In questo articolo presenteremo quanto segue.
Parte 1: Quattro nuove classi di snap per LLM : Function Generator, Tool Calling, Function Result Generator e Message Appender, sviluppate appositamente per il tool calling.
Parte 2: La pipeline di chiamata delle funzioni per dimostrare come i nuovi snap di chiamata delle funzioni interagiscono per eseguire la chiamata delle funzioni LLM.
Parte 3: Utilizzo di PipeLoop snap per orchestrare le pipeline degli agenti: chiamare iterativamente la pipeline Function Calling fino a quando il modello non genera un risultato finale o soddisfa altre condizioni di terminazione per eseguire i flussi di lavoro degli agenti.
Parte 1: Presentazione di 4 nuove classi snap per la chiamata degli strumenti
Generatore di funzioni Snap: crea una definizione di funzione.
Tool Calling Snap: invia una richiesta di chiamata dello strumento al modello per recuperare la risposta del modello LLM.
Funzione Snap risultato: formatta il risultato dell'esecuzione dello strumento da inviare all 'LLM.
Message Appender Snap: aggiunge i risultati dello strumento all'array dei payload dei messaggi.
Generatore di funzioni Snap
Il generatore di funzioni Snap facilita la creazione di una definizione dello strumento, consentendo al modello di comprendere e utilizzare gli strumenti disponibili.
Esempio di output:
[
{
"tools": [
{
"sl_type": "function",
"name": "get_current_weather",
"description": "Get the curent weather in a given location",
"parameters": [
{
"name": "location",
"type": "STRING",
"description": "The city and state, e.g. San Francisco, CA",
"required": true
},
{
"name": "unit",
"type": "STRING",
"enum": [
"celcius",
"fahrenheit"
],
"required": false
}
]
}
]
}
]Strumento di richiamo Snap
Lo strumento Calling Snap inoltra gli input dell'utente e le specifiche dello strumento al modello APIdel modello, ricevendo in cambio l'output generato dal modello.
Questo snapshot ha 2 viste di output:
La prima visualizzazione produce
la risposta completa del modello
il payload completo del messaggio, compresa la risposta corrente del modello
La seconda visualizzazione mostra
l'elenco degli strumenti da richiamare
In OpenAI e Azure OpenAI Tool Calling Snap, un campo argomento JSON , il cui valore è un oggetto JSON derivato dalla conversione dell'argomento in formato stringa della chiamata allo strumento di risposta del modello.
Esempio di input:
[
{
"tools": [
{
"sl_type": "function",
"name": "get_current_weather",
"description": "Get the curent weather in a given location",
"parameters": [
{
"name": "location",
"type": "STRING",
"description": "The city and state, e.g. San Francisco, CA",
"required": true
},
{
"name": "unit",
"type": "STRING",
"enum": [
"celcius",
"fahrenheit"
],
"required": false
}
]
}
],
"original": {
"messages": [
{
"content": "You are a helpful assistant.",
"sl_role": "USER"
}
],
"original": {
"prompt": "You are a helpful assistant.",
"original": {
"prompt": "What's the weather in San Francisco?"
}
}
}
}
]Esempio di output – Risposta LLM Visualizza:
[
{
"output": {
"message": {
"role": "assistant",
"content": [
{
"text": "Okay, let's get the current weather for San Francisco."
},
{
"toolUse": {
"toolUseId": "tooluse_YOLmGccxRGWPmCKqxAKvgw",
"name": "get_current_weather",
"input": {
"location": "San Francisco, CA",
"unit": "fahrenheit"
}
}
}
]
}
},
"stopReason": "tool_use",
"usage": {
"inputTokens": 272,
"outputTokens": 90,
"totalTokens": 362
},
"metrics": {
"latencyMs": 1905
},
"messages": [
{
"role": "user",
"content": [
{
"text": "What's the weather in San Francisco?"
}
]
},
{
"role": "assistant",
"content": [
{
"text": "Okay, let's get the current weather for San Francisco."
