UPD. 16 апреля 2024 Сбер открыл доступ к функционалу ещё для двух своих моделей, и теперь он доступен для GigaChat-preview, GigaChat-Plus-preview или GigaChat-Pro-preview. Запросы с функциями работают не очень стабильно, поэтому, если видите, что ответ долго не приходит, не стесняйтесь обновлять запрос.
Недавно в документации к API GigaChat появился раздел, посвящённый работе с функциями, аналогично тому, как это реализовано в ChatGPT. Идея заключается в том, что модели передаётся информация о доступных ей функциях, и в зависимости от запроса пользователя модель может обратиться к этим фунциям и добавить их результат к промту для генерации ответа.
Таким образом, можно не загружать в промт весь объём данных, а вызывать только необходимый фрагмент, необходимый ассистенту для работы, и экономить количество токенов на генерацию.
Если вы попросите Chat GPT продать вам function calling, то получите примерно следующее:
Функция вызова в Chat GPT открывает новые возможности для разработчиков и предпринимателей, позволяя создавать более интеллектуальные и интерактивные приложения. С этой функцией вы можете:
Автоматизировать задачи: Используйте Chat GPT для автоматизации рутинных задач, таких как отправка электронных писем или обновление баз данных.
Интегрировать с внешними API: Подключайте вашего бота к внешним сервисам, чтобы получать актуальную информацию, например, о погоде или курсах валют.
Улучшать пользовательский опыт: Создавайте более глубокое взаимодействие с пользователями, предоставляя им полезные данные и услуги прямо в чате.Используйте функцию вызова в Chat GPT, чтобы вывести ваши проекты на новый уровень и предложить клиентам уникальный и ценный опыт. Свяжитесь с нами сегодня, чтобы узнать больше
GigaChat же так хорошо function calling не продаёт, функционал этот ещё не доступен в gigachain и доступен через API только для модели "GigaChat-Pro-preview", поэтому я хочу поделиться своим первым опытом его использования.
На странице с документацией вас ожидает множество json схем, которые которые нужно добавить к запросам для вызова функций, а здесь мы рассмотрим, как внедрить вызов функций в свой код.
В моём примере, помимо информации о погоде, ассистент будет получать из гугл-таблицы цены на запрошенные продукты, и передавать их пользователю.
За основу я взял код из этого видео, рекомендую ознакомиться с ним для начала изучения работы с API GigaChat.
Начнём с авторизации.
from google.colab import userdata # auth token API GigaChat giga_key = userdata.get('GIGA_CHAT_KEY') # id гугл-таблицы из которой будем получать данные price_id = userdata.get('PRICE_ID')С помощью auth token получим временный токен для обращения к API, токен действителен 30 минут:
import requests import uuid def get_token(auth_token, scope='GIGACHAT_API_CORP'): """ Выполняет POST-запрос к эндпоинту, который выдает токен. Параметры: - auth_token (str): токен авторизации, необходимый для запроса. - область (str): область действия запроса API. По умолчанию — «GIGACHAT_API_PERS». Возвращает: - ответ API, где токен и срок его "годности". """ # Создадим идентификатор UUID (36 знаков) rq_uid = str(uuid.uuid4()) # API URL url = "https://ngw.devices.sberbank.ru:9443/api/v2/oauth" # Заголовки headers = { 'Content-Type': 'application/x-www-form-urlencoded', 'Accept': 'application/json', 'RqUID': rq_uid, 'Authorization': f'Basic {auth_token}' } # Тело запроса payload = { 'scope': scope } try: # Делаем POST запрос с отключенной SSL верификацией # (можно скачать сертификаты Минцифры, тогда отключать проверку не надо) response = requests.post(url, headers=headers, data=payload, verify=False) return response except requests.RequestException as e: print(f"Ошибка: {str(e)}") return -1Если пользуетесь GigaChat как физическое лицо, то укажите аргумент scope=«GIGACHAT_API_PERS»
response = get_token(giga_key) if response != 1: print(response.text) giga_token = response.json()['access_token']{"access_token":"token","expires_at":1712650905952}Запрос вернёт токен и срок его истечения в формате временной метки в миллисекундах, для наглядности преобразуем его в формат даты и времени:
from datetime import datetime # Временная метка в миллисекундах timestamp_ms = response.json()["expires_at"] # Преобразование в секунды timestamp_s = timestamp_ms / 1000 # Преобразование в объект datetime date_time = datetime.utcfromtimestamp(timestamp_s) print(date_time.strftime('%Y-%m-%d %H:%M:%S'))2024-04-09 08:21:45Как я уже писал раннее, вызов функций доступен только для модели "GigaChat-Pro-preview", необходимо проверить что эта модель доступна на вашем тарифе:
import requests url = "https://gigachat.devices.sberbank.ru/api/v1/models" payload={} headers = { 'Accept': 'application/json', 'Authorization': f'Bearer {giga_token}' } response = requests.request("GET", url, headers=headers, data=payload, verify=False) print(response.text){"object":"list","data":[{"id":"GigaChat","object":"model","owned_by":"salutedevices"},{"id":"GigaChat-Plus","object":"model","owned_by":"salutedevices"},{"id":"GigaChat-Pro","object":"model","owned_by":"salutedevices"},{"id":"GigaChat-Pro-preview","object":"model","owned_by":"salutedevices"}]}Если "GigaChat-Pro-preview" отображается в вашем списке, то можно переходить к следующему этапу.
