response.audio_transcript.delta", "response.text.delta"):
all_response_text += msg.get("delta", "")
// Transkripsi ucapan pengguna
elif t == "conversation.item.input_audio_transcription.completed":
print(f"[Pengguna] {msg['transcript']}")
// VAD mendeteksi awal ucapan
elif t == "input_audio_buffer.speech_started":
print("====== VAD mendeteksi awal ucapan ======")
// VAD mendeteksi akhir ucapan
elif t == "input_audio_buffer.speech_stopped":
print("====== VAD mendeteksi akhir ucapan ======")
// Menerima permintaan pemanggilan alat
elif t == "response.function_call_arguments.done":
print("====== Menerima permintaan pemanggilan alat ======")
pending[msg["call_id"]] = {
"name": msg["name"],
"arguments": msg["arguments"],
}
// Respons selesai
elif t == "response.done":
if pending:
// Jalankan pemanggilan alat yang tertunda
for cid, info in pending.items():
result = handle_tool_call(info["name"], info["arguments"])
// Kirim hasil eksekusi alat
await ws.send(json.dumps({
"type": "conversation.item.create",
"item": {
"type": "function_call_output",
"call_id": cid,
"output": result,
},
}))
pending.clear()
// Picu server untuk terus menghasilkan respons
await ws.send(json.dumps({
"type": "response.create",
"response": {"modalities": ["text", "audio"]},
}))
print("====== Pemrosesan pemanggilan alat selesai ======")
else:
// Respons normal selesai, cetak respons lengkap
if all_response_text:
print(f"[Model] {all_response_text}")
all_response_text = ""
send_task.cancel()
speaker.close()
pya.terminate()
asyncio.run(main())
Pemanggilan alat untuk model pemikiran mendalam
Model pemikiran mendalam melakukan inferensi sebelum menghasilkan informasi pemanggilan alat, sehingga meningkatkan interpretabilitas dan keandalan keputusan.
-
Proses berpikir
Model menganalisis maksud pengguna, mengidentifikasi alat yang diperlukan, memverifikasi legalitas parameter, serta merancang strategi pemanggilan langkah demi langkah.
-
Pemanggilan alat
Model menghasilkan satu atau beberapa permintaan pemanggilan fungsi dalam format terstruktur.
Pemanggilan alat paralel didukung.
Berikut adalah contoh pemanggilan alat menggunakan model pemikiran mendalam dalam mode streaming.
Untuk informasi lebih lanjut tentang model pemikiran mendalam generasi teks, lihat Pemikiran mendalam. Untuk informasi lebih lanjut tentang model pemikiran mendalam multimodal, lihat Pemahaman gambar dan video dan Non-real-time (Qwen-Omni).
Parameter
tool_choicehanya dapat diatur ke"auto"(nilai default, artinya model memilih alat secara otonom) atau"none"(memaksa model tidak memilih alat).
Dalam mode berpikir (enable_thinking=True), parameter tool_choice tidak mendukung nilai "required" atau objek (misalnya, {"type": "function", "function": {...}}). Mengatur tool_choice ke salah satu nilai tersebut saat mode berpikir diaktifkan akan menyebabkan permintaan gagal dengan error Parameter tool_choice tidak mendukung diatur ke required atau object dalam mode berpikir. Jangan mengandalkan tool_choice="required" sebagai jaminan bahwa tool_calls tidak kosong dalam mode berpikir. Jika Anda memerlukan pemanggilan alat MCP yang andal saat mode berpikir diaktifkan, gunakan API Responses untuk terhubung ke MCP sebagai gantinya.
Kompatibel dengan OpenAI
Python
Kode contoh
import os
from openai import OpenAI
# Inisialisasi klien OpenAI dan konfigurasikan layanan DashScope Alibaba Cloud
client = OpenAI(
# Kunci API bervariasi menurut Wilayah. Untuk mendapatkan Kunci API, lihat https://www.alibabacloud.com/help/en/model-studio/get-api-key
# Jika Anda belum mengonfigurasi variabel lingkungan, ganti baris berikut dengan kunci API Model Studio Anda: api_key="sk-xxx",
api_key=os.getenv("DASHSCOPE_API_KEY"), # Baca Kunci API dari variabel lingkungan
base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1",
)
# Tentukan daftar alat yang tersedia
tools = [
# Alat 1: Dapatkan waktu saat ini
{
"type": "function",
"function": {
"name": "get_current_time",
"description": "Berguna saat Anda ingin mengetahui waktu saat ini.",
"parameters": {} # Tidak ada parameter yang diperlukan
}
},
# Alat 2: Dapatkan cuaca di kota tertentu
{
"type": "function",
"function": {
"name": "get_current_weather",
"description": "Berguna saat Anda ingin menanyakan cuaca di kota tertentu.",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "Sebuah kota atau distrik, seperti Beijing, Hangzhou, atau Yuhang."
}
},
"required": ["location"] # Parameter yang diperlukan
}
}
}
]
messages = [{"role": "user", "content": input("Silakan masukkan pertanyaan Anda:")}]
# Contoh paket untuk model multimodal
# messages = [{
# "role": "user",
# "content": [
# {"type": "image_url","image_url": {"url": "https://img.alicdn.com/imgextra/i4/O1CN014CJhzi20NOzo7atOC_!!6000000006837-2-tps-2048-1365.png"}},
# {"type": "text", "text": "Berdasarkan lokasi pada gambar, bagaimana cuaca saat ini di sana?"}]
# }]
completion = client.chat.completions.create(
# Contoh ini menggunakan qwen3.8-max. Anda dapat menggantinya dengan model pemikiran mendalam lainnya.
model="qwen3.8-max",
messages=messages,
extra_body={
# Aktifkan pemikiran mendalam. Parameter ini tidak valid untuk model qwen3-30b-a3b-thinking-2507, qwen3-235b-a22b-thinking-2507, dan QwQ.
"enable_thinking": True
},
tools=tools,
parallel_tool_calls=True,
stream=True,
# Hapus komentar untuk mendapatkan informasi konsumsi token
# stream_options={
# "include_usage": True
# }
)
reasoning_content = "" # Tentukan proses pemikiran yang lengkap
answer_content = "" # Tentukan tanggapan yang lengkap
tool_info = [] # Simpan informasi pemanggilan alat
is_answering = False # Tentukan apakah proses pemikiran telah berakhir dan tanggapan telah dimulai
print("="*20+"Proses Pemikiran"+"="*20)
for chunk in completion:
if not chunk.choices:
# Proses informasi statistik Penggunaan
print("\n"+"="*20+"Penggunaan"+"="*20)
print(chunk.usage)
else:
delta = chunk.choices[0].delta
# Proses proses pemikiran AI (chain of thought)
if hasattr(delta, 'reasoning_content') and delta.reasoning_content is not None:
reasoning_content += delta.reasoning_content
print(delta.reasoning_content,end="",flush=True) # Keluarkan proses pemikiran secara real time
# Proses konten tanggapan akhir
else:
if not is_answering: # Cetak judul saat memasuki fase tanggapan untuk pertama kalinya
is_answering = True
print("\n"+"="*20+"Konten Tanggapan"+"="*20)
if delta.content is not None:
answer_content += delta.content
print(delta.content,end="",flush=True) # Alirkan konten tanggapan
# Proses informasi pemanggilan alat (mendukung pemanggilan alat paralel)
if delta.tool_calls is not None:
for tool_call in delta.tool_calls:
index = tool_call.index # Indeks pemanggilan alat, untuk pemanggilan paralel
# Perluas daftar penyimpanan informasi alat secara dinamis
while len(tool_info) <= index:
tool_info.append({})
# Kumpulkan ID pemanggilan alat (untuk pemanggilan fungsi berikutnya)
if tool_call.id:
tool_info[index]['id'] = tool_info[index].get('id', '') + tool_call.id
# Kumpulkan nama fungsi (untuk perutean berikutnya ke fungsi tertentu)
if tool_call.function and tool_call.function.name:
tool_info[index]['name'] = tool_info[index].get('name', '') + tool_call.function.name
# Kumpulkan parameter fungsi (format string JSON, memerlukan penguraian berikutnya)
if tool_call.function and tool_call.function.arguments:
tool_info[index]['arguments'] = tool_info[index].get('arguments', '') + tool_call.function.arguments
print(f"\n"+"="*19+"Informasi Pemanggilan Alat"+"="*19)
if not tool_info:
print("Tidak ada pemanggilan alat")
else:
print(tool_info)
Hasil pengembalian
Masukkan "Cuaca di empat kota metropolitan" untuk mendapatkan hasil berikut:
====================Proses Berpikir====================
Baiklah, pengguna bertanya tentang cuaca di empat kota metropolitan. Pertama, saya perlu mengklarifikasi kota metropolitan mana yang dimaksud. Menurut pembagian administratif Tiongkok, kota metropolitan mencakup Beijing, Shanghai, Tianjin, dan Chongqing. Jadi pengguna ingin mengetahui kondisi cuaca di keempat kota ini.