},
{
"toolUse": {
"toolUseId": "tooluse_YOLmGccxRGWPmCKqxAKvgw",
"name": "get_current_weather",
"input": {
"location": "San Francisco, CA",
"unit": "fahrenheit"
}
}
}
]
}
],
"original": {
"tools": [
{
"sl_type": "function",
"name": "get_current_weather",
"description": "Get the curent weather in a given location",
"parameters": [
{
"name": "location",
"type": "STRING",
"description": "The city and state, e.g. San Francisco, CA",
"required": true
},
{
"name": "unit",
"type": "STRING",
"enum": [
"celcius",
"fahrenheit"
],
"required": false
}
]
}
],
"original": {
"messages": [
{
"content": "What's the weather in San Francisco?",
"sl_role": "USER"
}
],
"original": {
"prompt": "You are a helpful assistant.",
"original": {
"prompt": "What's the weather in San Francisco?"
}
}
}
}
}
]Esempio di output – Visualizzazione chiamate strumenti:
[
{
"toolUse": {
"toolUseId": "tooluse_YOLmGccxRGWPmCKqxAKvgw",
"name": "get_current_weather",
"input": {
"location": "San Francisco, CA",
"unit": "fahrenheit"
}
}
}
]Generatore di risultati delle funzioni Snap
Il generatore di risultati delle funzioni Snap formatta i risultati generati dalle funzioni invocate dall'utente in una struttura di output dati personalizzata definita all'interno di SnapLogic.
Modelli diversi hanno requisiti diversi per il tipo di dati del Contenuto campo. Ad esempio, Bedrock Converse richiede che il contenuto sia un stringo un json, OpenAI richiede che il contenuto sia stringsolo. Snap convertirà il contenuto dell'utente in stringa se il formato nel campo non è supportato.
Esempio di input:
[
{
"content": [
{
"location": {
"name": "San Francisco",
"region": "California",
"country": "United States of America",
"lat": 37.775,
"lon": -122.4183,
"tz_id": "America/Los_Angeles",
"localtime_epoch": 1728429316,
"localtime": "2024-10-08 16:15"
},
"current": {
"last_updated_epoch": 1728429300,
"last_updated": "2024-10-08 16:15",
"temp_c": 17.3,
"temp_f": 63.1,
"is_day": 1,
"condition": {
"text": "Sunny",
"icon": "//cdn.weatherapi.com/weather/64x64/day/113.png",
"code": 1000
},
"wind_mph": 9.8,
"wind_kph": 15.8,
"wind_degree": 261,
"wind_dir": "W",
"pressure_mb": 1012,
"pressure_in": 29.89,
"precip_mm": 0,
"precip_in": 0,
"humidity": 88,
"cloud": 0,
"feelslike_c": 17.3,
"feelslike_f": 63.1,
"windchill_c": 17,
"windchill_f": 62.6,
"heatindex_c": 17,
"heatindex_f": 62.6,
"dewpoint_c": 13.7,
"dewpoint_f": 56.7,
"vis_km": 13,
"vis_miles": 8,
"uv": 2.3,
"gust_mph": 17.9,
"gust_kph": 28.8
}
}
],
"original": {
"toolUse": {
"toolUseId": "tooluse_YOLmGccxRGWPmCKqxAKvgw",
"name": "get_current_weather",
"input": {
"location": "San Francisco, CA",
"unit": "fahrenheit"
}
}
}
}
]Esempio di output:
[
{
"sl_role": "TOOL",
"function_id": "tooluse_YOLmGccxRGWPmCKqxAKvgw",
"is_error": false,
"content": {
"location": {
"name": "San Francisco",
"region": "California",
"country": "United States of America",
"lat": 37.775,
"lon": -122.4183,
"tz_id": "America/Los_Angeles",
"localtime_epoch": 1728429316,
"localtime": "2024-10-08 16:15"
},
"current": {
"last_updated_epoch": 1728429300,
"last_updated": "2024-10-08 16:15",
"temp_c": 17.3,
"temp_f": 63.1,
"is_day": 1,
"condition": {
"text": "Sunny",
"icon": "//cdn.weatherapi.com/weather/64x64/day/113.png",
"code": 1000
},
"wind_mph": 9.8,
"wind_kph": 15.8,
"wind_degree": 261,
"wind_dir": "W",
"pressure_mb": 1012,
"pressure_in": 29.89,
"precip_mm": 0,
"precip_in": 0,
"humidity": 88,
"cloud": 0,
"feelslike_c": 17.3,
"feelslike_f": 63.1,
"windchill_c": 17,
"windchill_f": 62.6,
"heatindex_c": 17,
"heatindex_f": 62.6,
"dewpoint_c": 13.7,
"dewpoint_f": 56.7,
"vis_km": 13,
"vis_miles": 8,
"uv": 2.3,
"gust_mph": 17.9,
"gust_kph": 28.8
}
}
}
]Appendice del messaggio Snap
Lo snap appender del messaggio aggiunge i risultati delle esecuzioni dello strumento all'elenco dei messaggi, fungendo da input per le successive chiamate dello strumento.