Определим пользовательские функции:
def weather_forecast(location): """ Получение погоду в Москве """ return "в Москве +13"Самая простая функция, которая будет выдавать фиксированную строку при любом обращении, но у неё на входе есть аргумент location, сейчас объясню для чего необходимо.
Функции передаются в модель в виде json схемы:
{ "name": "weather_forecast", "description": "Возвращает температуру на заданный период", "parameters": { "type": "object", "properties": { "location": { "type": "string", "description": "Местоположение, например, название города" }, "format": { "type": "string", "enum": [ "celsius", "fahrenheit" ], "description": "Единицы изменерия температуры" }, "num_days": { "type": "integer", "description": "Период, для которого нужно вернуть прогноз" } }, "required": [ "location", "num_days" ] } }В этой схеме есть поле "properties", в котором указываются параметры, которые модель должна сгенерировать для этой функции, и "required", в котором указывается список обязательных аргументов. В случае, когда функция не требует аргументов на входе, в значениях этих полей по идее нужно указать пустой массив и пустой список, но иногда в таких случаях GigaChat начинает самостоятельно генерировать аргументы, которая функция не будет готова принимать, например для для функции с погодой у меня появился аргумент 'city':
{'choices': [{'message': {'content': '', 'role': 'assistant', 'function_call': {'name': 'weather_forecast', 'arguments': {'city': 'Москва'}}}, 'index': 0, 'finish_reason': 'function_call'}], 'created': 1712654212, 'model': 'GigaChat-Pro-preview:2.2.25.3', 'object': 'chat.completion', 'usage': {'prompt_tokens': 389, 'completion_tokens': 15, 'total_tokens': 404, 'system_tokens': 25}}Чтобы таких ситуаций не возникало, я использую фиктивные аргументы, которые можно передавать не боясь, что она сломает функцию, поэтому здесь я передаю аргумент location несмотря что на выходе у меня фиксированная строка.
Определим ещё пару функций:
def get_prices(products): if isinstance(products, str): products = [products] return json.dumps(price_list[price_list['вид продукции'].isin(products)][['вид продукции', 'цена за 1 кг, рубли РФ']].to_dict(orient='records'), ensure_ascii=False)Для этой функции будет генерироваться список подходящих продуктов, для которых будут получены цены из прайс-листа.
def get_full_pricelist(products): """ Получение информации по всей продукции """ return json.dumps(price_list[['вид продукции', 'цена за 1 кг, рубли РФ']].to_dict(orient='records'), ensure_ascii=False)Функция при запросе выдаёт все доступные цены из прайслиста, здесь так же используется фиктивный параметр 'products'. Создадим json схему функций для модели:
giga_functions = [ { "name": "weather_forecast", "description": "Возвращает температуру в Москве", "parameters": { "type": "object", "properties": { "location": { "type": "string", "description": "Местоположение, например, название города" } }, "required": ["location"] }, "return_parameters": { "type": "object", "properties": { "location": { "type": "string", "description": "Местоположение, например, название города" }, "temperature": { "type": "integer", "description": "Температура для заданного местоположения" }, "forecast": { "type": "array", "items": { "type": "string" }, "description": "Описание погодных условий" }, "error": { "type": "string", "description": "Возвращается при возникновении ошибки. Содержит описание ошибки" } } } }, { "name": "get_full_pricelist", "description": "Возвращает цены на всю имеющуюуся продукцию", "parameters": { "type": "object", "properties": { "products": { "type": "string", "description": f"список наиболее подходящих продуктов из списка {price_list['вид продукции'].to_list()}" } }, "required": ["products"] }, "return_parameters": { "type": "object", "properties": { "product": { "type": "string", "description": "Наименование продукции" }, "price": { "type": "integer", "description": "Цена продукции в рублях РФ" }, "error": { "type": "string", "description": "Возвращается при возникновении ошибки. Содержит описание ошибки" } } } }, { "name": "get_prices", "description": "Возвращает цену на запрашиваемый продукт", "parameters": { "type": "object", "properties": { "products": { "type": "string", "description": f"список наиболее подходящих продуктов из списка {price_list['вид продукции'].to_list()}" } }, "required": [ "products" ] }, "few_shot_examples": [ { "request": "сколько стоит лопатка?", "params": { "products": ["Свиная лопатка"] } } ], "return_parameters": { "type": "object", "properties": { "products": { "type": "string", "description": "Наименование продукции" }, "price": { "type": "integer", "description": "Цена для данного вида продукции" }, "error": { "type": "string", "description": "Возвращается при возникновении ошибки. Содержит описание ошибки" } } } } ]Здесь описанием аргумента функции ''get_prices является f-строка со списком из продуктов, которые есть в прайслисте, чтобы модель генерировала корректные аргументы для обращения к функции, это почти всегда работает, но исключения конечно бывают.