Selanjutnya, saya perlu memeriksa alat yang tersedia. Alat yang disediakan mencakup fungsi get_current_weather, yang mengambil parameter lokasi bertipe string. Setiap kota perlu ditanyakan secara terpisah karena fungsi hanya dapat menanyakan satu lokasi dalam satu waktu. Oleh karena itu, saya perlu memanggil fungsi ini sekali untuk setiap kota metropolitan.
Kemudian, saya perlu mempertimbangkan cara menghasilkan pemanggilan alat yang benar. Setiap pemanggilan harus mencakup nama kota sebagai parameter. Misalnya, pemanggilan pertama untuk Beijing, kedua untuk Shanghai, dan seterusnya. Saya perlu memastikan nama parameter adalah `location` dan nilainya adalah nama kota yang benar.
Juga, pengguna mungkin menginginkan informasi cuaca untuk setiap kota, jadi saya perlu memastikan setiap pemanggilan fungsi benar. Ini mungkin memerlukan empat pemanggilan berturut-turut, satu untuk setiap kota. Namun, berdasarkan aturan penggunaan alat, mungkin perlu ditangani dalam beberapa langkah, atau beberapa pemanggilan mungkin dihasilkan sekaligus. Tetapi menurut contoh, tampaknya hanya satu fungsi yang dipanggil dalam satu waktu, jadi mungkin perlu dilakukan langkah demi langkah.
Akhirnya, saya perlu mengonfirmasi apakah ada faktor lain yang perlu dipertimbangkan, seperti apakah parameter sudah benar, nama kota akurat, dan apakah saya perlu menangani situasi error yang mungkin terjadi, seperti kota tidak ada atau API tidak tersedia. Tetapi untuk saat ini, empat kota metropolitan sudah jelas, jadi seharusnya tidak masalah.
====================Konten Respons====================
===================Informasi Pemanggilan Alat===================
[{'id': 'call_767af2834c12488a8fe6e3', 'name': 'get_current_weather', 'arguments': '{"location": "Beijing"}'}, {'id': 'call_2cb05a349c89437a947ada', 'name': 'get_current_weather', 'arguments': '{"location": "Shanghai"}'}, {'id': 'call_988dd180b2ca4b0a864ea7', 'name': 'get_current_weather', 'arguments': '{"location": "Tianjin"}'}, {'id': 'call_4e98c57ea96a40dba26d12', 'name': 'get_current_weather', 'arguments': '{"location": "Chongqing"}'}]
Node.js
Kode contoh
import OpenAI from "openai";
import readline from 'node:readline/promises';
import { stdin as input, stdout as output } from 'node:process';
const openai = new OpenAI({
// Kunci API berbeda-beda berdasarkan wilayah. Untuk mendapatkan Kunci API, lihat https://www.alibabacloud.com/help/en/model-studio/get-api-key
apiKey: process.env.DASHSCOPE_API_KEY,
// Wilayah Singapura. Ganti {WorkspaceId} dengan ID Ruang Kerja aktual Anda. URL berbeda-beda berdasarkan wilayah.
baseURL: "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1"
});
const tools = [
{
type: "function",
function: {
name: "get_current_time",
description: "Berguna saat Anda ingin mengetahui waktu saat ini.",
parameters: {}
}
},
{
type: "function",
function: {
name: "get_current_weather",
description: "Berguna saat Anda ingin menanyakan cuaca di kota tertentu.",
parameters: {
type: "object",
properties: {
location: {
type: "string",
description: "Kota atau distrik, seperti Beijing, Hangzhou, atau Yuhang."
}
},
required: ["location"]
}
}
}
];
async function main() {
const rl = readline.createInterface({ input, output });
const question = await rl.question("Silakan masukkan pertanyaan Anda:");
rl.close();
const messages = [{ role: "user", content: question }];
// Contoh pesan untuk model multimodal
// const messages= [{
// role: "user",
// content: [{type: "image_url", image_url: {url: "https://img.alicdn.com/imgextra/i2/O1CN01FbTJon1ErXVGMRdsN_!!6000000000405-0-tps-1024-683.jpg"}},
// {type: "text", text: "Bagaimana cuaca di lokasi yang ditunjukkan dalam gambar?"}]
// }];
let reasoningContent = "";
let answerContent = "";
const toolInfo = [];
let isAnswering = false;
console.log("=".repeat(20) + "Proses Berpikir" + "=".repeat(20));
try {
const stream = await openai.chat.completions.create({
// Contoh ini menggunakan qwen3.8-max. Anda dapat menggantinya dengan model pemikiran mendalam lainnya.
model: "qwen3.8-max",
messages,
// Aktifkan pemikiran mendalam. Parameter ini tidak valid untuk model qwen3-30b-a3b-thinking-2507, qwen3-235b-a22b-thinking-2507, dan QwQ.
enable_thinking: true,
tools,
stream: true,
parallel_tool_calls: true
});
for await (const chunk of stream) {
if (!chunk.choices?.length) {
console.log("\n" + "=".repeat(20) + "Penggunaan" + "=".repeat(20));
console.log(chunk.usage);
continue;
}
const delta = chunk.choices[0]?.delta;
if (!delta) continue;
// Proses proses berpikir
if (delta.reasoning_content) {
reasoningContent += delta.reasoning_content;
process.stdout.write(delta.reasoning_content);
}
// Proses konten respons
else {
if (!isAnswering) {
isAnswering = true;
console.log("\n" + "=".repeat(20) + "Konten Respons" + "=".repeat(20));
}
if (delta.content) {
answerContent += delta.content;
process.stdout.write(delta.content);
}
// Proses pemanggilan alat
if (delta.tool_calls) {
for (const toolCall of delta.tool_calls) {
const index = toolCall.index;
// Pastikan array cukup panjang
while (toolInfo.length <= index) {
toolInfo.push({});
}
// Perbarui ID alat
if (toolCall.id) {
toolInfo[index].id = (toolInfo[index].id || "") + toolCall.id;
}
// Perbarui nama fungsi
if (toolCall.function?.name) {
toolInfo[index].name = (toolInfo[index].name || "") + toolCall.function.name;
}
// Perbarui parameter
if (toolCall.function?.arguments) {
toolInfo[index].arguments = (toolInfo[index].arguments || "") + toolCall.function.arguments;
}
}
}
}
}
console.log("\n" + "=".repeat(19) + "Informasi Pemanggilan Alat" + "=".repeat(19));
console.log(toolInfo.length ? toolInfo : "Tidak ada pemanggilan alat");
} catch (error) {
console.error("Terjadi kesalahan:", error);
}
}
main();
Hasil pengembalian
Masukkan "Cuaca di empat kota metropolitan" untuk mendapatkan hasil berikut:
Silakan masukkan pertanyaan Anda:Cuaca di empat kota metropolitan
====================Proses Berpikir====================
Baiklah, pengguna bertanya tentang cuaca di empat kota metropolitan. Pertama, saya perlu mengklarifikasi kota metropolitan mana yang dimaksud di Tiongkok. Beijing, Shanghai, Tianjin, dan Chongqing, benar kan? Selanjutnya, saya perlu memanggil fungsi kueri cuaca untuk setiap kota.
