Hoofdstuk 6
Tools
Een model dat om hulp kan vragen
De studieassistent heeft twaalf cursusnotities in zijn map notes, en tot nu toe heeft het model er nooit een gezien, tenzij je programma die in een bericht plakte, zoals note_message in hoofdstuk 2 deed. Dat werkt als je van tevoren weet welke notitie een vraag nodig heeft. Vaak weet je dat niet. Een leerling vraagt “What do the notes say about copying a list?”, en het programma zou moeten raden dat het antwoord in 03-lists.md staat.
Dit hoofdstuk draait dat om. Het programma vertelt het model welke functies het bereid is uit te voeren, en het model vraagt om de functie die het nodig heeft. Zo’n vraag heet een toolaanroep (tool call), en de aangeboden functies zijn tools.
Je project voor dit hoofdstuk
Open tools.py in de projecteditor. Onder json, Path en openai importeert het bestand uit twee cursusbestanden:
from client_calls import MODEL, make_client
from prompts import TOOLS_SYSTEM
client_calls.py is de afgeronde code uit hoofdstuk 5, meegeleverd samen met de eerdere bestanden die het importeert: structured.py, quiz_models.py, conversation.py, llm_basics.py en errors.py. Je hoeft geen van die bestanden te veranderen. Net als eerder gebruikt de controle van je werk eigen kopieën, dus een wijziging daarin kan geen beoordeling veranderen, maar wel de demonstratie laten vastlopen. prompts.py bevat nu ook TOOLS_SYSTEM, het systeembericht dat het project verstuurt.
Bovenaan staan drie afgeronde functies: note_ids, list_notes en read_note. Dat zijn de tools. list_notes geeft de ids van de notities terug, zoals 03-lists, en read_note geeft de tekst van één notitie terug. In les 4 lees je ze goed door. Daaronder staan twee lege plaatshouders, TOOL_DESCRIPTIONS = [] en TOOLS = {}, zes onafgemaakte functies en twee afgeronde waarden die latere runs gebruiken, MISNAMED_READ_NOTE en BAD_CALLS. python tools.py voert het bestand uit, en de demonstratie onderaan roept elk van je functies aan zodra die bestaat.
Een vraag die het model niet kan beantwoorden
Voer in de Shell nu python tools.py uit, voordat je iets verandert. De demonstratie stuurt één vraag via de client, zonder tools in het request:
question = "What do the notes say about copying a list?"
messages = [{"role": "user", "content": question}]
A question sent with no tools:
I would call the tool read_note here, but this request's tools do not include a tool with that name.
Run stopped at the next function to build: TOOL_DESCRIPTIONS is written in Lesson 2.
Dat antwoord komt van het gescripte model, en het is voor deze cursus geschreven: geen echt model zou het hebben over een tool read_note die niemand noemde. Het gescripte model heeft de vraag in zijn tabel staan, met een voorbereid antwoord dat de notities nodig heeft, en het zegt duidelijk wat er ontbreekt. Een live model dat hetzelfde request krijgt, heeft de notities ook niet. Het kan antwoorden vanuit wat het tijdens de training heeft geleerd, wat juist kan klinken zonder uit je notities te komen, of zeggen dat het ze niet kan zien. Hoe dan ook heeft het 03-lists.md niet gelezen.
De laatste regel is de gebruikelijke stopregel: de demonstratie stopt bij het eerste wat je nog niet hebt geschreven.
Wat een toolaanroep is
Een model leest alleen de berichten in een request en schrijft een antwoord. Het kan geen bestand openen, geen Python uitvoeren en niet bij het internet. Een toolaanroep verandert daar niets aan. Wel verandert wat het antwoord kan bevatten:
Het request somt de tools op: per functie een naam, een zin die zegt wat hij doet, en de argumenten die hij aanneemt. In les 2 schrijf je deze beschrijvingen.
Het model leest de vraag en de lijst. Als een tool zou helpen, is zijn antwoord geen antwoord op de vraag. Het is een toolaanroep: “voer
read_noteuit metnote_idingesteld op03-lists”. In les 3 lees je die aanroep uit het antwoord.Je programma voert de functie zelf uit (les 4) en stuurt een tweede request met het gesprek tot nu toe plus het resultaat van de functie (les 5).
Het model leest het resultaat zoals elk ander bericht en schrijft zijn antwoord.
Hier zijn dezelfde vier stappen als berichten tussen je programma en het model. Merk op dat stap 3 helemaal aan jouw kant gebeurt.

Het model voert nooit iets uit. Het kiest een functie uit de lijst die je het gaf en schrijft er argumenten voor, en je programma beslist wat er echt gebeurt. Daarom kan het programma weigeren: les 6 controleert elke toolaanroep voordat er iets draait, omdat de naam en de argumenten door het model zijn geschreven, niet door jou.
Het gescripte model speelt hetzelfde spel met vaste regels. Met de juiste tools in het request vraagt het om read_note met 03-lists; krijgt het het resultaat, dan antwoordt het. SCRIPTED_MODEL.md somt de vragen op die het kent, en zoals bij elke gescripte prompt moet je ze precies zo versturen als ze er staan. Een live model zou elke formulering accepteren.
Het plan voor dit hoofdstuk
Les 2 beschrijft de twee tools zodat het model erom kan vragen. Les 3 leest een toolaanroep uit het antwoord, les 4 voert de functie uit die erin genoemd wordt, en les 5 stuurt het resultaat terug voor het antwoord. Les 6 laat het programma slechte toolaanroepen weigeren zonder te crashen, en les 7 handelt een antwoord af dat om meerdere tools tegelijk vraagt. Het project zet de hele ronde in één functie, answer_with_tools.
Het model antwoordt met een toolaanroep voor read_note met {"note_id": "03-lists"}. Wie opent en leest het bestand notes/03-lists.md?
Een request biedt een tool read_note aan, en het model besluit dat het een notitie nodig heeft. Wat bevat zijn antwoord?
Een programma stuurt een model alleen de vraag "What do the notes say about copying a list?". De notities zijn bestanden in de werkruimte van het programma. Waarom kan het model niet antwoorden?