Agent głosowy, który sprawdza dane: narzędzia i function calling
Jak działa function calling w telefonicznych agentach głosowych: odczyty a działania, cechy dobrego narzędzia, ryzyka mowy i naturalny przebieg rozmów.
Informacje, które zmieniają się co godzinę, nie mogą mieszkać w prompcie. Status zamówienia, stan magazynu czy wolny termin są poprawne tylko przez chwilę. Aby z nich korzystać, agent głosowy potrzebuje sposobu, by zapytać inny system – ten mechanizm zwykle nazywa się function calling lub korzystaniem z narzędzi.

Ten przewodnik prostym językiem wyjaśnia, jak to działa, co sprawia, że narzędzie jest dobre, gdzie leżą ryzyka i jak ta idea ma się do obecnego działania agentów AI w Call. Tło dotyczące samego potoku głosowego znajdziesz w artykule Jak działa głosowa AI podczas rozmowy telefonicznej.
Jak działa wywołanie narzędzia
Model językowy pisze tekst. Nie potrafi otworzyć bazy danych ani nacisnąć przycisku. Function calling to konwencja: opisujesz modelowi zestaw funkcji – nazwę, cel i oczekiwane dane wejściowe – a model może odpowiedzieć prośbą o użycie jednej z nich.
Cykl życia wywołania narzędzia
- Dzwoniący pytaNa przykład: gdzie jest moje zamówienie?
- Model proponuje wywołanieZwraca nazwę funkcji i argumenty, np. numer zamówienia.
- Twoje oprogramowanie weryfikujeSprawdza argumenty, uprawnienia dzwoniącego i ewentualne limity.
- System je wykonujeWysyła zapytanie do systemu zamówień i otrzymuje wynik.
- Wynik wraca do modeluModel zamienia dane w krótką odpowiedź mówioną.
Najważniejsze jest to, że działanie wykonuje Twoje oprogramowanie, a nie model. Daje Ci to miejsce, w którym możesz egzekwować zasady, rejestrować, co się stało, i odrzucać wszystko, co nierozsądne.
Odczyty a działania
Nie wszystkie narzędzia niosą to samo ryzyko. Odczyt pobiera informacje. Działanie coś zmienia. Traktuj je inaczej.
Odczyty tylko do odczytu a działania zmieniające dane
| Odczyt | Działanie | |
|---|---|---|
| Przykłady | Godziny otwarcia, status zamówienia, długość kolejki | Odwołanie rezerwacji, zwrot pieniędzy, zmiana adresu |
| Ryzyko w razie błędu | Błędna odpowiedź, którą można sprostować | Zmiana, którą może być trudno cofnąć |
| Typowe zabezpieczenia | Weryfikacja tożsamości, ograniczone pola | Krok potwierdzenia, zatwierdzenie przez człowieka, dziennik audytu |
| Dobry punkt startu? | Tak | Dopiero gdy odczyty działają dobrze |
Ostrożna droga to start wyłącznie z odczytami, obserwowanie prawdziwych rozmów i powolne dodawanie działań, przy czym wszystko, co ma konsekwencje, potwierdza człowiek. To samo podejście stoi za artykułem Zabezpieczenia agentów głosowej AI.
Co sprawia, że narzędzie jest dobre
- Jeden jasny cel. Narzędzie o nazwie get_order_status model łatwiej wybierze poprawnie niż narzędzie, które robi pięć rzeczy.
- Niewiele prostych danych wejściowych. Proś o numer zamówienia, a nie o długie pole tekstowe.
- Krótki, uporządkowany wynik. Zwracaj tylko kilka pól, które agent wypowie na głos, a nie cały rekord.
- Proste komunikaty o błędach. Zwracaj „nie znaleziono” lub „spróbuj później” w formie, którą model może zamienić w uprzejme zdanie.
- Szybka odpowiedź. Wolne narzędzia każą dzwoniącemu czekać w ciszy.