Tetapi pertanyaan pengguna mungkin mengharuskan saya mendapatkan kondisi cuaca untuk keempat kota ini secara terpisah. Saya perlu memanggil fungsi get_current_weather sekali untuk setiap kota, dengan nama kota masing-masing sebagai parameter. Saya perlu memastikan parameternya benar, seperti nama lengkap kota metropolitan, misalnya "Beijing", "Shanghai", "Tianjin", dan "Chongqing".
Kemudian, saya perlu memanggil API cuaca untuk keempat kota ini secara berurutan. Setiap pemanggilan memerlukan tool_call terpisah. Pengguna mungkin menginginkan informasi cuaca saat ini untuk setiap kota, jadi saya perlu memastikan setiap pemanggilan benar. Saya mungkin perlu memperhatikan ejaan dan nama yang benar untuk setiap kota untuk menghindari kesalahan. Misalnya, Chongqing kadang disingkat, jadi nama lengkap harus digunakan dalam parameter.
Sekarang, saya perlu menghasilkan empat tool_calls, satu untuk setiap kota metropolitan. Saya akan memeriksa apakah setiap parameter sudah benar lalu mengaturnya secara berurutan. Dengan cara ini, pengguna akan mendapatkan data cuaca untuk keempat kota metropolitan.
====================Konten Respons====================
===================Informasi Pemanggilan Alat===================
[
{
id: 'call_21dc802e717f491298d1b2',
name: 'get_current_weather',
arguments: '{"location": "Beijing"}'
},
{
id: 'call_2cd3be1d2f694c4eafd4e5',
name: 'get_current_weather',
arguments: '{"location": "Shanghai"}'
},
{
id: 'call_48cf3f78e02940bd9085e4',
name: 'get_current_weather',
arguments: '{"location": "Tianjin"}'
},
{
id: 'call_e230a2b4c64f4e658d223e',
name: 'get_current_weather',
arguments: '{"location": "Chongqing"}'
}
]
HTTP
Kode contoh
curl
# Wilayah Singapura. Ganti {WorkspaceId} dengan ID Ruang Kerja aktual Anda. URL berbeda-beda berdasarkan wilayah.
curl -X POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1/chat/completions \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "qwen3.8-max",
"messages": [
{
"role": "user",
"content": "Bagaimana cuaca di Hangzhou?"
}
],
"tools": [
{
"type": "function",
"function": {
"name": "get_current_time",
"description": "Berguna saat Anda ingin mengetahui waktu saat ini.",
"parameters": {}
}
},
{
"type": "function",
"function": {
"name": "get_current_weather",
"description": "Berguna saat Anda ingin menanyakan cuaca di kota tertentu.",
"parameters": {
"type": "object",
"properties": {
"location":{
"type": "string",
"description": "Kota atau distrik, seperti Beijing, Hangzhou, atau Yuhang."
}
},
"required": ["location"]
}
}
}
],
"enable_thinking": true,
"stream": true
}'
DashScope
Python
Kode contoh
import dashscope
from dashscope import MultiModalConversation
// Wilayah Singapura. Ganti {WorkspaceId} dengan ID Ruang Kerja aktual Anda. URL berbeda-beda berdasarkan wilayah.
dashscope.base_http_api_url = "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/"
tools = [
// Alat 1: Dapatkan waktu saat ini
{
"type": "function",
"function": {
"name": "get_current_time",
"description": "Berguna saat Anda ingin mengetahui waktu saat ini.",
"parameters": {} // Karena mendapatkan waktu saat ini tidak memerlukan parameter input, parameters adalah dictionary kosong
}
},
// Alat 2: Dapatkan cuaca di kota tertentu
{
"type": "function",
"function": {
"name": "get_current_weather",
"description": "Berguna saat Anda ingin menanyakan cuaca di kota tertentu.",
"parameters": {
"type": "object",
"properties": {
// Lokasi diperlukan untuk menanyakan cuaca, jadi parameter diatur ke location
"location": {
"type": "string",
"description": "Kota atau distrik, seperti Beijing, Hangzhou, atau Yuhang."
}
},
"required": ["location"]
}
}
}
]
// Definisikan pertanyaan
messages = [{"role": "user", "content": [{"text": input("Silakan masukkan pertanyaan Anda:")}]}]
// Contoh pesan untuk model multimodal
// messages = [
// {
// "role": "user",
// "content": [
// {"image": "https://img.alicdn.com/imgextra/i2/O1CN01FbTJon1ErXVGMRdsN_!!6000000000405-0-tps-1024-683.jpg"},
// {"text": "Bagaimana cuaca di lokasi yang ditunjukkan dalam gambar?"}]
// }]
completion = MultiModalConversation.call(
// Contoh ini menggunakan qwen3.8-max. Anda dapat menggantinya dengan model pemikiran mendalam lainnya.
model="qwen3.8-max",
messages=messages,
enable_thinking=True,
tools=tools,
parallel_tool_calls=True,
stream=True,
incremental_output=True,
result_format="message"
)
reasoning_content = ""
answer_content = ""
tool_info = []
is_answering = False
print("="*20+"Proses Berpikir"+"="*20)
for chunk in completion:
if chunk.status_code == 200:
msg = chunk.output.choices[0].message
// Proses proses berpikir
if 'reasoning_content' in msg and msg.reasoning_content:
reasoning_content += msg.reasoning_content
print(msg.reasoning_content, end="", flush=True)
// Proses konten respons
if 'content' in msg and msg.content:
if not is_answering:
is_answering = True
print("\n"+"="*20+"Konten Respons"+"="*20)
answer_content += msg.content
print(msg.content, end="", flush=True)
// Proses pemanggilan alat
if 'tool_calls' in msg and msg.tool_calls:
for tool_call in msg.tool_calls:
index = tool_call['index']
while len(tool_info) <= index:
tool_info.append({'id': '', 'name': '', 'arguments': ''}) // Inisialisasi semua field
// Perbarui ID alat secara inkremental
if 'id' in tool_call:
tool_info[index]['id'] += tool_call.get('id', '')
// Perbarui informasi fungsi secara inkremental
if 'function' in tool_call:
func = tool_call['function']
// Perbarui nama fungsi secara inkremental
if 'name' in func:
tool_info[index]['name'] += func.get('name', '')
// Perbarui parameter secara inkremental
if 'arguments' in func:
tool_info[index]['arguments'] += func.get('arguments', '')
print(f"\n"+"="*19+"Informasi Pemanggilan Alat"+"="*19)
if not tool_info:
print("Tidak ada pemanggilan alat")
else:
print(tool_info)
Hasil pengembalian
Masukkan "Cuaca di empat kota metropolitan" untuk mendapatkan hasil berikut:
Silakan masukkan pertanyaan Anda:Cuaca di empat kota metropolitan
====================Proses Berpikir====================
Baiklah, pengguna bertanya tentang cuaca di empat kota metropolitan. Pertama, saya perlu mengonfirmasi kota metropolitan mana yang dimaksud di Tiongkok. Beijing, Shanghai, Tianjin, dan Chongqing, benar kan? Selanjutnya, pengguna membutuhkan kondisi cuaca untuk setiap kota, jadi saya perlu memanggil fungsi kueri cuaca.
