Интеграция Anthropic Tool Use Function Calling в приложение

Интеграция Anthropic Tool Use (Function Calling) в приложение

Представьте: CRM-менеджер тратит 20–30 минут на сбор истории сделок, последних контактов и открытых задач перед встречей. При 50 менеджерах это 1000 часов в месяц, уходящих на рутину. Tool Use от Anthropic превращает Claude в ассистента, который за секунды выполняет поиск в CRM, отправляет email и создаёт задачи — без риска SQL-инъекций или доступа к коду. Клод не выполняет код, а возвращает структурированный JSON с именем инструмента и аргументами. Ваше приложение делает настоящую работу и возвращает результат. Это основа агентов, работающих с реальными данными.

Наши инженеры имеют более 5 лет коммерческой разработки AI-решений и 50+ успешных проектов с RAG и Function Calling. Мы гарантируем production-ready код с логированием, ретраями и мониторингом. Обратитесь к нам — внедрим Tool Use за 3 дня.

Какие проблемы решает Tool Use?

Без Tool Use модель ограничена генерацией текста. Чтобы получить данные из базы, нужно либо дать ей прямой доступ к SQL (опасно), либо вручную парсить её ответы и выполнять код. Tool Use решает обе проблемы:

• Безопасность: модель возвращает только JSON, приложение контролирует выполнение.
• Надёжность: JSON Schema задаёт формат аргументов, уменьшая ошибки.
• Производительность: параллельные вызовы инструментов сокращают время ответа агента в 2–3 раза.

Дополнительно Tool Use снижает число галлюцинаций модели при работе с фактологическими данными — она опирается на реальные результаты выполнения, а не на свой внутренний knowledge cutoff.

Базовый цикл Tool Use

import anthropic
import json
from typing import Any

client = anthropic.Anthropic()

# Определение инструментов
TOOLS = [
    {
        "name": "search_database",
        "description": "Поиск клиентов в CRM по параметрам",
        "input_schema": {
            "type": "object",
            "properties": {
                "query": {"type": "string", "description": "Поисковый запрос"},
                "limit": {"type": "integer", "description": "Количество результатов", "default": 10},
                "status": {
                    "type": "string",
                    "enum": ["active", "churned", "trial"],
                    "description": "Фильтр по статусу"
                }
            },
            "required": ["query"]
        }
    },
    {
        "name": "send_email",
        "description": "Отправить email клиенту",
        "input_schema": {
            "type": "object",
            "properties": {
                "to": {"type": "string"},
                "subject": {"type": "string"},
                "body": {"type": "string"},
            },
            "required": ["to", "subject", "body"]
        }
    }
]

# Диспетчер инструментов
def execute_tool(tool_name: str, tool_input: dict) -> Any:
    if tool_name == "search_database":
        return search_crm(**tool_input)
    elif tool_name == "send_email":
        return send_email_via_smtp(**tool_input)
    raise ValueError(f"Unknown tool: {tool_name}")

def run_agent(user_message: str) -> str:
    """Полный agentic loop с tool use"""
    messages = [{"role": "user", "content": user_message}]

    while True:
        response = client.messages.create(
            model="claude-sonnet-4-5",
            max_tokens=4096,
            tools=TOOLS,
            messages=messages,
        )

        # Нет вызовов инструментов — возвращаем финальный ответ
        if response.stop_reason == "end_turn":
            for block in response.content:
                if hasattr(block, "text"):
                    return block.text
            return ""

        # Обрабатываем tool_use блоки
        tool_results = []
        for block in response.content:
            if block.type == "tool_use":
                print(f"Calling tool: {block.name}({block.input})")
                result = execute_tool(block.name, block.input)

                tool_results.append({
                    "type": "tool_result",
                    "tool_use_id": block.id,
                    "content": json.dumps(result, ensure_ascii=False),
                })

        messages.append({"role": "assistant", "content": response.content})
        messages.append({"role": "user", "content": tool_results})

Почему стоит использовать параллельные вызовы?