Esempio di input – Prima schermata di input – Messaggi
[
{
"output": {
"message": {
"role": "assistant",
"content": [
{
"text": "Okay, let's get the current weather for San Francisco."
},
{
"toolUse": {
"toolUseId": "tooluse_YOLmGccxRGWPmCKqxAKvgw",
"name": "get_current_weather",
"input": {
"location": "San Francisco, CA",
"unit": "fahrenheit"
}
}
}
]
}
},
"stopReason": "tool_use",
"usage": {
"inputTokens": 272,
"outputTokens": 90,
"totalTokens": 362
},
"metrics": {
"latencyMs": 1905
},
"messages": [
{
"role": "user",
"content": [
{
"text": "What's the weather in San Francisco?"
}
]
},
{
"role": "assistant",
"content": [
{
"text": "Okay, let's get the current weather for San Francisco."
},
{
"toolUse": {
"toolUseId": "tooluse_YOLmGccxRGWPmCKqxAKvgw",
"name": "get_current_weather",
"input": {
"location": "San Francisco, CA",
"unit": "fahrenheit"
}
}
}
]
}
],
"original": {
"tools": [
{
"sl_type": "function",
"name": "get_current_weather",
"description": "Get the curent weather in a given location",
"parameters": [
{
"name": "location",
"type": "STRING",
"description": "The city and state, e.g. San Francisco, CA",
"required": true
},
{
"name": "unit",
"type": "STRING",
"enum": [
"celcius",
"fahrenheit"
],
"required": false
}
]
}
],
"original": {
"messages": [
{
"content": "What's the weather in San Francisco?",
"sl_role": "USER"
}
],
"original": {
"prompt": "You are a helpful assistant.",
"original": {
"prompt": "What's the weather in San Francisco?"
}
}
}
}
}
]Esempio di input – Secondo input Visualizza – Risultato dello strumento
[
{
"sl_role": "TOOL",
"function_id": "tooluse_YOLmGccxRGWPmCKqxAKvgw",
"is_error": false,
"content": {
"location": {
"name": "San Francisco",
"region": "California",
"country": "United States of America",
"lat": 37.775,
"lon": -122.4183,
"tz_id": "America/Los_Angeles",
"localtime_epoch": 1728429316,
"localtime": "2024-10-08 16:15"
},
"current": {
"last_updated_epoch": 1728429300,
"last_updated": "2024-10-08 16:15",
"temp_c": 17.3,
"temp_f": 63.1,
"is_day": 1,
"condition": {
"text": "Sunny",
"icon": "//cdn.weatherapi.com/weather/64x64/day/113.png",
"code": 1000
},
"wind_mph": 9.8,
"wind_kph": 15.8,
"wind_degree": 261,
"wind_dir": "W",
"pressure_mb": 1012,
"pressure_in": 29.89,
"precip_mm": 0,
"precip_in": 0,
"humidity": 88,
"cloud": 0,
"feelslike_c": 17.3,
"feelslike_f": 63.1,
"windchill_c": 17,
"windchill_f": 62.6,
"heatindex_c": 17,
"heatindex_f": 62.6,
"dewpoint_c": 13.7,
"dewpoint_f": 56.7,
"vis_km": 13,
"vis_miles": 8,
"uv": 2.3,
"gust_mph": 17.9,
"gust_kph": 28.8
}
}
}
]Esempio di output
[
{
"output": {
"message": {
"role": "assistant",
"content": [
{
"text": "Okay, let's get the current weather for San Francisco."
},
{
"toolUse": {
"toolUseId": "tooluse_YOLmGccxRGWPmCKqxAKvgw",
"name": "get_current_weather",
"input": {
"location": "San Francisco, CA",
"unit": "fahrenheit"
}
}
}
]
}
},
"stopReason": "tool_use",
"usage": {
"inputTokens": 272,
"outputTokens": 90,
"totalTokens": 362
},
"metrics": {
"latencyMs": 1905
},
"messages": [
{
"role": "user",
"content": [
{
"text": "What's the weather in San Francisco?"