Namun, masalahnya adalah pengguna tidak menentukan nama kota, hanya "empat kota metropolitan". Saya mungkin perlu menyatakan secara eksplisit nama setiap kota metropolitan lalu menanyakannya secara terpisah. Misalnya, Beijing, Shanghai, Tianjin, dan Chongqing. Saya perlu memastikan setiap kota sudah benar.
Kemudian, saya perlu memeriksa alat yang tersedia. Pengguna telah menyediakan fungsi get_current_weather, yang mengambil parameter lokasi. Oleh karena itu, saya perlu memanggil fungsi ini untuk setiap kota metropolitan, meneruskan nama kota yang sesuai sebagai parameter. Misalnya, pemanggilan pertama lokasinya adalah Beijing, kedua Shanghai, ketiga Tianjin, dan keempat Chongqing.
Namun, saya mungkin perlu berhati-hati. Untuk kota metropolitan seperti Chongqing, kadang-kadang diperlukan distrik yang lebih spesifik, tetapi pengguna mungkin hanya menginginkan cuaca tingkat kota. Jadi menggunakan nama kota metropolitan secara langsung seharusnya tidak masalah. Selanjutnya, saya perlu menghasilkan empat pemanggilan fungsi terpisah, satu untuk setiap kota metropolitan. Dengan cara ini, pengguna akan mendapatkan kondisi cuaca untuk keempat kota.
Akhirnya, saya perlu memastikan parameter untuk setiap pemanggilan sudah benar dan tidak ada yang terlewat. Ini akan memastikan pertanyaan pengguna terjawab sepenuhnya.
===================Informasi Pemanggilan Alat===================
[{'id': 'call_2f774ed97b0e4b24ab10ec', 'name': 'get_current_weather', 'arguments': '{"location": "Beijing"}'}, {'id': 'call_dc3b05b88baa48c58bc33a', 'name': 'get_current_weather', 'arguments': '{"location": "Shanghai"}}'}, {'id': 'call_249b2de2f73340cdb46cbc', 'name': 'get_current_weather', 'arguments': '{"location": "Tianjin"}'}, {'id': 'call_833333634fda49d1b39e87', 'name': 'get_current_weather', 'arguments': '{"location": "Chongqing"}}'}]
Java
Kode contoh
// versi SDK dashscope >= 2.19.4
import java.util.Arrays;
import com.alibaba.dashscope.exception.UploadFileException;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversation;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationParam;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationResult;
import com.alibaba.dashscope.common.MultiModalMessage;
import com.alibaba.dashscope.aigc.generation.Generation;
import com.alibaba.dashscope.aigc.generation.GenerationParam;
import com.alibaba.dashscope.aigc.generation.GenerationResult;
import com.alibaba.dashscope.common.Message;
import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.InputRequiredException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.utils.Constants;
import com.alibaba.dashscope.utils.JsonUtils;
import com.alibaba.dashscope.tools.ToolFunction;
import com.alibaba.dashscope.tools.FunctionDefinition;
import io.reactivex.Flowable;
import com.fasterxml.jackson.databind.node.ObjectNode;
import java.lang.System;
import com.github.victools.jsonschema.generator.Option;
import com.github.victools.jsonschema.generator.OptionPreset;
import com.github.victools.jsonschema.generator.SchemaGenerator;
import com.github.victools.jsonschema.generator.SchemaGeneratorConfig;
import com.github.victools.jsonschema.generator.SchemaGeneratorConfigBuilder;
import com.github.victools.jsonschema.generator.SchemaVersion;
import java.time.LocalDateTime;
import java.time.format.DateTimeFormatter;
import java.util.Collections;
public class Main {
private static final Logger logger = LoggerFactory.getLogger(Main.class);
private static ObjectNode jsonSchemaWeather;
private static ObjectNode jsonSchemaTime;
static {Constants.baseHttpApiUrl="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1";}
static class TimeTool {
public String call() {
LocalDateTime now = LocalDateTime.now();
DateTimeFormatter formatter = DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss");
return "Waktu saat ini: " + now.format(formatter) + ".";
}
}
static class WeatherTool {
private String location;
public WeatherTool(String location) {
this.location = location;
}
public String call() {
return location + " hari ini cerah";
}
}
static {
SchemaGeneratorConfigBuilder configBuilder = new SchemaGeneratorConfigBuilder(
SchemaVersion.DRAFT_2020_12, OptionPreset.PLAIN_JSON);
SchemaGeneratorConfig config = configBuilder
.with(Option.EXTRA_OPEN_API_FORMAT_VALUES)
.without(Option.FLATTENED_ENUMS_FROM_TOSTRING)
.build();
SchemaGenerator generator = new SchemaGenerator(config);
jsonSchemaWeather = generator.generateSchema(WeatherTool.class);
jsonSchemaTime = generator.generateSchema(TimeTool.class);
}
private static void handleGenerationResult(GenerationResult message) {
System.out.println(JsonUtils.toJson(message));
}
// Buat metode pemanggilan alat untuk model generasi teks
public static void streamCallWithMessage(Generation gen, Message userMsg)
throws NoApiKeyException, ApiException, InputRequiredException {
GenerationParam param = buildGenerationParam(userMsg);
Flowable<GenerationResult> result = gen.streamCall(param);
result.blockingForEach(message -> handleGenerationResult(message));
}
// Bangun parameter model generasi teks yang mendukung pemanggilan alat
private static GenerationParam buildGenerationParam(Message userMsg) {
FunctionDefinition fdWeather = buildFunctionDefinition(
"get_current_weather", "Dapatkan cuaca untuk area tertentu", jsonSchemaWeather);
FunctionDefinition fdTime = buildFunctionDefinition(
"get_current_time", "Dapatkan waktu saat ini", jsonSchemaTime);
return GenerationParam.builder()
.apiKey(System.getenv("DASHSCOPE_API_KEY"))
.model("qwen3.8-max")
.enableThinking(true)
.messages(Arrays.asList(userMsg))
.resultFormat(GenerationParam.ResultFormat.MESSAGE)
.incrementalOutput(true)
.tools(Arrays.asList(
ToolFunction.builder().function(fdWeather).build(),
ToolFunction.builder().function(fdTime).build()))
.build();
}
// Buat metode pemanggilan alat untuk model multimodal
public static void streamCallWithMultiModalMessage(MultiModalConversation conv, MultiModalMessage userMsg)
throws NoApiKeyException, ApiException, UploadFileException {
MultiModalConversationParam param = buildMultiModalConversationParam(userMsg);
Flowable<MultiModalConversationResult> result = conv.streamCall(param);
result.blockingForEach(message -> System.out.println(JsonUtils.toJson(message)));
}
// Bangun parameter model multimodal yang mendukung pemanggilan alat
private static MultiModalConversationParam buildMultiModalConversationParam(MultiModalMessage userMsg) {
FunctionDefinition fdWeather = buildFunctionDefinition(
"get_current_weather", "Dapatkan cuaca untuk area tertentu", jsonSchemaWeather);
FunctionDefinition fdTime = buildFunctionDefinition(
"get_current_time", "Dapatkan waktu saat ini", jsonSchemaTime);
return MultiModalConversationParam.builder()
.apiKey(System.getenv("DASHSCOPE_API_KEY"))
.model("qwen3-vl-plus") // Gunakan model multimodal Qwen3-VL
.enableThinking(true)
.messages(Arrays.asList(userMsg))
.tools(Arrays.asList( // Konfigurasi daftar alat
ToolFunction.builder().function(fdWeather).build(),
ToolFunction.builder().function(fdTime).build()))
