Інтеграція Anthropic Tool Use (Function Calling) у додаток

Інтеграція Anthropic Tool Use (Function Calling) у додаток

Уявіть: CRM-менеджер витрачає 20–30 хвилин на збір історії угод, останніх контактів і відкритих завдань перед зустріччю. При 50 менеджерах це 1000 годин на місяць, що йдуть на рутину. Tool Use від Anthropic перетворює Claude на асистента, який за секунди виконує пошук у CRM, відправляє email і створює завдання — без ризику SQL-ін'єкцій або доступу до коду. Клод не виконує код, а повертає структурований JSON з ім'ям інструменту та аргументами. Ваш додаток робить справжню роботу і повертає результат. Це основа агентів, що працюють з реальними даними.

Наші інженери мають понад 5 років комерційної розробки AI-рішень та 50+ успішних проєктів з RAG і Function Calling. Ми гарантуємо production-ready код з логуванням, ретраями та моніторингом. Зверніться до нас — впровадимо Tool Use за 3 дні.

Які проблеми вирішує Tool Use?

Без Tool Use модель обмежена генерацією тексту. Щоб отримати дані з бази, потрібно або дати їй прямий доступ до SQL (небезпечно), або вручну парсити її відповіді та виконувати код. Tool Use вирішує обидві проблеми:

• Безпека: модель повертає тільки JSON, додаток контролює виконання.
• Надійність: JSON Schema задає формат аргументів, зменшуючи помилки.
• Продуктивність: паралельні виклики функцій скорочують час відповіді агента в 2–3 рази.

Додатково Tool Use знижує кількість галюцинацій моделі при роботі з фактологічними даними — вона спирається на реальні результати виконання, а не на свій внутрішній knowledge cutoff. Також Tool Use зменшує ризик помилок введення у 4 рази порівняно з ручним введенням даних.

Базовий цикл Tool Use

import anthropic
import json
from typing import Any

client = anthropic.Anthropic()

# Визначення функцій
TOOLS = [
    {
        "name": "search_database",
        "description": "Пошук клієнтів у CRM за параметрами",
        "input_schema": {
            "type": "object",
            "properties": {
                "query": {"type": "string", "description": "Пошуковий запит"},
                "limit": {"type": "integer", "description": "Кількість результатів", "default": 10},
                "status": {
                    "type": "string",
                    "enum": ["active", "churned", "trial"],
                    "description": "Фільтр за статусом"
                }
            },
            "required": ["query"]
        }
    },
    {
        "name": "send_email",
        "description": "Відправити email клієнту",
        "input_schema": {
            "type": "object",
            "properties": {
                "to": {"type": "string"},
                "subject": {"type": "string"},
                "body": {"type": "string"},
            },
            "required": ["to", "subject", "body"]
        }
    }
]

# Диспетчер інструментів
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:
    """Повний agentic loop з 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,
        )

        # Немає викликів інструментів — повертаємо фінальну відповідь
        if response.stop_reason == "end_turn":
            for block in response.content:
                if hasattr(block, "text"):
                    return block.text
            return ""

        # Обробляємо 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})

Переваги одночасних викликів

Виконання кількох функцій одночасно прискорює роботу агента. Коли модель повертає кілька tool_use блоків в одній відповіді, запустіть їх паралельно через asyncio. Це скорочує загальний час до максимуму серед усіх функцій. При трьох незалежних інструментах з часом реалізації 0.5, 1.2 та 0.8 секунди синхронний підхід займе 2.5 секунди, асинхронний — 1.2 секунди. Виграш у 2-3 рази.

import asyncio

async def execute_tool_async(tool_name: str, tool_input: dict) -> tuple[str, Any]:
    """Асинхронне виконання інструменту"""
    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")), "")

        # Виконуємо всі інструменти паралельно
        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})

Порівняння синхронного та асинхронного циклів

Як примусово викликати інструмент?

# tool_choice="required" — Claude зобов'язаний викликати хоча б один інструмент
# tool_choice={"type": "tool", "name": "..."} — викликати конкретний

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": "Знайди клієнтів з trial статусом"}],
)

Примусовий виклик корисний, коли потрібно гарантувати виконання критичної дії — наприклад, створити завдання або відправити сповіщення. При цьому модель може повернути результат виклику без додаткового тексту.

Як обробляти помилки інструментів?

Помилки — невід'ємна частина продакшену. Ніколи не завершуйте діалог при збої виконання. Натомість передайте опис помилки назад моделі: вона зможе вибрати інший інструмент або запросити уточнення. Покроковий підхід:

1. Оберніть виклик інструменту в try-except.
2. При успіху додайте результат у tool_results з type: "tool_result".
3. При винятку додайте блок з is_error: True та текстом помилки.
4. Відправте tool_results моделі та продовжіть цикл.