}
]
},
{
"role": "assistant",
"content": [
{
"text": "Okay, let's get the current weather for San Francisco."
},
{
"toolUse": {
"toolUseId": "tooluse_YOLmGccxRGWPmCKqxAKvgw",
"name": "get_current_weather",
"input": {
"location": "San Francisco, CA",
"unit": "fahrenheit"
}
}
}
]
},
{
"sl_role": "TOOL",
"function_id": "tooluse_YOLmGccxRGWPmCKqxAKvgw",
"is_error": false,
"content": {
"location": {
"name": "San Francisco",
"region": "California",
"country": "United States of America",
"lat": 37.775,
"lon": -122.4183,
"tz_id": "America/Los_Angeles",
"localtime_epoch": 1728429316,
"localtime": "2024-10-08 16:15"
},
"current": {
"last_updated_epoch": 1728429300,
"last_updated": "2024-10-08 16:15",
"temp_c": 17.3,
"temp_f": 63.1,
"is_day": 1,
"condition": {
"text": "Sunny",
"icon": "//cdn.weatherapi.com/weather/64x64/day/113.png",
"code": 1000
},
"wind_mph": 9.8,
"wind_kph": 15.8,
"wind_degree": 261,
"wind_dir": "W",
"pressure_mb": 1012,
"pressure_in": 29.89,
"precip_mm": 0,
"precip_in": 0,
"humidity": 88,
"cloud": 0,
"feelslike_c": 17.3,
"feelslike_f": 63.1,
"windchill_c": 17,
"windchill_f": 62.6,
"heatindex_c": 17,
"heatindex_f": 62.6,
"dewpoint_c": 13.7,
"dewpoint_f": 56.7,
"vis_km": 13,
"vis_miles": 8,
"uv": 2.3,
"gust_mph": 17.9,
"gust_kph": 28.8
}
}
}
],
"original": {
"tools": [
{
"sl_type": "function",
"name": "get_current_weather",
"description": "Get the curent weather in a given location",
"parameters": [
{
"name": "location",
"type": "STRING",
"description": "The city and state, e.g. San Francisco, CA",
"required": true
},
{
"name": "unit",
"type": "STRING",
"enum": [
"celcius",
"fahrenheit"
],
"required": false
}
]
}
],
"original": {
"messages": [
{
"content": "What's the weather in San Francisco?",
"sl_role": "USER"
}
],
"original": {
"prompt": "You are a helpful assistant.",
"original": {
"prompt": "What's the weather in San Francisco?"
}
}
}
}
}
]Sfruttando i quattro nuovi Snap, saremo in grado di creare pipeline in grado di richiamare funzioni LLM, che chiameremo Pipeline di richiamo funzioni.
Parte 2: Esempio di pipeline di chiamata di funzioni
Questa pipeline mostra come utilizzare i nuovi snap per eseguire chiamate di funzioni LLM.
Configurazione
Utilizzeremo i seguenti quattro snap per la chiamata della funzione LLM:
Generatore di funzioni Snap
Strumento di richiamo Snap
Generatore di risultati delle funzioni Snap
Appendice del messaggio Snap
La pipeline di chiamata delle funzioni incorpora due strumenti come pipeline:
get_current_weather ( Utilizzo di PipeExec)
Questa pipeline recupera le informazioni meteorologiche relative a una determinata località.
Configurazione della pipeline
Un HTTP che si connette all'endpoint weatherapi
Un mappatore che passa l'output JSON al campo contenuto
foo_tool
Uno strumento giocattolo che restituisce "foo" come risultato, utilizzato per dimostrare le capacità di chiamata multi-strumento.
Configurazione della pipeline
Un mappatore che restituisce "foo" nell'output del contenuto
Flusso di esecuzione
Il flusso di esecuzione di questa pipeline segue i seguenti passaggi:
L'utente fornisce il prompt (racchiuso in un payload di messaggi) in uno Snap Generatore JSON, crea definizioni di strumenti utilizzando lo Snap Generatore di Funzioni, che viene poi inviato all'LLM tramite lo Snap Chiamata Strumento.
La vista Chat completions dello Snap Tool Calling genera la risposta dall'LLM e aggiunge la risposta corrente dall'LLM al payload dei messaggi, ed è collegata al primo input dello Snap Message Appender per l'elaborazione, mentre la vista Tool calls è collegata a un router per passare le chiamate degli strumenti ai singoli strumenti.