.build();
}
private static FunctionDefinition buildFunctionDefinition(
String name, String description, ObjectNode schema) {
return FunctionDefinition.builder()
.name(name)
.description(description)
.parameters(JsonUtils.parseString(schema.toString()).getAsJsonObject())
.build();
}
public static void main(String[] args) {
try {
MultiModalConversation conv = new MultiModalConversation();
MultiModalMessage userMsg = MultiModalMessage.builder().role(Role.USER.getValue())
.content(Arrays.asList(Collections.singletonMap("text", "Tolong beri tahu saya cuaca di Hangzhou"))).build();
try {
streamCallWithMultiModalMessage(conv, userMsg);
} catch (UploadFileException e) {
throw new RuntimeException(e);
}
// Hapus komentar baris berikut saat menggunakan model generasi teks untuk pemanggilan alat
// Generation gen = new Generation();
// Message userMessage = Message.builder()
// .role(Role.USER.getValue())
// .content("Tolong beri tahu saya cuaca di Hangzhou")
// .build();
// try {
// streamCallWithMessage(gen, userMessage);
// } catch (InputRequiredException e) {
// throw new RuntimeException(e);
// }
} catch (ApiException | NoApiKeyException e) {
logger.error("Terjadi pengecualian: {}", e.getMessage());
}
System.exit(0);
}
}
Hasil pengembalian
{"requestId":"4edb81cd-4647-9d5d-88f9-a4f30bc6d8dd","usage":{"input_tokens":238,"output_tokens":6,"total_tokens":244},"output":{"choices":[{"finish_reason":"null","message":{"role":"assistant","content":"","reasoning_content":"Baiklah, pengguna meminta saya"}}]}}
{"requestId":"4edb81cd-4647-9d5d-88f9-a4f30bc6d8dd","usage":{"input_tokens":238,"output_tokens":12,"total_tokens":250},"output":{"choices":[{"finish_reason":"null","message":{"role":"assistant","content":"","reasoning_content":"untuk memberi tahu mereka cuaca di Hangzhou. Saya"}}]}}
{"requestId":"4edb81cd-4647-9d5d-88f9-a4f30bc6d8dd","usage":{"input_tokens":238,"output_tokens":16,"total_tokens":254},"output":{"choices":[{"finish_reason":"null","message":{"role":"assistant","content":"","reasoning_content":"perlu terlebih dahulu menentukan apakah ada"}}]}}
{"requestId":"4edb81cd-4647-9d5d-88f9-a4f30bc6d8dd","usage":{"input_tokens":238,"output_tokens":22,"total_tokens":260},"output":{"choices":[{"finish_reason":"null","message":{"role":"assistant","content":"","reasoning_content":"alat yang relevan tersedia. Melihat alat yang disediakan"}}]}}
{"requestId":"4edb81cd-4647-9d5d-88f9-a4f30bc6d8dd","usage":{"input_tokens":238,"output_tokens":28,"total_tokens":266},"output":{"choices":[{"finish_reason":"null","message":{"role":"assistant","content":"","reasoning_content":", saya melihat ada fungsi get_current"}}]}}
{"requestId":"4edb81cd-4647-9d5d-88f9-a4f30bc6d8dd","usage":{"input_tokens":238,"output_tokens":34,"total_tokens":272},"output":{"choices":[{"finish_reason":"null","message":{"role":"assistant","content":"","reasoning_content":"_weather dengan parameter lokasi"}}]}}
{"requestId":"4edb81cd-4647-9d5d-88f9-a4f30bc6d8dd","usage":{"input_tokens":238,"output_tokens":38,"total_tokens":276},"output":{"choices":[{"finish_reason":"null","message":{"role":"assistant","content":"","reasoning_content":". Jadi saya harus memanggil"}}]}}
{"requestId":"4edb81cd-4647-9d5d-88f9-a4f30bc6d8dd","usage":{"input_tokens":238,"output_tokens":43,"total_tokens":281},"output":{"choices":[{"finish_reason":"null","message":{"role":"assistant","content":"","reasoning_content":"fungsi ini dengan parameter"}}]}}
{"requestId":"4edb81cd-4647-9d5d-88f9-a4f30bc6d8dd","usage":{"input_tokens":238,"output_tokens":48,"total_tokens":286},"output":{"choices":[{"finish_reason":"null","message":{"role":"assistant","content":"","reasoning_content":"diatur ke Hangzhou. Tidak ada alat"}}]}}
{"requestId":"4edb81cd-4647-9d5d-88f9-a4f30bc6d8dd","usage":{"input_tokens":238,"output_tokens":52,"total_tokens":290},"output":{"choices":[{"finish_reason":"null","message":{"role":"assistant","content":"","reasoning_content":"lain yang diperlukan karena"}}]}}
{"requestId":"4edb81cd-4647-9d5d-88f9-a4f30bc6d8dd","usage":{"input_tokens":238,"output_tokens":56,"total_tokens":294},"output":{"choices":[{"finish_reason":"null","message":{"role":"assistant","content":"","reasoning_content":"pengguna hanya"}}]}}
{"requestId":"4edb81cd-4647-9d5d-88f9-a4f30bc6d8dd","usage":{"input_tokens":238,"output_tokens":60,"total_tokens":298},"output":{"choices":[{"finish_reason":"null","message":{"role":"assistant","content":"","reasoning_content":"bertanya tentang cuaca. Selanjutnya, saya akan membuat"}}]}}
{"requestId":"4edb81cd-4647-9d5d-88f9-a4f30bc6d8dd","usage":{"input_tokens":238,"output_tokens":64,"total_tokens":302},"output":{"choices":[{"finish_reason":"null","message":{"role":"assistant","content":"","reasoning_content":"tool_call, mengisi"}}]}}
{"requestId":"4edb81cd-4647-9d5d-88f9-a4f30bc6d8dd","usage":{"input_tokens":238,"output_tokens":68,"total_tokens":306},"output":{"choices":[{"finish_reason":"null","message":{"role":"assistant","content":"","reasoning_content":"nama dan parameter"}}]}}
{"requestId":"4edb81cd-4647-9d5d-88f9-a4f30bc6d8dd","usage":{"input_tokens":238,"output_tokens":73,"total_tokens":311},"output":{"choices":[{"finish_reason":"null","message":{"role":"assistant","content":"","reasoning_content":". Saya perlu memastikan parameter adalah objek"}}]}}
{"requestId":"4edb81cd-4647-9d5d-88f9-a4f30bc6d8dd","usage":{"input_tokens":238,"output_tokens":78,"total_tokens":316},"output":{"choices":[{"finish_reason":"null","message":{"role":"assistant","content":"","reasoning_content":"JSON dan lokasi adalah string. Setelah memeriksa"}}]}}
{"requestId":"4edb81cd-4647-9d5d-88f9-a4f30bc6d8dd","usage":{"input_tokens":238,"output_tokens":82,"total_tokens":320},"output":{"choices":[{"finish_reason":"null","message":{"role":"assistant","content":"","reasoning_content":"kesalahan, saya akan mengembalikannya."}}]}}
{"requestId":"4edb81cd-4647-9d5d-88f9-a4f30bc6d8dd","usage":{"input_tokens":238,"output_tokens":106,"total_tokens":344},"output":{"choices":[{"finish_reason":"null","message":{"role":"assistant","content":"","reasoning_content":"","tool_calls":[{"type":"function","id":"call_ecc41296dccc47baa01567","function":{"name":"get_current_weather","arguments":"{\"location\": \"Hangzhou"}}]}}]}}
{"requestId":"4edb81cd-4647-9d5d-88f9-a4f30bc6d8dd","usage":{"input_tokens":238,"output_tokens":108,"total_tokens":346},"output":{"choices":[{"finish_reason":"tool_calls","message":{"role":"assistant","content":"","reasoning_content":"","tool_calls":[{"type":"function","id":"","function":{"arguments":"\"}"}}]}}]}}
HTTP
Kode contoh
curl
# ======= Penting =======
# Jika Anda menggunakan model generasi teks saja, ganti url dengan https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/text-generation/generation
# Kunci API berbeda-beda berdasarkan wilayah. Untuk mendapatkan Kunci API, lihat https://www.alibabacloud.com/help/en/model-studio/get-api-key
# URL berikut untuk wilayah Singapura. Ganti {WorkspaceId} dengan ID Ruang Kerja aktual Anda. URL berbeda-beda berdasarkan wilayah.