Ну и наконец создадим функцию, которая примет вопрос пользователя, при необходимости вызовет какую-либо функцию, и сгенерирует ответ.
import requests import json def get_chat_completion(auth_token, user_message, conversation_history=None): """ Отправляет POST-запрос к API чата для получения ответа от модели GigaChat в рамках диалога. Параметры: - auth_token (str): Токен для авторизации в API. - user_message (str): Сообщение от пользователя, для которого нужно получить ответ. - conversation_history (list): История диалога в виде списка сообщений (опционально). Возвращает: - response (requests.Response): Ответ от API. - conversation_history (list): Обновленная история диалога. """ # URL API, к которому мы обращаемся url = "https://gigachat.devices.sberbank.ru/api/v1/chat/completions" # Если история диалога не предоставлена, добавляем в неё системный промт if conversation_history is None or conversation_history == []: conversation_history = [ { "role": "system", "content": "ты менеджер по продажам, твоя задача сообщать цены из прайс-листа и погоду" } ] # Добавляем сообщение пользователя в историю диалога conversation_history.append({ "role": "user", "content": user_message }) # json схемы доступных функций giga_functions = [ { "name": "weather_forecast", "description": "Возвращает температуру в Москве", "parameters": { "type": "object", "properties": { "location": { "type": "string", "description": "Местоположение, например, название города" } }, "required": ["location"] }, "return_parameters": { "type": "object", "properties": { "location": { "type": "string", "description": "Местоположение, например, название города" }, "temperature": { "type": "integer", "description": "Температура для заданного местоположения" }, "forecast": { "type": "array", "items": { "type": "string" }, "description": "Описание погодных условий" }, "error": { "type": "string", "description": "Возвращается при возникновении ошибки. Содержит описание ошибки" } } } }, { "name": "get_full_pricelist", "description": "Возвращает цены на всю имеющуюуся продукцию", "parameters": { "type": "object", "properties": { "products": { "type": "string", "description": f"список наиболее подходящих продуктов из списка {price_list['вид продукции'].to_list()}" } }, "required": ["products"] }, "return_parameters": { "type": "object", "properties": { "product": { "type": "string", "description": "Наименование продукции" }, "price": { "type": "integer", "description": "Цена продукции в рублях РФ" }, "error": { "type": "string", "description": "Возвращается при возникновении ошибки. Содержит описание ошибки" } } } }, { "name": "get_prices", "description": "Возвращает цену на запрашиваемый продукт", "parameters": { "type": "object", "properties": { "products": { "type": "string", "description": f"список наиболее подходящих продуктов из списка {price_list['вид продукции'].to_list()}" } }, "required": [ "products" ] }, "few_shot_examples": [ { "request": "сколько стоит лопатка?", "params": { "products": ["Свиная лопатка"] } } ], "return_parameters": { "type": "object", "properties": { "products": { "type": "string", "description": "Наименование продукции" }, "price": { "type": "integer", "description": "Цена для данного вида продукции" }, "error": { "type": "string", "description": "Возвращается при возникновении ошибки. Содержит описание ошибки" } } } } ] # Подготовка данных запроса в формате JSON payload = json.dumps({ "model": "GigaChat-Pro-preview", "messages": conversation_history, "function_call": "auto", "functions": giga_functions, "temperature": 0.5, "top_p": 0.1, "n": 1, "stream": False, "max_tokens": 32000, "repetition_penalty": 1, "update_interval": 0 }) # Заголовки запроса headers = { 'Content-Type': 'application/json', 'Accept': 'application/json', 'Authorization': f'Bearer {auth_token}' } # словарь с функциями для обработки запроса available_functions = { "weather_forecast": weather_forecast, "get_full_pricelist": get_full_pricelist, "get_prices": get_prices } # Выполнение POST-запроса и возвращение ответа try: response = requests.post(url, headers=headers, data=payload, verify=False) response_data = response.json() # проверяем ответ модели на наличие обращений к функциям try: # json с