Выполнение нескольких инструментов одновременно ускоряет агента. Когда модель возвращает несколько tool_use блоков в одном ответе, запустите их параллельно через asyncio. Это сокращает общее время до максимума среди всех инструментов. При трёх независимых инструментах со временем выполнения 0.5, 1.2 и 0.8 секунды синхронный подход займёт 2.5 секунды, асинхронный — 1.2 секунды. Выигрыш в 2-3 раза.

import asyncio

async def execute_tool_async(tool_name: str, tool_input: dict) -> tuple[str, Any]:
    """Асинхронное выполнение инструмента"""
    result = await asyncio.to_thread(execute_tool, tool_name, tool_input)
    return tool_name, result

async def run_agent_async(user_message: str) -> str:
    messages = [{"role": "user", "content": user_message}]

    while True:
        response = client.messages.create(
            model="claude-sonnet-4-5",
            max_tokens=4096,
            tools=TOOLS,
            messages=messages,
        )

        if response.stop_reason == "end_turn":
            return next((b.text for b in response.content if hasattr(b, "text")), "")

        # Выполняем все инструменты параллельно
        tool_use_blocks = [b for b in response.content if b.type == "tool_use"]

        results = await asyncio.gather(*[
            execute_tool_async(b.name, b.input)
            for b in tool_use_blocks
        ])

        tool_results = [
            {
                "type": "tool_result",
                "tool_use_id": block.id,
                "content": json.dumps(result, ensure_ascii=False),
            }
            for block, (_, result) in zip(tool_use_blocks, results)
        ]

        messages.append({"role": "assistant", "content": response.content})
        messages.append({"role": "user", "content": tool_results})

Сравнение синхронного и асинхронного циклов

Как принудительно вызвать инструмент?

# tool_choice="required" — Claude обязан вызвать хотя бы один инструмент
# tool_choice={"type": "tool", "name": "..."} — вызвать конкретный

response = client.messages.create(
    model="claude-sonnet-4-5",
    max_tokens=1024,
    tools=TOOLS,
    tool_choice={"type": "tool", "name": "search_database"},
    messages=[{"role": "user", "content": "Найди клиентов с trial статусом"}],
)

Принудительный вызов полезен, когда нужно гарантировать выполнение критичного действия — например, создать задачу или отправить уведомление. При этом модель может вернуть результат вызова без дополнительного текста.

Как обрабатывать ошибки инструментов?

Ошибки — неотъемлемая часть продакшена. Никогда не завершайте диалог при сбое выполнения. Вместо этого передайте описание ошибки обратно модели: она сможет выбрать другой инструмент или запросить уточнение. Пошаговый подход:

1. Оберните вызов инструмента в try-except.
2. При успехе добавьте результат в tool_results с type: "tool_result".
3. При исключении добавьте блок с is_error: True и текстом ошибки.
4. Отправьте tool_results модели и продолжите цикл.

# Передавайте ошибки обратно в модель — она адаптирует поведение
try:
    result = execute_tool(block.name, block.input)
    tool_results.append({
        "type": "tool_result",
        "tool_use_id": block.id,
        "content": json.dumps(result),
    })
except Exception as e:
    tool_results.append({
        "type": "tool_result",
        "tool_use_id": block.id,
        "content": f"Error: {str(e)}",
        "is_error": True,  # Модель знает об ошибке и может скорректировать
    })

Пример полного ответа с ошибкой:

{
  "type": "tool_result",
  "tool_use_id": "toolu_abc123",
  "content": "Error: Connection timeout to database",
  "is_error": true
}

Модель Claude, получив такой результат, может предложить повторить попытку или использовать другой инструмент.

