Function Calling в GigaChat: учим ИИ вызывать функции Python

GigaChat Function Calling можно освоить на одном небольшом проекте, если сразу видеть вход, действие и результат. Function Calling позволяет модели выбрать описанный инструмент и подготовить структурированные аргументы вместо выдуманного результата. Ниже вы соберёте работающий пример и проверите обычный и граничный сценарии.

Модель не выполняет вашу функцию сама, а её аргументы остаются недоверенным вводом, который нельзя сразу передавать в базу, shell или внешний API. Поэтому отделим настройку, входные данные, основное действие и проверку. В этой статье вы соберёте ассистента заметок с инструментами add_note и list_notes, белым списком функций и проверкой аргументов. Проверка: фраза запомни купить молоко приводит к вызову add_note, аргумент проходит схему, а неизвестная функция отклоняется.

Как устроен учебный проект GigaChat Function Calling

GigaChat получает описание tools, возвращает function_call, dispatcher проверяет имя и аргументы, вызывает локальную функцию и добавляет результат в историю. Держите ввод, логику и отображение раздельно: тогда каждый этап можно проверить отдельно.

Контрольные точки: схема, запрос, проверка и результат. Следующий шаг начинается после совпадения с ожидаемым результатом.

От входных данных до видимого результата. Сначала проверяется вход, затем действие и только потом интерфейс.

Собираем рабочий пример шаг за шагом

Материал сверялся с Python SDK GigaChat и контрактом Function Calling, обновлённым в сентябре 2026 года. Установите актуальный пакет gigachat, задайте GIGACHAT_CREDENTIALS и настройте доверенный сертификат НУЦ Минцифры. Проверьте текущую папку через pwd или Get-Location. Вставьте пример целиком, выполните один раз, затем разбирайте по частям.

from pathlib import Path
from typing import Any

NOTES = Path("notes.txt")

def add_note(text: str) -> dict[str, Any]:
    clean = text.strip()
    if not 1 <= len(clean) <= 200:
        raise ValueError("Длина заметки должна быть от 1 до 200 символов")
    with NOTES.open("a", encoding="utf-8") as file:
        file.write(clean + "\n")
    return {"saved": True, "text": clean}

TOOLS = {"add_note": add_note}

def dispatch(name: str, arguments: dict[str, Any]) -> dict[str, Any]:
    function = TOOLS.get(name)
    if function is None:
        raise ValueError("Неизвестный инструмент")
    if name == "add_note" and set(arguments) != {"text"}:
        raise ValueError("Неверные аргументы")
    return function(**arguments)

# function_call = extract_function_call(response.messages[0])
# result = dispatch(function_call.name, function_call.arguments)

Главная функция принимает явный вход и возвращает результат, который можно проверить отдельно от интерфейса. Найдите в примере вход, проверку и место формирования результата.

Что отличает устойчивый проект от случайного запуска. Явные границы делают ошибку локальной и понятной.

Что происходит внутри и почему это работает

Модель выбирает функцию и предлагает JSON-аргументы, но исполнение остаётся в вашем приложении. Белый список связывает внешнее имя с конкретным безопасным callable. Логику держите отдельно от вывода: функция получает аргумент и возвращает значение, а интерфейс показывает его. Не добавляйте универсальный execute_command или eval. Чем уже инструмент и права, тем легче проверить последствия и журналировать действие.

Function Calling не отменяет обычную безопасность. Авторизацию пользователя, лимиты, идемпотентность и подтверждение опасного действия проверяет приложение, а не модель. Не прячьте поток в одном обработчике: сохраните вход, проверьте его, вызовите операцию и только затем обновите интерфейс.

Проверяем проект и добавляем свою функцию

Добавьте list_notes без аргументов и запрос подтверждения перед будущей delete_note. Запишите каждый вызов в журнал без секретов. До правки запишите ожидаемое поведение одним предложением. После граничного теста повторите обычный сценарий.

После изменения повторите основной и ошибочный сценарии, чтобы новое поведение не сломало исходный результат. Полезная правка проходит от нового ввода до видимого результата.

Четыре проверки перед следующим шагом. Каждый следующий этап начинается после наблюдаемого результата.

Что запомнить и куда двигаться дальше

Следующий шаг состоит не в десятке инструментов, а в одном безопасном цикле: выбор, проверка, выполнение, результат и наблюдаемый журнал. Для закрепления откройте в первом AI-агенте, в базовом чате GigaChat и в первом MCP-сервере.

Как изучить тему в Кодике

Сначала разберите формат входных данных и одну функцию, затем подключайте внешний сервис или интерфейс. Сначала восстановите главную функцию и проверьте её на трёх значениях.

Закрепите проект, восстановив ключевую функцию по памяти и добавив собственный граничный случай. Базовый синтаксис закрепите через курс Python.

Что получится в итоге

Финальный экран показывает результат, состояние операции и понятное сообщение об ошибке без раскрытия секретов.