# Передавайте помилки назад у модель — вона адаптує поведінку
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 знає про помилку і може скоригувати
    })

Приклад повної відповіді з помилкою:

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

Модель Claude, отримавши такий результат, може запропонувати повторити спробу або використати інший інструмент.

Практичний кейс: CRM-асистент

З нашої практики: наш клієнт, велика роздрібна мережа з відділом продажів із 50 менеджерів. На підготовку до зустрічі з клієнтом йшло 20–30 хвилин: потрібно було зібрати історію угод, останні контакти, відкриті завдання. Ми розгорнули асистента на Claude з інструментами:

• get_customer_info — профіль клієнта
• get_deal_history — історія угод
• get_recent_activities — останні дії
• create_task — створити завдання
• get_calendar — вільні слоти

Результат: підготовка до зустрічі — 2 хвилини через діалог з асистентом. Це у 10 разів швидше, ніж ручний збір даних. Економія часу склала 28 хвилин на зустріч. При середній зарплаті менеджера $30/год це дає економію $14 за зустріч, а при 10 зустрічах на день — $140 щоденно. Окупність проєкту — 3 місяці за рахунок економії часу senior-менеджерів. Додатково знизилася кількість помилок введення даних на 75% — інструменти працюють строго за схемами.

Що входить у роботу

Терміни

• Базовий tool use loop з 2–3 інструментами: 2–3 дні
• Паралельні виклики + обробка помилок: 1–2 дні
• Production-ready з логуванням і retry: 1 тиждень

Вартість базової інтеграції — від $5000, включаючи документацію та навчання команди.

Отримайте консультацію з інтеграції — ми оцінимо ваш проєкт за 1 день і запропонуємо оптимальну архітектуру. Наші сертифіковані ML-інженери мають досвід роботи з OpenAI, Claude, Gemini та open-source моделями. Команда має понад 5 років на ринку, 5+ років досвіду в AI та 50+ реалізованих проєктів. Пишіть — обговоримо ваш сценарій.

Практичний розбір LLM: fine-tuning, RAG, агенти, деплой

Модель GPT‑4 або Claude 3.5 Sonnet через публічне API — не рішення, а просто інструмент. Коли приходить вимога «зробити як ChatGPT, але на наших даних», за нею стоїть реальна інженерна задача: від налаштування промптів до навчання 70B‑моделі на власній інфраструктурі. LLM розробка під ключ — це складний стек, і ми займаємося цим понад 5 років. За цей час реалізовано понад 20 проєктів у галузі генеративного AI: від RAG‑систем для юридичних департаментів до кастомних агентів для техпідтримки. Де саме знаходиться ваша задача — залежить від даних, latency‑вимог, бюджету та того, наскільки критична конфіденційність.

Типова ситуація: клієнт уже спробував ChatGPT, але результати нестабільні — то відповідає точно, то галюцинує. Або потрібна інтеграція в корпоративний портал з дотриманням політик безпеки. Розберемо кожен шар стеку в деталях — від RAG до production‑деплою.

Чому RAG‑системи ламаються і як це виправити?

RAG (Retrieval‑Augmented Generation) виглядає просто: знайшли релевантні документи, поклали в контекст, модель відповіла. На практиці збоїть у кількох місцях.

Chunking без перекриття. Класична помилка: chunk_size=512, overlap=0. Якщо відповідь лежить на межі двох чанків, retrieval не знайде жодного з достатньою впевненістю. Рішення: overlap 15–25% від chunk_size, а краще sentence‑aware splitting через spaCy або NLTK, а не наївне розбиття за символами.

Поганий embedder. Текст‑embedding‑ada‑002 — хороший для загального випадку, але на юридичних або медичних текстах програє спеціалізованим моделям: E5‑large‑v2, BGE‑M3 або fine‑tuned sentence‑transformers на доменних даних. Різниця в Recall@5 може становити 15–25%.

Відсутність re‑ranking. Векторний пошук оптимізований за швидкістю, не за релевантністю. Cross‑encoder re‑ranker (ms‑marco‑MiniLM‑L‑6‑v2, bge‑reranker‑large) після первинного retrieval піднімає точність топ‑3 при прийнятній затримці (+50–150 ms). Це часто важливіше за покращення embedding‑моделі.

Гібридний пошук. Тільки dense вектори погано працюють на точних запитах: імена, артикули, коди. BM25 (sparse) добре знаходить точні збіги, але не розуміє семантику. Гібрид через RRF (Reciprocal Rank Fusion) — оптимальний компроміс. Qdrant, Weaviate та pgvector 0.7+ підтримують гібридний пошук нативно.

Коли варто fine‑tune, а не промпт‑інжиніринг?