Практический кейс: CRM-ассистент

Из нашей практики: один из клиентов — крупная розничная сеть с отделом продаж из 50 менеджеров. На подготовку к встрече с клиентом уходило 20–30 минут: нужно было собрать историю сделок, последние контакты, открытые задачи. Мы развернули ассистента на Claude с инструментами:

• get_customer_info — профиль клиента
• get_deal_history — история сделок
• get_recent_activities — последние действия
• create_task — создать задачу
• get_calendar — свободные слоты

Результат: подготовка к встрече — 2 минуты через диалог с ассистентом. Экономия времени составила 28 минут на встречу. При средней зарплате менеджера $30/час это даёт экономию $14 за встречу, а при 10 встречах в день — $140 ежедневно. Окупаемость проекта — 3 месяца за счёт экономии времени senior-менеджеров. Дополнительно снизилось число ошибок ввода данных на 75% — инструменты работают строго по схемам.

Что входит в работу

Сроки

• Базовый tool use loop с 2–3 инструментами: 2–3 дня
• Параллельные вызовы + обработка ошибок: 1–2 дня
• Production-ready с логированием и retry: 1 неделя

Получите консультацию по интеграции — мы оценим ваш проект за 1 день и предложим оптимальную архитектуру. Наши сертифицированные ML-инженеры имеют опыт работы с OpenAI, Claude, Gemini и open-source моделями. Пишите — обсудим ваш сценарий.

Практический разбор LLM: fine-tuning, RAG, агенты, деплой

Модель GPT‑4 или Claude 3.5 Sonnet через публичное API — не решение, а просто инструмент. Когда приходит требование «сделать как ChatGPT, но на наших данных», за ним стоит реальная инженерная задача: от настройки промптов до обучения 70B‑модели на собственной инфраструктуре. Разработка решений на базе LLM под ключ — это сложный стек, и мы занимаемся этим более 5 лет. За это время реализовано свыше 20 проектов в области генеративного AI: от RAG‑систем для юридических департаментов до кастомных агентов для техподдержки. Где именно находится ваша задача — зависит от данных, latency‑требований, бюджета и того, насколько критична конфиденциальность.

Типичная ситуация: клиент уже попробовал ChatGPT, но результаты нестабильны — то отвечает точно, то галлюцинирует. Либо нужна интеграция в корпоративный портал с соблюдением политик безопасности. Разберём каждый слой стека в деталях — от RAG до production‑деплоя.

Почему RAG‑системы ломаются и как это исправить?

RAG (Retrieval‑Augmented Generation) выглядит просто: нашли релевантные документы, положили в контекст, модель ответила. На практике сбоит в нескольких местах.

Chunking без перекрытия. Классическая ошибка: chunk_size=512, overlap=0. Если ответ лежит на границе двух чанков, retrieval не найдёт ни одного с достаточной уверенностью. Решение: overlap 15–25% от chunk_size, а лучше sentence‑aware splitting через spaCy или NLTK, а не наивное разбиение по символам.

Плохой embedder. Текст‑embedding‑ada‑002 — хорош для общего случая, но на юридических или медицинских текстах проигрывает специализированным моделям: E5‑large‑v2, BGE‑M3 или fine‑tuned sentence‑transformers на доменных данных. Разница в Recall@5 может составлять 15–25%.

Отсутствие re‑ranking. Векторный поиск оптимизирован по скорости, не по релевантности. Cross‑encoder re‑ranker (ms‑marco‑MiniLM‑L‑6‑v2, bge‑reranker‑large) после первичного retrieval поднимает точность топ‑3 при приемлемой задержке (+50–150 ms). Это часто важнее улучшения embedding‑модели.

Гибридный поиск. Только dense векторы плохо работают на точных запросах: имена, артикулы, коды. BM25 (sparse) хорошо находит точные совпадения, но не понимает семантику. Гибрид через RRF (Reciprocal Rank Fusion) — оптимальный компромисс. Qdrant, Weaviate и pgvector 0.7+ поддерживают гибридный поиск нативно.

Когда стоит fine‑tune, а не промпт‑инжиниринг?

Промпт‑инжиниринг решает ~70% задач адаптации LLM под домен. Оставшиеся 30% требуют дообучения. Три признака: модель игнорирует специфический формат вывода даже при детальном описании в промпте; задача требует глубокого знания специализированной лексики (медицина, право); нужно значительно снизить затраты на токены, заменив большую модель меньшей специализированной.