# === Hapus komentar ini sebelum menjalankan ===
curl -X POST "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation" \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-H "X-DashScope-SSE: enable" \
-d '{
"model": "qwen3.8-max",
"input":{
"messages":[
{
"role": "user",
"content": [{"text": "Cuaca di Hangzhou"}]
}
]
},
"parameters": {
"enable_thinking": true,
"incremental_output": true,
"result_format": "message",
"tools": [{
"type": "function",
"function": {
"name": "get_current_time",
"description": "Berguna saat Anda ingin mengetahui waktu saat ini.",
"parameters": {}
}
},{
"type": "function",
"function": {
"name": "get_current_weather",
"description": "Berguna saat Anda ingin menanyakan cuaca di kota tertentu.",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "Kota atau distrik, seperti Beijing, Hangzhou, atau Yuhang."
}
},
"required": ["location"]
}
}
}]
}
}'
Tayang
Uji akurasi pemanggilan alat
-
Bangun sistem evaluasi:
Buat set data uji yang mencerminkan skenario bisnis dunia nyata dan definisikan metrik evaluasi yang jelas, seperti akurasi pemilihan alat, akurasi ekstraksi parameter, dan tingkat keberhasilan end-to-end.
-
Optimalkan prompt
Berdasarkan masalah yang diidentifikasi selama pengujian, seperti pemilihan alat atau parameter yang salah, Anda dapat mengoptimalkan prompt sistem, deskripsi alat, dan deskripsi parameter.
-
Tingkatkan model
Jika pengaturan prompt gagal meningkatkan kinerja, meningkatkan ke versi model yang lebih kuat, seperti
qwen3.6-plus, adalah metode yang paling langsung dan efektif.
Kontrol dinamis jumlah alat
Saat aplikasi mengintegrasikan puluhan bahkan ratusan alat, menyediakan semuanya ke model dapat menyebabkan masalah berikut:
- Penurunan kinerja: Kesulitan model dalam memilih alat yang benar dari kumpulan alat yang besar meningkat secara dramatis.
- Biaya dan latensi: Banyak deskripsi alat akan mengonsumsi sejumlah besar token input, yang menyebabkan peningkatan biaya dan respons yang lebih lambat.
Solusi: Tambahkan lapisan routing/pengambilan alat sebelum memanggil model. Lapisan ini menyaring pustaka alat berdasarkan kueri pengguna untuk menyediakan subset kecil alat yang relevan ke model.
Metode utama untuk mengimplementasikan routing alat:-
Pengambilan semantik
Konversi deskripsi alat (
description) menjadi vektor menggunakan model penyematan dan simpan di database vektor. Saat pengguna mengirimkan kueri, Anda dapat melakukan pencarian kemiripan vektor pada vektor kueri untuk mengingat K alat teratas yang paling relevan. -
Pengambilan hibrid
Metode ini menggabungkan pencocokan kabur dari pengambilan semantik dengan pencocokan eksak dari kata kunci tradisional atau tag metadata. Untuk melakukan ini, tambahkan field
tagsataukeywordske alat. Selama pengambilan, melakukan pencarian vektor dan penyaringan kata kunci secara bersamaan dapat secara signifikan meningkatkan akurasi recall, terutama untuk skenario frekuensi tinggi atau spesifik. -
Router LLM ringan
Untuk logika routing yang lebih kompleks, Anda dapat menggunakan model yang lebih kecil, lebih cepat, dan lebih murah, seperti Qwen-Flash, sebagai model router. Tugas model ini adalah mengeluarkan daftar nama alat yang relevan berdasarkan kueri pengguna.
- Jaga set kandidat tetap ringkas: Terlepas dari metode yang digunakan, kami merekomendasikan menyediakan tidak lebih dari 20 alat ke model utama. Ini memberikan keseimbangan optimal antara beban kognitif model, biaya, latensi, dan akurasi.
- Strategi penyaringan berlapis: Anda dapat membangun strategi routing berbentuk corong. Misalnya, Anda dapat terlebih dahulu menggunakan pencocokan aturan atau kata kunci berbiaya rendah untuk menyaring alat yang jelas tidak relevan. Kemudian, Anda dapat melakukan pengambilan semantik pada alat yang tersisa untuk meningkatkan efisiensi dan kualitas.
Prinsip keamanan alat
Saat memberikan kemampuan eksekusi alat ke LLM, keamanan adalah pertimbangan utama. Prinsip intinya adalah hak istimewa minimal dan konfirmasi manusia.
- Prinsip hak istimewa minimal: Set alat yang disediakan ke model harus secara ketat mematuhi prinsip hak istimewa minimal. Secara default, alat harus read-only, seperti alat untuk menanyakan cuaca atau mencari dokumen. Hindari memberikan izin "write" apa pun yang melibatkan perubahan status atau operasi sumber daya.
- Isolasi alat berbahaya: Jangan berikan alat berbahaya secara langsung ke LLM, seperti alat untuk mengeksekusi kode arbitrer (
code interpreter), mengoperasikan sistem file (fs.delete), melakukan operasi hapus atau perbarui database (db.drop_table), atau menangani transaksi keuangan (payment.transfer). - Keterlibatan manusia: Tinjauan manual dan proses konfirmasi diperlukan untuk semua operasi berhak istimewa tinggi atau tidak dapat dibatalkan. Model dapat menghasilkan permintaan operasi, tetapi tombol "execute" akhir harus diklik oleh pengguna manusia. Misalnya, model dapat menyiapkan email, tetapi pengguna harus mengonfirmasi operasi pengiriman.
Optimasi pengalaman pengguna
Proses pemanggilan fungsi melibatkan beberapa langkah, dan masalah pada langkah apa pun dapat berdampak negatif pada pengalaman pengguna.
Atasi kegagalan eksekusi alat
Kegagalan eksekusi alat umum terjadi. Anda dapat mengadopsi strategi berikut:
- Upaya maksimum: Tetapkan batas upaya ulang yang wajar, seperti 3, untuk menghindari waktu tunggu pengguna yang lama atau pemborosan sumber daya sistem akibat kegagalan berkelanjutan.