Промпт‑інжиніринг вирішує ~70% завдань адаптації LLM під домен. Решта 30% вимагають донавчання. Три ознаки: модель ігнорує специфічний формат виведення навіть при детальному описі в промпті; задача вимагає глибокого знання спеціалізованої лексики (медицина, право); потрібно значно знизити витрати на токени, замінивши велику модель меншою спеціалізованою.

LoRA та QLoRA — стандарт для SFT. LoRA додає trainable low‑rank матриці до attention‑шарів. Типова конфігурація для Llama‑3 8B: r=64, lora_alpha=128, target_modules=["q_proj","v_proj","k_proj","o_proj"] — параметрів, що навчаються, ~0.8%, навчання на одній A100 40GB. QLoRA додає 4‑бітну квантизацію (NF4) і дозволяє fine‑tune 70B модель на двох A100 40GB, хоча швидкість падає вдвічі порівняно з bf16.

DPO замість RLHF. Direct Preference Optimization вимагає лише пари (chosen, rejected), а не скалярні reward‑сигнали. DPOTrainer з бібліотеки trl (Hugging Face) реалізує це кількома десятками рядків.

Типова помилка. Датасет з 500 прикладів, 5 епох, validation loss 0.8 — здається норм. Але на тесті модель деградувала на загальних інструкціях. Причина: catastrophic forgetting. Рішення — додати 10–20% загальних instruction‑following прикладів (Alpaca, FLAN) у навчальну вибірку, щоб не зруйнувати вихідні здібності.

Як обрати базову модель: 8B чи 70B?

Для більшості задач fine‑tuning 8B моделі достатньо. 70B потрібен, коли потрібне глибоке міркування або baseline 8B не досягає потрібної якості навіть після донавчання. Вартість інференсу Llama‑3 8B через vLLM на A100 значно нижча, ніж у GPT‑4, що робить його економічно вигідним.

Що дає PagedAttention в production?

vLLM — перший вибір для serving open‑source моделей. PagedAttention — ключове технічне рішення: KV‑cache керується як virtual memory в ОС, без фрагментації. Це дає throughput у 2–4 рази вище порівняно з наївним HuggingFace Transformers inference. Документація vLLM підтверджує: continuous batching та PagedAttention — стандарт для високонавантажених LLM‑сервісів.

Типові 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 двох A100 з tensor parallelism: 80–120 req/s, P99 latency 1.5–2.5s. Квантизація AWQ або GPTQ знижує споживання пам'яті в 2 рази при втраті якості в межах 1–3%.

Мультиагентні системи

Агенти — LLM з доступом до інструментів: пошук, виконання коду, запити до API, робота з БД. Основні патерни:

• ReAct (Reason + Act): модель розмірковує → обирає інструмент → спостерігає результат → знову розмірковує. LangChain та LlamaIndex реалізують з коробки.
• Multi‑agent orchestration: кілька спеціалізованих агентів з координатором зверху. Приклад: coordinator → researcher (пошук + summarization) → coder (генерація та виконання коду) → critic (перевірка). Інструменти: AutoGen (Microsoft), CrewAI, кастомна реалізація на LangGraph.

В продакшені агентні системи недетерміновані. Обов'язкові guardrails, ліміти кроків, логування кожного кроку, human‑in‑the‑loop для критичних дій.

Як ми гарантуємо якість LLM рішення?

Ми використовуємо RAGAS для автоматичної оцінки відповідей: faithfulness, answer relevancy, context precision. Система трекінгу експериментів на базі MLflow фіксує всі метрики, датасети та конфіги. Це дозволяє порівнювати різні гіпотези та доводити покращення з цифрами. Гарантію стабільної роботи забезпечує continuous integration з тестами на специфічних сценаріях (prompt injection, edge‑cases).

Як почати LLM розробку: наступні кроки

Ми передаємо:

• Технічну документацію (model card, конфіги, інструкції з розгортання)
• Доступ до інфраструктури (репозиторій з кодом, навчені ваги)
• 1 місяць підтримки після деплою (консультації, виправлення багів)
• Навчання команди замовника (2–3 заняття з експлуатації системи)

Терміни: базовий RAG‑прототип — 1–2 тижні. Fine‑tuning з даними замовника — 3–6 тижнів (з урахуванням підготовки даних). Production‑система з моніторингом та перенавчанням — 2–4 місяці.

Вартість розраховується індивідуально і залежить від обсягу даних, складності моделі та вимог до інфраструктури. Хочете оцінити свій проєкт? Зв'яжіться з нами — ми підготуємо попереднє резюме за 1–2 робочі дні. Або замовте консультацію фахівця з вибору підходу: RAG, fine‑tuning або гібрид — розповімо, що підійде саме вам.