Phase 13: Tools & Protocols

Fonction appelant plongée profonde OpenAI, Anthropic, Gémeaux

Type: Build

Languages: Python (stdlib, schema translators)

Prerequisites: Phase 13 · 01 (the tool interface)

Time: ~75 minutes

Objectifs d'apprentissage

• Indiquez les trois différences de forme entre les charges utiles appelant la fonction OpenAI, Anthropic et Gemini (déclaration, appel, résultat).
• Translatez une déclaration d'outil sur les trois formats de fournisseur et prédisez où les contraintes de mode strict différeront.
• Utilisation tool_choicedans chaque fournisseur pour forcer, interdire ou sélectionner automatiquement les appels d'outils.
• Connaître les limites d'erreur par fournisseur (compte d'outils, profondeur de schéma, longueur d'argument) et les signatures d'erreur émises par chacun lorsqu'une limite est violée.

Le problème

La forme d'une demande d'appel à fonction varie d'un fournisseur à l'autre.

OpenAI Chat Completions / Responses API.Tu passes .tools: [{type: "function", function: {name, description, parameters, strict}}]La réponse du modèle contient choices[0].message.tool_calls: [{id, type: "function", function: {name, arguments}}]où argumentsest une chaîne JSON que vous devez analyser.strict: true) impose la conformité au schéma par décoding restreint.

Anthropic Messages API.Tu passes .tools: [{name, description, input_schema}]La réponse est:content: [{type: "text"}, {type: "tool_use", id, name, input}]- Je suis là .inputest déjà analysé (un objet, pas une chaîne).usermessage contenant une {type: "tool_result", tool_use_id, content}Le bloc.

Google Gemini API.Tu passes .tools: [{functionDeclarations: [{name, description, parameters}]}](néger sous functionDeclarationsLa réponse est:candidates[0].content.parts: [{functionCall: {name, args, id}}]où idest unique dans Gemini 3 et plus pour la corrélation parallèle.{functionResponse: {name, id, response}}- Je suis désolé .

La même boucle, différents noms de champs, différentes niches, différentes conventions de chaîne contre objet, différents mécanismes de corrélation.

Cette leçon construit un traducteur qui unit les trois formats en une déclaration canonique outil et des routes à la limite.

Le concept

La structure commune

Chaque fournisseur a besoin de cinq choses:

1. Tool list.Nom, description et schéma d'entrée par outil.
2. Tool choice.Forcer un outil spécifique, interdire les outils, ou laisser le modèle décider.
3. Call emission.Exit structuré nommant l'outil et les arguments.
4. Call id.Corréler la réponse à l'appel correct (matériaux pour le parallèle).
5. Result injection.Un message ou un blocage qui relie le résultat à l'appel.

Différences de forme, champ par champ

Les limites que vous atteindrez

• OpenAI.128 outils par requête. profondeur de schéma 5. chaîne d'arguments <= 8192 octets.$ref- Non , pas du tout .oneOf- Je suis là.anyOf- Je suis là.allOfavec chevauchement, chaque propriété répertoriée dans required- Je suis désolé .
• Anthropic.64 outils par demande. La profondeur du schéma est effectivement illimitée mais une limite pratique 10.
• Gemini.64 fonctions par requête. Les types de schéma sont un sous-ensemble OpenAPI 3.0 (légère divergence de JSON Schema 2020-12).

tool_choicecomportement

Trois modes que tout le monde prend en charge, nommés différemment.

• Auto.Le modèle choisit l'outil ou le texte.
• Required / Any.Le modèle doit appeler au moins un outil.
• None.Le modèle ne doit pas appeler les outils.

Plus un mode unique pour chaque fournisseur:

• OpenAI.Forcer un outil spécifique par nom.
• Anthropic.Forcer un outil spécifique par nom; disable_parallel_tool_useLe drapeau sépare le single versus le multi.
• Gemini. mode: "VALIDATED"enroute chaque réponse à travers un validateur de schéma, quelle que soit l'intention du modèle.

Appels parallèles

Les ouvertures d'AIA parallel_tool_calls: true(par défaut) émet plusieurs appels dans un message d'assistant. Vous les exécutez tous et répondez avec un message de rôle d'outil en lots contenant une entrée partool_call_id- Anthropic a toujours fait un appel unique .disable_parallel_tool_use: false(par défaut à partir de Claude 3.5) permet multi. Gemini 2 a permis des appels parallèles mais n'a pas donné d'identifiants stables; Gemini 3 ajoute des UUID afin que les réponses hors ordre se corrélations nettement.

Retour en continu

Les trois appels supportent les appels en streaming.

