> ## Documentation Index > Fetch the complete documentation index at: https://docs.apiyi.com/llms.txt > Use this file to discover all available pages before exploring further. # Руководство по Function Calling OpenAI > Определения инструментов, строгий режим, параллельные вызовы, сборка потоковой передачи — и различия в формате между эндпоинтами responses и chat/completions. Function Calling (FC) — основа построения агентов: **модель никогда не выполняет функции — она только выводит «какую функцию вызвать и с какими аргументами»**. Выполнение происходит в вашем коде; вы отправляете результат обратно, и модель формирует финальный ответ. Эта страница основана на официальной документации OpenAI (`developers.openai.com/api/docs/guides/function-calling`, по состоянию на июнь 2026 года). Примеры для обоих эндпоинтов готовы к копированию и вставке. ## Полный цикл вызова Отправьте с запросом имена функций, описания и JSON Schema параметров Когда модель решает выполнить вызов, она возвращает имя функции и JSON-аргументы Ваш код разбирает аргументы и фактически запускает функцию (выполняет запрос к БД, обращается к внешнему API…) Отправьте результат вместе с диалогом во втором запросе; модель отвечает на его основе ## Ключевые различия формата между двумя эндпоинтами Одна и та же функция, но разные форматы полей в `/v1/chat/completions` и `/v1/responses` — самая частая ловушка при интеграции: | | Chat Completions | Responses | | ----------------------- | ---------------------------------------------------------------------- | ------------------------------------------------------------------------------------------- | | Определение инструмента | Вложенное: `{"type": "function", "function": {name, parameters, ...}}` | Плоское: `{"type": "function", "name": ..., "parameters": ...}` | | Вывод вызова | `message.tool_calls[]` (с `id`) | Элемент вывода верхнего уровня: `{"type": "function_call", "call_id", "name", "arguments"}` | | Возврат результата | `{"role": "tool", "tool_call_id": ..., "content": ...}` | `{"type": "function_call_output", "call_id": ..., "output": ...}` | | режим strict | Явно задайте `"strict": true` | Сервер по возможности нормализует схемы к strict | Эти два формата **нельзя смешивать**. Отправка вложенного определения `function: {...}` из Chat Completions в `/v1/responses` (или наоборот) — самая частая причина ошибок SDK «invalid parameter». ## Полный пример: Chat Completions Поиск погоды через полный цикл define → call → execute → return: ```python Python theme={null} import json from openai import OpenAI client = OpenAI( api_key="YOUR_API_KEY", base_url="https://api.apiyi.com/v1" ) tools = [{ "type": "function", "function": { "name": "get_weather", "description": "Get current weather for a city", "parameters": { "type": "object", "properties": { "city": {"type": "string", "description": "City name, e.g. Beijing"} }, "required": ["city"], "additionalProperties": False }, "strict": True } }] messages = [{"role": "user", "content": "What's the weather in Beijing?"}] # 1st request: the model decides to call the function r1 = client.chat.completions.create( model="gpt-5.4", messages=messages, tools=tools ) tool_call = r1.choices[0].message.tool_calls[0] args = json.loads(tool_call.function.arguments) # Execute locally (fake data standing in for a real lookup) weather = {"city": args["city"], "temp": "26°C", "condition": "sunny"} # 2nd request: return the result; the model writes the final answer messages.append(r1.choices[0].message) messages.append({ "role": "tool", "tool_call_id": tool_call.id, "content": json.dumps(weather) }) r2 = client.chat.completions.create( model="gpt-5.4", messages=messages, tools=tools ) print(r2.choices[0].message.content) ``` ```javascript Node.js theme={null} import OpenAI from 'openai'; const openai = new OpenAI({ apiKey: 'YOUR_API_KEY', baseURL: 'https://api.apiyi.com/v1' }); const tools = [{ type: 'function', function: { name: 'get_weather', description: 'Get current weather for a city', parameters: { type: 'object', properties: { city: { type: 'string', description: 'City name, e.g. Beijing' } }, required: ['city'], additionalProperties: false }, strict: true } }]; const messages = [{ role: 'user', content: "What's the weather in Beijing?" }]; const r1 = await