AI-агент с вызовом инструментов на GigaChat и YandexGPT: практика

Большинство «ИИ-ботов», которых я вижу у бизнеса, умеют одно — красиво разговаривать. Спросишь про заказ — расскажет, как это обычно бывает, но в вашу базу не заглянет. Это не агент, это говорящая справка. Настоящий агент отличается одним: он умеет вызывать инструменты — сам решает, что нужно посчитать, найти или сделать, и делает это через ваши функции. Разберу на практике, как устроен вызов инструментов, зачем он бизнесу и как собрать такого агента на российском стеке — GigaChat и YandexGPT, чтобы данные не уходили за границу.

Что такое вызов инструментов

Вызов инструментов (в англоязычной документации — tool calling или function calling) — это способность модели обращаться к внешним функциям. Вы заранее описываете модели набор доступных инструментов: например, «узнать статус заказа по номеру», «посчитать стоимость доставки», «создать заявку в CRM». Каждый инструмент — это описание того, что он делает и какие параметры принимает.

Дальше происходит вот что. Пользователь пишет: «Где мой заказ 12345?» Модель понимает, что своими силами ответить не может — нужны актуальные данные. Вместо выдумки она возвращает структурированный ответ: «вызови инструмент "статус заказа" с параметром номер=12345». Ваш код исполняет этот вызов, лезет в базу, получает статус и отдаёт его обратно модели. И уже с реальными данными на руках модель формулирует человеческий ответ клиенту. Важный момент: саму функцию исполняет ваш код, а не нейросеть — модель только решает, что и с какими аргументами вызвать.

Зачем это бизнесу

Без вызова инструментов ИИ ограничен тем, что знал на момент обучения. Он не видит вашу базу, не знает сегодняшних цен, не может ничего оформить. С инструментами он становится полноценным исполнителем.

Что это даёт на практике: бот в поддержке проверяет реальный статус заказа, а не отвечает общими словами. Агент в продажах считает точную стоимость по вашему прайсу и параметрам клиента. Ассистент сам создаёт заявку, записывает на приём, проверяет наличие на складе. Разница как между консультантом, который говорит «обычно доставка занимает пару дней», и тем, кто отвечает «ваш заказ уже в вашем городе, привезут завтра». Второй закрывает вопрос, а не разводит руками.

По сути, вызов инструментов — это мост между умной болтовнёй и реальной автоматизацией. Как собрать агента в целом, я разбирал в статье про то, как создать ИИ-агента. Здесь же фокус именно на той части, что превращает его из справочника в работника.

Как это работает

Под капотом всё строится на простом цикле, который повторяется, пока задача не решена.

Шаг 1. Описываете инструменты. Для каждой функции задаёте имя, понятное описание («возвращает статус заказа по его номеру») и список параметров с их типами. Описание критично: модель выбирает инструмент, ориентируясь именно на текст, поэтому формулировать надо ясно, как для нового сотрудника.

Шаг 2. Модель решает. Получив вопрос пользователя, модель либо отвечает сама, либо возвращает запрос на вызов инструмента с конкретными параметрами. Она не исполняет функцию — только говорит, какую и с чем вызвать.

Шаг 3. Ваш код исполняет. Программа принимает запрос, вызывает нужную функцию (лезет в базу, считает, обращается к CRM) и получает результат. Здесь же вы контролируете безопасность: проверяете параметры, ограничиваете доступ, не даёте агенту сделать лишнего.

Шаг 4. Результат возвращается модели. Модель получает данные и формулирует итоговый ответ человеческим языком. Если задача требует нескольких шагов, цикл повторяется — агент может вызвать один инструмент, получить ответ, на его основе вызвать следующий.

Именно эта цикличность делает агента гибким: он сам выстраивает цепочку действий под конкретный запрос, а не идёт по жёсткому сценарию. Часто вызов инструментов сочетают с поиском по документам — про это отдельный текст, RAG на своих документах.

Российский стек: нюансы

Собрать агента с вызовом инструментов на российском стеке реально, но есть детали, о которых честно предупрежу.

GigaChat. Поддерживает вызов функций напрямую: вы передаёте описание инструментов, модель возвращает структурированный запрос на вызов. Это самый прямой путь на российском стеке, и для большинства задач его достаточно.

YandexGPT. Здесь возможности вызова функций скромнее и зависят от версии модели. Если встроенной поддержки не хватает, недостающее закрывается на стороне вашего кода: модель просят вернуть ответ в строгом структурированном виде, а разбором и исполнением занимается уже ваша программа. Работает надёжно, просто требует чуть больше ручной обвязки.

Что учесть на практике. Российские модели в целом справляются с вызовом инструментов, но их стоит держать в узде: чёткие описания функций, ограниченный набор инструментов, проверка параметров на своей стороне. Чем яснее сформулирована задача, тем стабильнее агент. Главный плюс подхода — данные остаются в российской инфраструктуре, что закрывает вопросы 152-ФЗ. Про выбор между российскими сервисами я писал подробнее в разборе российского ИИ-стека. Если нужен готовый агент, а не эксперимент, я собираю их под ключ.

Частые вопросы

Чем агент с инструментами отличается от обычного чат-бота? Обычный бот отвечает только текстом на основе того, что знал при обучении. Агент с инструментами вызывает ваши функции — смотрит реальные данные, считает, оформляет. Первый рассказывает, как обычно бывает, второй делает конкретное дело с вашими данными.

Можно ли это сделать на российских моделях? Да. GigaChat поддерживает вызов функций напрямую, а на YandexGPT недостающее закрывается на стороне вашего кода через строгий структурированный ответ. Данные при этом остаются в РФ, что снимает вопросы по 152-ФЗ.

Это безопасно — давать ИИ доступ к функциям? Да, если правильно построить обвязку. Модель только предлагает, какой инструмент вызвать, а исполняет всё ваш код. Именно на своей стороне вы проверяете параметры и ограничиваете, что агенту вообще позволено делать. Полного доступа к системам ему давать не нужно.

Сколько инструментов может быть у агента? Технически много, но на практике лучше держать набор компактным. Чем больше инструментов, тем труднее модели выбрать нужный и тем выше шанс ошибки. Разумнее дать несколько чётко описанных функций под конкретные задачи, чем два десятка размытых.

Коротко о главном

Вызов инструментов — это то, что отличает рабочего ИИ-агента от говорящей справки. Механика простая и одинаковая везде: вы описываете доступные функции, модель решает, какую вызвать и с какими параметрами, а ваш код исполняет и возвращает результат. Именно так агент начинает проверять реальные заказы, считать по вашему прайсу и оформлять заявки, а не пересказывать общие слова. На российском стеке это полностью реально: GigaChat умеет вызывать функции из коробки, а на YandexGPT недостающее добирается кодом — и всё это с данными, которые не покидают РФ. Если хотите не болтливого бота, а агента, который делает дело, и чтобы он работал на российском стеке с учётом 152-ФЗ, — я соберу такого под ключ, от описания инструментов до продакшена.