Nazwy i opisy mają znaczenie
Model wybiera narzędzia na podstawie nazw i opisów, które im nadasz. Niejasne sformułowania prowadzą do złych wyborów. Pisz opisy jak instrukcje dla nowego współpracownika: kiedy używać narzędzia, kiedy nie i co oznacza każde pole wejściowe.
Dane z mowy bywają chaotyczne
Argumenty pochodzą z mowy. Numer zamówienia może dotrzeć z błędną cyfrą, a nazwisko z nietypową pisownią. Zanim użyjesz kluczowych wartości, odczytaj je dzwoniącemu, i projektuj narzędzie tak, by przy niemal trafionych wartościach zwracało pomocny wynik. Techniki potwierdzania szczegółowo opisuje artykuł Jak poprawnie zapisywać imiona, numery i adresy z głosu.
Ryzyka, wokół których trzeba projektować
Gdzie korzystanie z narzędzi zawodzi
- Złe narzędzie lub argumentyModel źle rozumie prośbę, więc weryfikuj wszystko przed wykonaniem.
- Ujawnianie za dużoOdczyt zwraca więcej, niż dzwoniący powinien usłyszeć, więc zwracaj tylko to, co potrzebne.
- Niezweryfikowana tożsamośćOdczytanie danych konta niewłaściwej osobie, więc weryfikuj przed ujawnieniem.
- Wolne lub zawodne systemyMartwa cisza lub mylący błąd, więc ustaw limity czasu i mówione odpowiedzi awaryjne.
- Wstrzyknięte instrukcjeTekst z wyniku odczytu, który próbuje wydawać modelowi polecenia, więc traktuj wyniki wyłącznie jako dane.
Każde ryzyko ma rozwiązanie inżynieryjne, ale najbezpieczniejszą zasadą projektową jest dać agentowi najmniejszy dostęp, który wystarcza do zadania. Nie dawaj mu ogólnego połączenia z bazą danych, gdy wystarczy jeden wąski odczyt.
Jak zachować naturalność rozmowy
Wywołanie narzędzia wydłuża czas: model podejmuje decyzję, Twój system odpowiada, model pisze odpowiedź, a potem generowana jest mowa. Dzwoniący słyszy ciszę. Pomagają bardzo krótkie potwierdzenie przed odczytem, buforowanie rzadko zmieniających się wartości i ograniczenie każdej tury do jednego wywołania narzędzia. Skąd bierze się opóźnienie, opisuje artykuł Opóźnienia głosowej AI. Jeśli odczyt się nie powiedzie lub przekroczy limit czasu, agent powinien krótko o tym powiedzieć i zaproponować wiadomość lub rozmowę z człowiekiem, zamiast czekać.
Przykład krok po kroku
Wyobraź sobie hipotetyczny sklep meblowy, którego agent odpowiada na pytania o dostawy. Sklep definiuje jedno narzędzie tylko do odczytu, które przyjmuje numer zamówienia i zwraca status dostawy oraz przedział czasowy dostawy. Agent ma polecenie, by używał go dopiero wtedy, gdy dzwoniący poda numer zamówienia i potwierdzi go po odczytaniu.
- Dzwoniący mówi, że czeka na sofę, i podaje numer zamówienia.
- Agent odczytuje numer w grupach, a dzwoniący go potwierdza.
- Narzędzie zwraca status „w doręczeniu” i przedział „po południu”.
- Agent mówi, że zamówienie jest w doręczeniu i powinno dotrzeć dziś po południu, a potem pyta, czy może w czymś jeszcze pomóc.
- Jeśli narzędzie zwróci „nie znaleziono”, agent mówi, że nie może znaleźć tego zamówienia, i proponuje przyjęcie wiadomości dla zespołu.