openai.chat.completions.create({ model: 'gpt-5.4', messages, tools }); const toolCall = r1.choices[0].message.tool_calls[0]; const args = JSON.parse(toolCall.function.arguments); const weather = { city: args.city, temp: '26°C', condition: 'sunny' }; messages.push(r1.choices[0].message); messages.push({ role: 'tool', tool_call_id: toolCall.id, content: JSON.stringify(weather) }); const r2 = await openai.chat.completions.create({ model: 'gpt-5.4', messages, tools }); console.log(r2.choices[0].message.content); ``` ```bash cURL (1st request) theme={null} curl https://api.apiyi.com/v1/chat/completions \ -H "Content-Type: application/json" \ -H "Authorization: Bearer YOUR_API_KEY" \ -d '{ "model": "gpt-5.4", "messages": [{"role": "user", "content": "What is the weather in Beijing?"}], "tools": [{ "type": "function", "function": { "name": "get_weather", "description": "Get current weather for a city", "parameters": { "type": "object", "properties": {"city": {"type": "string"}}, "required": ["city"], "additionalProperties": false }, "strict": true } }] }' ``` ## Полный пример: Ответы Обратите внимание на три различия: определения tools имеют **плоскую** структуру, вызовы возвращаются как элементы верхнего уровня `function_call`, а результаты возвращаются как `function_call_output`. С `previous_response_id` второй запрос не требует повторной отправки всей истории: ```python theme={null} import json from openai import OpenAI client = OpenAI( api_key="YOUR_API_KEY", base_url="https://api.apiyi.com/v1" ) tools = [{ "type": "function", # flat definition — no nested "function" field "name": "get_weather", "description": "Get current weather for a city", "parameters": { "type": "object", "properties": { "city": {"type": "string", "description": "City name, e.g. Beijing"} }, "required": ["city"], "additionalProperties": False } }] # 1st request r1 = client.responses.create( model="gpt-5.4", input="What's the weather in Beijing?", tools=tools ) # Find the function_call item in the output array call = next(item for item in r1.output if item.type == "function_call") args = json.loads(call.arguments) weather = {"city": args["city"], "temp": "26°C", "condition": "sunny"} # 2nd request: chain with previous_response_id, return only the function result r2 = client.responses.create( model="gpt-5.4", previous_response_id=r1.id, input=[{ "type": "function_call_output", "call_id": call.call_id, "output": json.dumps(weather) }], tools=tools ) print(r2.output_text) ``` ## Строгий режим (структурированные выводы) `strict: true` гарантирует, что аргументы модели **точно соответствуют вашей JSON Schema** — без выдуманных или пропущенных полей. Есть три требования: 1. Схема должна включать `"additionalProperties": false` 2. Каждое поле должно присутствовать в `required` (необязательность выражайте с помощью `"type": ["string", "null"]`) 3. Только поддерживаемое подмножество JSON Schema (примитивные типы, enum, массивы, вложенные объекты, …) ```json theme={null} // ✅ Valid strict schema { "type": "object", "properties": { "city": {"type": "string"}, "unit": {"type": "string", "enum": ["celsius", "fahrenheit"]}, "date": {"type": ["string", "null"], "description": "Optional, defaults to today"} }, "required": ["city", "unit", "date"], "additionalProperties": false } ``` ```json theme={null} // ❌ Invalid: missing additionalProperties, date not in required { "type": "object", "properties": { "city": {"type": "string"}, "date": {"type": "string"} }, "required": ["city"] } ``` **строгий режим несовместим с параллельными вызовами функций**: когда вам нужны строгие гарантии схемы, также задайте `parallel_tool_calls: false`. ## parallel\_tool\_calls и tool\_choice ### Параллельные вызовы `parallel_tool_calls` по умолчанию включен: модель может запросить несколько функций за один ход (например, погоду для Пекина и Шанхая одновременно). Выполните каждую, затем **верните все результаты** перед следующим запросом — каждый результат должен соответствовать своему `call_id` (responses) или `tool_call_id` (chat). ### Стратегии tool\_choice | Значение | Поведение | | --------------------------------------------- | --------------------------------------------------- | | `"auto"` (по умолчанию) | Модель сама решает, вызывать ли что-то и что именно | | `"required"` | Должна