• OpenAI.Les morceaux de delta de tool_calls[i].function.argumentsVous accumulez jusqu'à ce quefinish_reason: "tool_calls"- Je suis désolé .
• Anthropic.Événements de démarrage/delta/arrêt de blocage. input_json_deltaLes morceaux portent des arguments partiels.
• Gemini. streamFunctionCallArguments(nouveau dans Gemini 3) émet des morceaux avec un functionCallIdpour que plusieurs appels parallèles puissent intervenir.

La phase 13 · 03 est consacrée à la réassemblage parallèle + en streaming.

Erreurs et réparations

Les erreurs d'argument invalide sont également différentes.

• OpenAI (non-strict).Retours de modèle arguments: "{bad json}"Si votre analyse JSON échoue, vous injectez un message d'erreur et réappellez.
• OpenAI (strict).La validation se produit lors du décoding; JSON non valide est impossible mais refusalpeut apparaître.
• Anthropic. inputpeut contenir des champs inattendus; le schéma est conseillé. Valider côté serveur.
• Gemini.La particularité de OpenAPI 3.0: enumsur les champs d'objets ignorés silencieusement; validez-vous.

Le modèle de traducteur

Une déclaration canonique d'outil dans votre code ressemble à ceci (vous choisissez la forme):

pythonCopyTool(
    name="get_weather",
    description="Use when ...",
    input_schema={"type": "object", "properties": {...}, "required": [...]},
    strict=True,
)

Trois petites fonctions le traduisent en trois formes fournisseurs.code/main.pyIl est nécessaire de faire une mise en réseau, mais pas le format HTTP.

Les équipes de production enveloppent ce traducteur dans AbstractToolset(IA de l'Aï)UniversalToolNode(LangGraph), ou BaseToolLa phase 13 · 17 expose une passerelle qui expose une API en forme d'OpenAI devant l'une des trois.

Utilisez-le

code/main.pydéfinit un canonique ToolIl analyse ensuite une réponse de fournisseur faite à la main de chaque forme dans le même objet d'appel canonique, démontrant que la sémantique est identique sous la peau.

À quoi regarder:

• Les trois blocs de déclaration ne diffèrent que par les noms de boîtes et de champs.
• Les trois blocs de réponse diffèrent selon l'endroit où l'appel se trouve (niveau supérieur tool_calls- Je suis là .content[]- Le bloc,parts[]entrée).
• Un .canonical_call()extraits de fonction {id, name, args}de toutes les trois formes de réponse.

La faire partir

Cette leçon produit outputs/skill-provider-portability-audit.md. En raison d'une intégration d'appels à fonction contre un fournisseur, la compétence produit un audit de portabilité: quel fournisseur limite ses dépendances, quels champs doivent être renommés et quels sont les défaillances lorsqu'ils sont portés à l'autre fournisseur.

Exercices

1. On court .code/main.pyet vérifier que les trois JSONs de déclaration fournisseur tous sérialisent la même base Toolmodifier l'outil canonique pour ajouter un paramètre enum et confirmer que seul le traducteur Gemini a besoin de gérer la quirk OpenAPI.

1. Ajouter un ListToolsResponseparser pour chaque fournisseur qui extrait la liste des outils un modèle renvoie après une list_toolsOpenAI n'en a pas nativement un; notez cette asymétrie.

1. Mise en œuvre tool_choiceConversion: carte d' un canonique ToolChoice(mode="force", tool_name="x")dans les trois formes fournisseurs.mode="any"et mode="none"Vérifiez le tableau des différences.

1. Choisissez l'un des trois fournisseurs et lisez son guide d'appel à fonction de bout en bout.strict, Anthropic disable_parallel_tool_use, Gémeaux function_calling_config.allowed_function_names- Je suis désolé .

1. Écrivez un vecteur de test: un appel d'outil dont les arguments violent le schéma déclaré. Exécutez-le dans le validateur de chaque fournisseur (le stdlib dans le cours 01 fonctionnera comme un proxy) et enregistrer les erreurs de feu. Document que vous utiliserez dans la production pour la stricteur.

Les termes clés

Pour en savoir plus

• OpenAI — Function calling guide référence canonique comprenant le mode strict et les appels parallèles
• Anthropic — Tool use overview tool_useet tool_resultsémantique de bloc
• Google — Gemini function calling appels parallèles, identifiants uniques et sous-ensemble OpenAPI
• Vertex AI — Function calling reference La surface de l'entreprise de Gémeaux
• OpenAI — Structured outputs Détails de l'application des régimes de mode strict

This free lesson is part of the AI Engineering from Scratch curriculum. Read the full explanation, run the lesson code, and verify the result in the interactive reader or from the repository source.

Browse the complete course catalog or open this lesson on GitHub.