Zwróć uwagę, czego brakuje: agent nie może zmienić terminu dostawy. Jeśli dzwoniący chce innego dnia, agent przyjmuje prośbę, a zajmuje się nią zespół. Start od wąskiego, bezpiecznego narzędzia takiego jak to pozwala poznać, jak naprawdę mówią dzwoniący, zanim poszerzysz zakres. Rejestruj każde wywołanie narzędzia, by wychwytywać wzorce, np. częste mylenie jednej cyfry, i poprawiać je w kroku potwierdzenia.
Jak to się ma do Call
W Call agent AI odpowiada na podstawie swoich instrukcji, persony, skryptu przypisanego do linii i fragmentów bazy wiedzy pasujących do pytania. Nie jest zaprojektowany do wykonywania w trakcie rozmowy działań takich jak rezerwowanie lub potwierdzanie wizyt, oddzwanianie, wysyłanie czegokolwiek czy udzielanie rabatów. Mówi to wprost i wskazuje ścieżkę opisaną w Twoich źródłach, na przykład link do rezerwacji lub oddzwonienie od Twojego zespołu. Często zmieniające się fakty trzymaj w źródłach agenta i aktualizuj je, a do dalszych działań wymagających człowieka używaj helpdesku. Jeśli chcesz połączyć Call z własnymi systemami, interfejs dla deweloperów opisuje artykuł Call dla deweloperów i API; sprawdź, co oferuje, zanim zaprojektujesz rozwiązanie oparte na konkretnym zachowaniu.
Oceniając dowolną platformę, która reklamuje korzystanie z narzędzi, zadaj praktyczne pytania z poniższej listy.
Pytania o narzędzia agenta głosowego
- Do jakich systemów ma dostęp i z jakimi uprawnieniami?
- Czy odczyty są oddzielone od działań zmieniających dane?
- Czy istnieje dziennik każdego wywołania wraz z argumentami i wynikami?
- Co się dzieje, gdy odczyt się nie powiedzie lub jest wolny?
- Czy człowiek może zatwierdzać działania niosące konsekwencje?
- Jak weryfikowana jest tożsamość dzwoniącego, zanim padną szczegóły?
- Czy przed uruchomieniem można testować narzędzia na realistycznych danych z mowy?
Stronę oceny opisuje artykuł Jak oceniać rozmowy agenta głosowego.
Najczęstsze pytania
Czym jest function calling w prostych słowach?
To sposób, w jaki model AI może poprosić Twoje oprogramowanie o wykonanie czegoś, np. sprawdzenie zamówienia. Model pisze prośbę, Twój system ją realizuje i zwraca wynik, który model wyjaśnia.
Czy AI samo uruchamia funkcję?
Nie. Model tylko proponuje wywołanie. Twój własny kod je sprawdza i uruchamia – właśnie tam możesz stosować zasady, limity i rejestrowanie.
Czy bezpiecznie jest pozwolić agentowi głosowemu zmieniać dane?
Można to zrobić ostrożnie, ale zacznij od odczytów tylko do odczytu. Przy wszystkim, co zmienia dane, dodaj potwierdzenie, limity i – gdy stawka jest wysoka – zatwierdzenie przez człowieka.
Dlaczego odczyt sprawia, że rozmowa wydaje się wolna?
Każdy krok zajmuje czas: decyzja o wywołaniu, jego wykonanie, napisanie odpowiedzi i jej wypowiedzenie. Szybkie narzędzia, krótkie potwierdzenie i jeden odczyt na turę utrzymują opóźnienie na znośnym poziomie.
Czy dzwoniący może podstępem skłonić agenta do złego użycia narzędzia?
Może próbować. Weryfikuj argumenty, sprawdzaj uprawnienia w kodzie i dawaj agentowi wąskie narzędzia, by błędna prośba nie mogła wyrządzić realnej szkody.
Czy agent AI w Call sprawdza dane w moich systemach?
Agent w Call działa na podstawie instrukcji, skryptu i źródeł wiedzy i w trakcie rozmowy niczego nie rezerwuje, nie wysyła ani nie potwierdza. Zmienne fakty trzymaj w jego źródłach, a dalsze kroki zostaw zespołowi.