вызвать как минимум одну функцию | | `{"type": "function", "name": "get_weather"}` | Принудительно вызвать конкретную функцию | | `"none"` | Без вызовов — только текст | ### Подмножества allowed\_tools Когда у вас много tools, но вы хотите раскрыть только некоторые из них в этом ходе, используйте форму `allowed_tools` для `tool_choice`, чтобы ограничить доступное для вызова подмножество — это **не изменяет сам список tools**, поэтому не нарушает стабильный префикс для [кэширования](/ru/api-capabilities/openai/prompt-caching): ```python theme={null} tool_choice={ "type": "allowed_tools", "mode": "auto", "tools": [{"type": "function", "name": "get_weather"}] } ``` ## Вызовы функций в потоковой передаче ### Chat Completions: соберите по индексу Аргументы функции передаются фрагментами. Накапливайте строку `arguments` для каждого `index`, затем `json.loads` после завершения потока: ```python theme={null} stream = client.chat.completions.create( model="gpt-5.4", messages=messages, tools=tools, stream=True ) calls = {} # index -> {name, arguments} for chunk in stream: delta = chunk.choices[0].delta if chunk.choices else None if delta and delta.tool_calls: for tc in delta.tool_calls: entry = calls.setdefault(tc.index, {"name": "", "arguments": ""}) if tc.function.name: entry["name"] = tc.function.name if tc.function.arguments: entry["arguments"] += tc.function.arguments print(calls) # arguments are complete JSON only after the stream ends ``` ### Responses: отслеживайте семантические события События `response.function_call_arguments.delta` содержат приращения аргументов, а `response.function_call_arguments.done` доставляет полные аргументы — без ручной сборки по индексу. ## Лучшие практики и подводные камни Как писать хорошие определения инструментов: * **Имена и описания пишутся для модели**: явно укажите «когда вызывать меня», например `"Get real-time weather; call only when the user explicitly asks about weather"` * **Сужайте параметры с помощью enum**: если значения перечислимы, не используйте свободные строки — это устраняет большинство выдуманных аргументов * **Держите определения инструментов в начале prompt и не меняйте их**: tools участвуют в префиксе кэша; стабильные определения означают 90%-ную скидку на входные данные (см. [Тарификация кэша](/ru/api-capabilities/openai/prompt-caching)) * **Ограничьте цикл агента**: задайте максимальное число раундов, чтобы модель не могла бесконечно сжигать деньги, переходя по циклу call → return → call Распространенные ошибки: | Симптом | Исправление | | --------------------------------------------------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------------- | | `arguments` не является корректным JSON | Включите `strict: true` — это решает проблему в корне | | Модель вызывает несуществующую функцию | Ужесточите с помощью `tool_choice`; проверьте, не вводят ли описания в заблуждение | | Несоответствие `call_id` после параллельных вызовов | Каждый результат должен соответствовать один к одному своему `call_id` / `tool_call_id` — одной отсутствующей пары достаточно, чтобы запрос завершился с ошибкой | | Ошибки параметров из-за смешанных форматов | Проверьте таблицу различий выше; сопоставьте форму определения (вложенная/плоская) с эндпоинтом | ## Поддержка моделей и выбор Вся серия gpt-5 поддерживает вызов функций. По сценариям: | Сценарий | Рекомендуемая модель | Почему | | ------------------------------------------ | -------------------------------------- | ---------------------------------------------------- | | Повседневные агенты / использование tools | `gpt-5.4` (\$2.50 / \$15.00 за 1M) | Лучший баланс между возможностями и стоимостью | | Высокочастотная легковесная маршрутизация | `gpt-5.4-mini` (\$0.75 / \$4.50 за 1M) | Дешево; вполне достаточно для простого распределения | | Сложные агенты для многошагового reasoning | `gpt-5.5` (\$5.00 / \$30.00 за 1M) | Стабильнее на длинных цепочках планирования | ## Связанные ссылки * Эта группа: [Native Calls](/ru/api-capabilities/openai/native) · [Compatible Mode](/ru/api-capabilities/openai/compatible) · [Cache Billing](/ru/api-capabilities/openai/prompt-caching) * Получение / управление tokens: `https://api.apiyi.com/token` * Официальная документация OpenAI: `developers.openai.com/api/docs/guides/function-calling`