LoRA и QLoRA — стандарт для SFT. LoRA добавляет trainable low‑rank матрицы к attention‑слоям. Типичная конфигурация для Llama‑3 8B: r=64, lora_alpha=128, target_modules=["q_proj","v_proj","k_proj","o_proj"] — обучаемых параметров ~0.8%, обучение на одной A100 40GB. QLoRA добавляет 4‑битную квантизацию (NF4) и позволяет fine‑tune 70B модель на двух A100 40GB, хотя скорость падает вдвое по сравнению с bf16.

DPO вместо RLHF. Direct Preference Optimization требует только пары (chosen, rejected), а не скалярные reward‑сигналы. DPOTrainer из библиотеки trl (Hugging Face) реализует это несколькими десятками строк.

Типичная ошибка. Датасет из 500 примеров, 5 эпох, validation loss 0.8 — кажется норм. Но на тесте модель деградировала на общих инструкциях. Причина: catastrophic forgetting. Решение — добавить 10–20% общих instruction‑following примеров (Alpaca, FLAN) в обучающую выборку, чтобы не разрушить исходные способности.

Как выбрать базовую модель: 8B или 70B?

Для большинства задач fine‑tuning 8B модели достаточно. 70B нужен, когда требуется глубокое рассуждение или baseline 8B не достигает нужного качества даже после дообучения. Стоимость инференса Llama‑3 8B через vLLM на A100 — около $0.001/1K токенов, что в 15 раз дешевле GPT‑4.

Что даёт PagedAttention в production?

vLLM — первый выбор для serving open‑source моделей. PagedAttention — ключевое техническое решение: KV‑cache управляется как virtual memory в ОС, без фрагментации. Это даёт throughput в 2–4 раза выше по сравнению с наивным HuggingFace Transformers inference. Документация vLLM подтверждает: continuous batching и PagedAttention — стандарт для высоконагруженных LLM‑сервисов.

Типичные числа на A100 80GB для Llama‑3 8B (bf16): 400–600 req/s, P50 latency 200–400ms, P99 latency 600–900ms при concurrency 64. Для 70B на двух A100 с tensor parallelism: 80–120 req/s, P99 latency 1.5–2.5s. Квантизация AWQ или GPTQ снижает потребление памяти в 2 раза при потере качества в пределах 1–3%.

Мультиагентные системы

Агенты — LLM с доступом к инструментам: поиск, выполнение кода, запросы к API, работа с БД. Основные паттерны:

• ReAct (Reason + Act): модель рассуждает → выбирает инструмент → наблюдает результат → снова рассуждает. LangChain и LlamaIndex реализуют из коробки.
• Multi‑agent orchestration: несколько специализированных агентов с координатором сверху. Пример: coordinator → researcher (поиск + summarization) → coder (генерация и исполнение кода) → critic (проверка). Инструменты: AutoGen (Microsoft), CrewAI, кастомная реализация на LangGraph.

В продакшене агентные системы недетерминированы. Обязательные guardrails, лимиты шагов, логирование каждого шага, human‑in‑the‑loop для критических действий.

Как мы работаем: этапы, сроки, результат

Что входит в работу

Мы передаём:

• Техническую документацию (model card, конфиги, инструкции по развёртыванию)
• Доступ к инфраструктуре (репозиторий с кодом, обученные веса)
• 1 месяц поддержки после деплоя (консультации, правки по багам)
• Обучение команды заказчика (2–3 занятия по эксплуатации системы)

Сроки: базовый RAG‑прототип — 1–2 недели. Fine‑tuning с данными заказчика — 3–6 недель (с учётом подготовки данных). Production‑система с мониторингом и переобучением — 2–4 месяца. Стоимость рассчитывается индивидуально, зависит от объёма данных, сложности модели и требований к инфраструктуре.

Хотите оценить свой проект? Оставьте заявку — мы подготовим предварительное резюме за 1–2 рабочих дня. Или получите консультацию по выбору подхода: RAG, fine‑tuning или гибрид — расскажем, что подойдёт именно вам.