- Berikan respons cadangan: Jika upaya ulang habis atau ditemui kesalahan yang tidak dapat diselesaikan, kembalikan prompt yang jelas dan ramah kepada pengguna, seperti: "Maaf, saya tidak dapat menemukan informasi yang relevan saat ini. Layanan mungkin sedang sibuk. Silakan coba lagi nanti."
Atasi latensi pemrosesan
Latensi tinggi dapat mengurangi kepuasan pengguna. Anda dapat mengimplementasikan optimasi di frontend dan backend.
- Tetapkan timeout: Tetapkan timeout yang independen dan wajar untuk setiap langkah proses pemanggilan fungsi. Jika terjadi timeout, operasi harus segera dihentikan dan umpan balik diberikan kepada pengguna.
- Berikan umpan balik instan: Saat pemanggilan fungsi dimulai, kami merekomendasikan menampilkan prompt pada antarmuka, seperti "Menanyakan cuaca untuk Anda..." atau "Mencari informasi yang relevan...". Ini memberikan umpan balik real-time kepada pengguna tentang kemajuan.
Penagihan
Selain token dalam array messages, deskripsi alat juga ditagih sebagai token input.
Meneruskan informasi alat melalui Pesan Sistem
Kami merekomendasikan meneruskan informasi alat ke model bahasa besar (LLM) menggunakan parameter tools, seperti yang dijelaskan dalam bagian Cara menggunakan. Untuk meneruskan informasi alat melalui Pesan Sistem, gunakan templat prompt dalam kode berikut untuk kinerja model optimal:
Kompatibel dengan OpenAI
Python
Kode contoh
import os
from openai import OpenAI
import json
client = OpenAI(
// Kunci API berbeda-beda berdasarkan wilayah. Untuk mendapatkan Kunci API, lihat https://www.alibabacloud.com/help/en/model-studio/get-api-key
// Jika Anda belum mengonfigurasi variabel lingkungan, ganti baris berikut dengan Kunci API Model Studio Anda: api_key="sk-xxx",
api_key=os.getenv("DASHSCOPE_API_KEY"),
// Wilayah Singapura. Ganti {WorkspaceId} dengan ID Ruang Kerja aktual Anda. URL berbeda-beda berdasarkan wilayah.
base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1",
)
// Prompt Sistem kustom, yang dapat dimodifikasi sesuai kebutuhan Anda
custom_prompt = "Anda adalah asisten cerdas yang bertanggung jawab untuk memanggil berbagai alat untuk membantu pengguna menyelesaikan masalah. Anda dapat memilih alat yang sesuai dan memanggilnya dengan benar berdasarkan kebutuhan pengguna."
tools = [
// Alat 1: Dapatkan waktu saat ini
{
"type": "function",
"function": {
"name": "get_current_time",
"description": "Berguna saat Anda ingin mengetahui waktu saat ini.",
"parameters": {}
}
},
// Alat 2: Dapatkan cuaca di kota tertentu
{
"type": "function",
"function": {
"name": "get_current_weather",
"description": "Berguna saat Anda ingin menanyakan cuaca di kota tertentu.",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "Kota atau distrik, seperti Beijing, Hangzhou, atau Yuhang."
}
},
"required": ["location"]
}
}
}
]
// Iterasi melalui daftar alat untuk membangun deskripsi untuk setiap alat
tools_descriptions = []
for tool in tools:
tool_json = json.dumps(tool, ensure_ascii=False)
tools_descriptions.append(tool_json)
// Gabungkan semua deskripsi alat menjadi satu string
tools_content = "\n".join(tools_descriptions)
system_prompt = f"""{custom_prompt}
# Alat
Anda dapat memanggil satu atau beberapa fungsi untuk membantu kueri pengguna.
Anda diberikan tanda tangan fungsi dalam tag XML <tools></tools>:
<tools>
{tools_content}
</tools>
Untuk setiap pemanggilan fungsi, kembalikan objek json dengan nama fungsi dan argumen dalam tag XML <tool_call></tool_call>:
<tool_call>
{{"name": <function-name>, "arguments": <args-json-object>}}
</tool_call>"""
messages = [
{"role": "system", "content": system_prompt},
{"role": "user", "content": "Jam berapa sekarang?"}
]
completion = client.chat.completions.create(
model="qwen3.8-max",
extra_body={"enable_thinking": False},
messages=messages,
)
print(completion.model_dump_json())
Node.js
Kode contoh
import OpenAI from "openai";
const client = new OpenAI({
// Kunci API berbeda-beda berdasarkan wilayah. Untuk mendapatkan Kunci API, lihat https://www.alibabacloud.com/help/en/model-studio/get-api-key
// Jika Anda belum mengonfigurasi variabel lingkungan, ganti baris berikut dengan Kunci API Model Studio Anda: apiKey: "sk-xxx",
apiKey: process.env.DASHSCOPE_API_KEY,
// Wilayah Singapura. Ganti {WorkspaceId} dengan ID Ruang Kerja aktual Anda. URL berbeda-beda berdasarkan wilayah.
baseURL: "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1",
});
// Prompt Sistem kustom
const customPrompt = "Anda adalah asisten cerdas yang bertanggung jawab untuk memanggil berbagai alat untuk membantu pengguna menyelesaikan masalah. Anda dapat memilih alat yang sesuai dan memanggilnya dengan benar berdasarkan kebutuhan pengguna.";
const tools = [
// Alat 1: Dapatkan waktu saat ini
{
"type": "function",
"function": {
"name": "get_current_time",
"description": "Berguna saat Anda ingin mengetahui waktu saat ini.",
"parameters": {}
}
},
// Alat 2: Dapatkan cuaca di kota tertentu
{
"type": "function",
"function": {
"name": "get_current_weather",
"description": "Berguna saat Anda ingin menanyakan cuaca di kota tertentu.",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "Kota atau distrik, seperti Beijing, Hangzhou, atau Yuhang."
}
},
"required": ["location"]
}
}
}
];
// Iterasi melalui daftar alat untuk membangun deskripsi untuk setiap alat
const toolsDescriptions = [];
for (const tool of tools) {
const toolJson = JSON.stringify(tool, null, 2);
toolsDescriptions.push(toolJson);
}
// Gabungkan semua deskripsi alat menjadi satu string
const toolsContent = toolsDescriptions.join("\n");
const systemPrompt = `${customPrompt}
# Alat
Anda dapat memanggil satu atau beberapa fungsi untuk membantu kueri pengguna.
Anda diberikan tanda tangan fungsi dalam tag XML <tools></tools>:
<tools>
${toolsContent}
</tools>
Untuk setiap pemanggilan fungsi, kembalikan objek json dengan nama fungsi dan argumen dalam tag XML <tool_call></tool_call>:
<tool_call>
{"name": <function-name>, "arguments": <args-json-object>}
</tool_call>`;
const messages = [
{"role": "system", "content": systemPrompt},
{"role": "user", "content": "Jam berapa sekarang?"}
];
async function main() {
try {
const completion = await client.chat.completions.create({
model: "qwen3.8-max",
enable_thinking: false,
messages: messages,
});
console.log(JSON.stringify(completion, null, 2));
} catch (error) {
console.error("Error:", error);
}
}
main();
DashScope
Python
Kode contoh
import os
from dashscope import MultiModalConversation
import json
// Wilayah Singapura. Ganti {WorkspaceId} dengan ID Ruang Kerja aktual Anda. URL berbeda-beda berdasarkan wilayah.
dashscope.base_http_api_url = 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1'
// Prompt Sistem kustom
custom_prompt = "Anda adalah asisten cerdas yang bertanggung jawab untuk memanggil berbagai alat untuk membantu pengguna menyelesaikan masalah. Anda dapat memilih alat yang sesuai dan memanggilnya dengan benar berdasarkan kebutuhan pengguna."
tools = [
// Alat 1: Dapatkan waktu saat ini
{
"type": "function",
"function": {
"name": "get_current_time",
"description": "Berguna saat Anda ingin mengetahui waktu saat ini.",
"parameters": {}
}
},
// Alat 2: Dapatkan cuaca di kota tertentu
{
"type": "function",
"function": {
"name": "get_current_weather",
"description": "Berguna saat Anda ingin menanyakan cuaca di kota tertentu.",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "Kota atau distrik, seperti Beijing, Hangzhou, atau Yuhang."