информацией о необходимой функции func_calls = response_data['choices'][0]['message']['function_call'] # имя вызываемой функции func_name = func_calls['name'] # аргументы вызываемой функции func_args = func_calls['arguments'] # достаём нужную функцию из словаря function_to_call = available_functions[func_name] # добавляем в историю сообщений ответ модели с вызовом функции, БЕЗ ЭТОГО МОДЕЛЬ НЕ ОТВЕТИТ conversation_history.append(response_data['choices'][0]['message']) # добавляем в историю сообщений результаты функции conversation_history.append( { "role": "function", "content": function_to_call(**func_args), "name": func_name } ) # обновляем данные payload = json.dumps({ "model": "GigaChat-Pro-preview", "messages": conversation_history, "function_call": "auto", "functions": giga_functions, "temperature": 0.5, "top_p": 0.1, "n": 1, "stream": False, "max_tokens": 32000, "repetition_penalty": 0.5, "update_interval": 0 }) # повторяем зарос response = requests.post(url, headers=headers, data=payload, verify=False) response_data = response.json() # for func in func_calls: except: pass # Добавляем ответ модели в историю диалога conversation_history.append({ "role": "assistant", "content": response_data['choices'][0]['message']['content'] }) return response, conversation_history except requests.RequestException as e: # Обработка исключения в случае ошибки запроса print(f"Произошла ошибка: {str(e)}") return None, conversation_historyПримеры получаемых ответов:
conversation_history = [] response, conversation_history = get_chat_completion(giga_token, "какая погода в Москве?", conversation_history)[{'role': 'system', 'content': 'ты менеджер по продажам, твоя задача сообщать цены из прайс-листа и погоду'}, {'role': 'user', 'content': 'какая погода в Москве?'}, {'content': '', 'role': 'assistant', 'function_call': {'name': 'weather_forecast', 'arguments': {'location': 'Москва'}}}, {'role': 'function', 'content': 'в Москве +13', 'name': 'weather_forecast'}, {'role': 'assistant', 'content': 'В Москве сейчас +13°С.'}]узнали о погоде
conversation_history = [] response, conversation_history = get_chat_completion(giga_token, "дай цены по всей продукции", conversation_history)[{'role': 'system', 'content': 'ты менеджер по продажам, твоя задача сообщать цены из прайс-листа и погоду'}, {'role': 'user', 'content': 'дай цены по всей продукции'}, {'content': '', 'role': 'assistant', 'function_call': {'name': 'get_full_pricelist', 'arguments': {'products': 'всю'}}}, {'role': 'function', 'content': '[{"вид продукции": "Тушка индейки самец", "цена за 1 кг, рубли РФ": "295"}, ... , {"вид продукции": "Свиная шея", "цена за 1 кг, рубли РФ": "400"}]', 'name': 'get_full_pricelist'}, {'role': 'assistant', 'content': 'Цены на всю продукцию следующие: Тушка индейки самец - 295 рублей за 1 кг, ... , Свиная шея - 400 рублей за 1 кг.'}]получили цены из прайслиста
conversation_history = [] response, conversation_history = get_chat_completion(giga_token, "сколько стоит рагу и какая погода в москве?", conversation_history)[{'role': 'system', 'content': 'ты менеджер по продажам, твоя задача сообщать цены из прайс-листа и погоду'}, {'role': 'user', 'content': 'сколько стоит рагу и какая погода в москве?'}, {'content': '', 'role': 'assistant', 'function_call': {'name': 'get_prices', 'arguments': {'products': 'Рагу индейки (монолит), Рагу индейки (лоток)'}}}, {'role': 'function', 'content': '[]', 'name': 'get_prices'}, {'role': 'assistant', 'content': 'Извините, но я не могу предоставить вам информацию о цене рагу. Могу ли я помочь вам с чем-то ещё?'}]Здесь модель сгенерировала аргумент строкой, а не списком, поэтому продукты не нашлись в датафрейме, этот случай можно обработать. Другое дело, что здесь модель вызывает только одну функцию, а не две, как требует контекст. Впрочем не надо забывать, что функционал находится на этапе 'preview' и это скорее всего улучшат.
Вот такой мой первый опыт использования вызова функций в API GigaChat, делитесь своими идеями/мнениями/советами на данную тему, весь код выложу на гитхаб и ещё раз поделюсь видео, с которого я начал своё знакомство c API GigaChat.
Автор статьи: Сергей Романов
ссылка на оригинал статьи https://habr.com/ru/articles/806627/
Добавить комментарий