Gli strumenti vengono richiamati, quindi i risultati vengono formattati dallo Snap Generatore di risultati delle funzioni.
Lo Snap Message Appender raccoglie e aggiunge tutti i risultati dell'invocazione dello strumento all'array dei messaggi dalla vista Chat completions output dallo Snap Tool Calling e produce l'array dei messaggi modificati.
L'output dell'appender dei messaggi contiene la cronologia dei messaggi dal prompt utente, le risposte del modello LLM e l'output di chiamata dello strumento, che segna la fine di questo ciclo di chiamata dello strumento.
Parte 3: Pipeline degli agenti
Per orchestrare le pipeline di chiamata delle funzioni LLM o le pipeline degli agenti LLM, introduciamo due modelli come pipeline per abilitare questa funzionalità.
Pipeline dell'agente driver
La pipeline Agent Driver sfrutta PipeLoop Snap per consentire esecuzioni iterative su una singola pipeline. L'input del prompt viene definito e quindi inviato alla pipeline Agent Worker (una pipeline Function Calling). L'output della pipeline Function Calling viene quindi raccolto e inviato nuovamente come input della seconda iterazione della pipeline Function Calling. L'iterazione continuerà fino al raggiungimento della condizione di arresto impostata in PipeLoop o al raggiungimento del limite di iterazioni.
Pipeline degli agenti operativi
La pipeline Agent Worker è simile a una pipeline Function Calling, con l'unica differenza che il payload del messaggio viene inviato dalla pipeline Agent Driver tramite PipeLoop Snap invece che tramite uno snap JSON Generator.
Esempio di pipeline dell'agente – get_weather
Questo esempio mostra un assistente per il controllo delle condizioni meteorologiche. Questo agente è dotato di un unico strumento, get_weather, che recupera i dati meteorologici di una determinata località.
Pipeline dell'agente driver
In questo esempio, l'utente fornirà un payload come quello riportato di seguito, che consiste nel chiedere informazioni sul meteo di una determinata località. (Che viene simulato utilizzando un generatore JSON Snap)
{ "prompt": "What's the weather in San Francisco?" }Il prompt di sistema per questo assistente meteo viene quindi definito nel primo Generatore di prompt.
"Sei un utile assistente meteorologico che risponderà alle domande sul tempo in una determinata località. Ti verrà assegnato uno strumento per controllare le condizioni meteorologiche della località."
Il prompt utente per questo caso è semplicemente il payload del prompt dell'utente, che passeremo alla Pipeline Agent Worker tramite lo Snap PipeLoop. Interromperemo l'esecuzione di PipeLoop quando il motivo di completamento dell'LLM sarà stop o end_turn (a seconda del modello LLM)
Pipeline degli agenti operativi
Nella pipeline Agent Worker, il flusso segue i seguenti passaggi
Prima iterazione:
Crea definizioni di funzione per gli strumenti da richiamare. In questo caso, la funzione get_weather.
Passa il payload del messaggio (prompt di sistema e utente) e il payload degli strumenti (definizioni delle funzioni) allo Snap di chiamata dello strumento. Lo Snap di chiamata dello strumento deciderà quindi se chiamare uno strumento o generare un risultato. Nel primo caso, restituirà una decisione di chiamata dello strumento che la pipeline dovrà elaborare.
[
{
"toolUse": {
"toolUseId": "tooluse_YOLmGccxRGWPmCKqxAKvgw",
"name": "get_current_weather",
"input": {
"location": "San Francisco, CA",
"unit": "fahrenheit"
}
}
}
]- La pipeline Worker si dividerà quindi in due rami. Il primo ramo passerà il payload dei messaggi di questo round al Message Appender Snap, mentre il secondo ramo passerà la richiesta di chiamata dello strumento allo strumento stesso per invocare una chiamata e ottenere le condizioni meteorologiche di San Francisco.
Il risultato della chiamata allo strumento verrà raccolto e formattato dallo Snap Function Result Generator, quindi passato allo Snap Message Appender in modo che il risultato della chiamata allo strumento possa essere aggiunto al payload del messaggio. Per questo round, il motivo di completamento del LLM è
tool_use, il che significa che l'esecuzione dovrebbe continuare e l'output del Message Appender verrà inviato direttamente all'input dell'Agent Worker Pipeline.