}
},
"required": ["location"]
}
}
}
]
// Iterasi melalui daftar alat untuk membangun deskripsi untuk setiap alat
tools_descriptions = []
for tool in tools:
tool_json = json.dumps(tool, ensure_ascii=False)
tools_descriptions.append(tool_json)
// Gabungkan semua deskripsi alat menjadi satu string
tools_content = "\n".join(tools_descriptions)
system_prompt = f"""{custom_prompt}
# Alat
Anda dapat memanggil satu atau beberapa fungsi untuk membantu kueri pengguna.
Anda diberikan tanda tangan fungsi dalam tag XML <tools></tools>:
<tools>
{tools_content}
</tools>
Untuk setiap pemanggilan fungsi, kembalikan objek json dengan nama fungsi dan argumen dalam tag XML <tool_call></tool_call>:
<tool_call>
{{"name": <function-name>, "arguments": <args-json-object>}}
</tool_call>"""
messages = [
{"role": "system", "content": [{"text": system_prompt}]},
{"role": "user", "content": [{"text": "Jam berapa sekarang?"}]}
]
response = MultiModalConversation.call(
// Kunci API berbeda-beda berdasarkan wilayah. Untuk mendapatkan Kunci API, lihat https://www.alibabacloud.com/help/en/model-studio/get-api-key
// Jika Anda belum mengonfigurasi variabel lingkungan, ganti baris berikut dengan Kunci API Model Studio Anda: api_key="sk-xxx",
api_key=os.getenv("DASHSCOPE_API_KEY"),
model="qwen3.8-max",
enable_thinking=False,
messages=messages,
result_format="message", // Atur output ke format pesan
)
print(response)
Java
Kode contoh
// Hak Cipta (c) Alibaba, Inc. dan afiliasinya.
// versi >= 2.12.0
import java.util.ArrayList;
import java.util.Arrays;
import java.util.Collections;
import java.util.List;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversation;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationParam;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationResult;
import com.alibaba.dashscope.common.MultiModalMessage;
import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.UploadFileException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.utils.JsonUtils;
import com.alibaba.dashscope.protocol.Protocol;
public class Main {
public static void main(String[] args) {
try {
callToolWithCustomPrompt();
} catch (ApiException | NoApiKeyException | UploadFileException e) {
System.out.println(String.format("Pengecualian: %s", e.getMessage()));
} catch (Exception e) {
System.out.println(String.format("Pengecualian: %s", e.getMessage()));
}
System.exit(0);
}
public static void callToolWithCustomPrompt()
throws NoApiKeyException, ApiException, UploadFileException {
// Prompt Sistem kustom
String customPrompt = "Anda adalah asisten cerdas yang bertanggung jawab untuk memanggil berbagai alat untuk membantu pengguna menyelesaikan masalah. Anda dapat memilih alat yang sesuai dan memanggilnya dengan benar berdasarkan kebutuhan pengguna.";
// Bangun deskripsi alat
String[] toolsDescriptions = {
// Alat 1: Dapatkan waktu saat ini
"{\n" +
" \"type\": \"function\",\n" +
" \"function\": {\n" +
" \"name\": \"get_current_time\",\n" +
" \"description\": \"Berguna saat Anda ingin mengetahui waktu saat ini.\",\n" +
" \"parameters\": {}\n" +
" }\n" +
"}",
// Alat 2: Dapatkan cuaca di kota tertentu
"{\n" +
" \"type\": \"function\",\n" +
" \"function\": {\n" +
" \"name\": \"get_current_weather\",\n" +
" \"description\": \"Berguna saat Anda ingin menanyakan cuaca di kota tertentu.\",\n" +
" \"parameters\": {\n" +
" \"type\": \"object\",\n" +
" \"properties\": {\n" +
" \"location\": {\n" +
" \"type\": \"string\",\n" +
" \"description\": \"Kota atau distrik, seperti Beijing, Hangzhou, atau Yuhang.\"\n" +
" }\n" +
" },\n" +
" \"required\": [\"location\"]\n" +
" }\n" +
" }\n" +
"}"
};
// Gabungkan semua deskripsi alat menjadi satu string
String toolsContent = String.join("\n", toolsDescriptions);
// Bangun prompt sistem
String systemPrompt = String.format("%s\n\n" +
"# Alat\n\n" +
"Anda dapat memanggil satu atau beberapa fungsi untuk membantu kueri pengguna.\n\n" +
"Anda diberikan tanda tangan fungsi dalam tag XML <tools></tools>:\n" +
"<tools>\n%s\n</tools>\n\n" +
"Untuk setiap pemanggilan fungsi, kembalikan objek json dengan nama fungsi dan argumen dalam tag XML <tool_call></tool_call>:\n"
+
"<tool_call>\n" +
"{\"name\": <function-name>, \"arguments\": <args-json-object>}\n" +
"</tool_call>",
customPrompt, toolsContent);
// Bangun daftar pesan
MultiModalMessage systemMsg = MultiModalMessage.builder()
.role(Role.SYSTEM.getValue())
.content(Arrays.asList(Collections.singletonMap("text", systemPrompt)))
.build();
MultiModalMessage userMsg = MultiModalMessage.builder()
.role(Role.USER.getValue())
.content(Arrays.asList(Collections.singletonMap("text", "Jam berapa sekarang?")))
.build();
List<MultiModalMessage> messages = new ArrayList<>(Arrays.asList(systemMsg, userMsg));
// Bangun parameter permintaan
MultiModalConversationParam param = MultiModalConversationParam.builder()
.model("qwen3.8-max")
.enableThinking(false)
// Kunci API berbeda-beda berdasarkan wilayah. Untuk mendapatkan Kunci API, lihat https://www.alibabacloud.com/help/en/model-studio/get-api-key
// Jika Anda belum mengonfigurasi variabel lingkungan, ganti baris berikut dengan: .apiKey("sk-xxx")
.apiKey(System.getenv("DASHSCOPE_API_KEY"))
.messages(messages)
.build();
// Wilayah Singapura. Ganti {WorkspaceId} dengan ID Ruang Kerja aktual Anda. URL berbeda-beda berdasarkan wilayah.
MultiModalConversation conv = new MultiModalConversation(Protocol.HTTP.getValue(), "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1");
MultiModalConversationResult result = conv.call(param);
// Cetak hasil
System.out.println(JsonUtils.toJson(result));
}
}
Setelah menjalankan kode di atas, Anda dapat menggunakan parser XML untuk mengekstrak informasi pemanggilan alat—termasuk nama fungsi dan parameter input—dari antara tag <tool_call> dan </tool_call>.
Kode error
Jika panggilan model gagal dan mengembalikan pesan error, lihat Kode Error untuk menyelesaikan masalah.