Output dell'appender dei messaggi
[
{
"output": {
"message": {
"role": "assistant",
"content": [
{
"text": "Okay, let's get the current weather for San Francisco."
},
{
"toolUse": {
"toolUseId": "tooluse_YOLmGccxRGWPmCKqxAKvgw",
"name": "get_current_weather",
"input": {
"location": "San Francisco, CA",
"unit": "fahrenheit"
}
}
}
]
}
},
"stopReason": "tool_use",
"usage": {
"inputTokens": 272,
"outputTokens": 90,
"totalTokens": 362
},
"metrics": {
"latencyMs": 1905
},
"messages": [
{
"role": "user",
"content": [
{
"text": "What's the weather in San Francisco?"
}
]
},
{
"role": "assistant",
"content": [
{
"text": "Okay, let's get the current weather for San Francisco."
},
{
"toolUse": {
"toolUseId": "tooluse_YOLmGccxRGWPmCKqxAKvgw",
"name": "get_current_weather",
"input": {
"location": "San Francisco, CA",
"unit": "fahrenheit"
}
}
}
]
},
{
"sl_role": "TOOL",
"function_id": "tooluse_YOLmGccxRGWPmCKqxAKvgw",
"is_error": false,
"content": {
"location": {
"name": "San Francisco",
"region": "California",
"country": "United States of America",
"lat": 37.775,
"lon": -122.4183,
"tz_id": "America/Los_Angeles",
"localtime_epoch": 1728429316,
"localtime": "2024-10-08 16:15"
},
"current": {
"last_updated_epoch": 1728429300,
"last_updated": "2024-10-08 16:15",
"temp_c": 17.3,
"temp_f": 63.1,
"is_day": 1,
"condition": {
"text": "Sunny",
"icon": "//cdn.weatherapi.com/weather/64x64/day/113.png",
"code": 1000
},
"wind_mph": 9.8,
"wind_kph": 15.8,
"wind_degree": 261,
"wind_dir": "W",
"pressure_mb": 1012,
"pressure_in": 29.89,
"precip_mm": 0,
"precip_in": 0,
"humidity": 88,
"cloud": 0,
"feelslike_c": 17.3,
"feelslike_f": 63.1,
"windchill_c": 17,
"windchill_f": 62.6,
"heatindex_c": 17,
"heatindex_f": 62.6,
"dewpoint_c": 13.7,
"dewpoint_f": 56.7,
"vis_km": 13,
"vis_miles": 8,
"uv": 2.3,
"gust_mph": 17.9,
"gust_kph": 28.8
}
}
}
],
"original": {
"tools": [
{
"sl_type": "function",
"name": "get_current_weather",
"description": "Get the curent weather in a given location",
"parameters": [
{
"name": "location",
"type": "STRING",
"description": "The city and state, e.g. San Francisco, CA",
"required": true
},
{
"name": "unit",
"type": "STRING",
"enum": [
"celcius",
"fahrenheit"
],
"required": false
}
]
}
],
"original": {
"messages": [
{
"content": "What's the weather in San Francisco?",
"sl_role": "USER"
}
],
"original": {
"prompt": "You are a helpful assistant.",
"original": {
"prompt": "What's the weather in San Francisco?"
}
}
}
}
}
]Seconda iterazione:
Il payload del messaggio aggiornato viene quindi inviato nuovamente con le definizioni delle funzioni allo Snap di chiamata dello strumento. Lo Snap di chiamata dello strumento per questo ciclo genererà quindi un risultato poiché ha recuperato le condizioni meteorologiche di San Francisco. L'output della chiamata dello strumento dello Snap di chiamata dello strumento sarà vuoto per questo ciclo poiché non sono necessarie chiamate dello strumento per questa iterazione.
Il payload del messaggio viene inviato direttamente allo Snap Message Appender e il motivo di completamento del LLM è
end_turn, che significa il LLM ha eseguito con successo la richiesta. L'esecuzione di PipeLoop verrà interrotta e il risultato verrà inviato all'output dello Snap PipeLoop nella pipeline del driver dell'agente.
E l'esecuzione è terminata.
Sintesi
In questo articolo abbiamo presentato i nuovi Snap per la chiamata degli strumenti: Generatore di funzioni, Chiamata strumenti, Generatore di risultati funzioni e Appender messaggi. Abbiamo anche parlato di come creare pipeline di chiamata strumenti e modelli di pipeline agente. Buon lavoro!
