ಮುಖಪುಟ / ಮಾರ್ಗದರ್ಶಿಗಳು / ಫಂಕ್ಷನ್ ಕರೆಯೊಂದಿಗೆ ಉಚಿತ LLM API

ಫಂಕ್ಷನ್ ಕರೆಯೊಂದಿಗೆ ಉಚಿತ LLM API

ಫಂಕ್ಷನ್ ಕರೆ, ಅಥವಾ ಟೂಲ್ ಕರೆ, LLM ನಿಮ್ಮ ಕೋಡ್ ಒಂದು ಫಂಕ್ಷನ್ ಚಲಾಯಿಸಲು ಕೇಳಲು ಅವಕಾಶ ನೀಡುತ್ತದೆ. ಏಜೆಂಟ್‌ಗಳು, ನೇರ ಡೇಟಾ ಹೊಂದಿರುವ ಚಾಟ್ ಬಾಟ್‌ಗಳು ಮತ್ತು ರಚನಾತ್ಮಕ ಹೊರತೆಗೆಯುವಿಕೆ ಎಲ್ಲವೂ ಇದನ್ನು ಬಳಸುತ್ತವೆ. FreeLLMAPI ಕ್ಯಾಟಲಾಗ್‌ನಲ್ಲಿ ಟೂಲ್ ಕರೆ ಇರುವ 190 ಉಚಿತ ಮಾಡೆಲ್ ಕೊಡುಗೆಗಳಿವೆ. ನೀವು OpenAI ಶೈಲಿಯ tools ಕಳುಹಿಸುತ್ತೀರಿ, ಮತ್ತು ಗೇಟ್‌ವೇ ಪ್ರತಿ ಪೂರೈಕೆದಾರರಿಗೆ ಅವುಗಳನ್ನು ಅನುವಾದಿಸುತ್ತದೆ.

ಕೋಡ್, ಮಾದರಿ ಹೆಸರುಗಳು ಮತ್ತು ನೇರ ಕ್ಯಾಟಲಾಗ್ ಲೇಬಲ್‌ಗಳನ್ನು ಇಂಗ್ಲಿಷ್‌ನಲ್ಲಿ ತೋರಿಸಲಾಗಿದೆ.

FreeLLMAPI ಮೂಲಕ ಟೂಲ್ ಕರೆ ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ

  1. ನೀವು ಸಂದೇಶಗಳು ಮತ್ತು tools ಪಟ್ಟಿಯನ್ನು ಕಳುಹಿಸುತ್ತೀರಿ. ಪ್ರತಿ ಟೂಲ್‌ಗೆ ಹೆಸರು, ವಿವರಣೆ ಮತ್ತು ಅದರ ನಿಯತಾಂಕಗಳಿಗೆ JSON Schema ಇರುತ್ತದೆ.
  2. ಮಾಡೆಲ್ tool_calls ಮತ್ತು finish_reason: "tool_calls" ನೊಂದಿಗೆ ಉತ್ತರಿಸುತ್ತದೆ. ಅದು ತಾನೇ ಏನನ್ನೂ ಚಲಾಯಿಸುವುದಿಲ್ಲ.
  3. ನಿಮ್ಮ ಕೋಡ್ ಫಂಕ್ಷನ್ ಚಲಾಯಿಸಿ ಫಲಿತಾಂಶವನ್ನು role: "tool" ಇರುವ ಸಂದೇಶವಾಗಿ ಸೇರಿಸುತ್ತದೆ.
  4. ನೀವು ಸಂಭಾಷಣೆಯನ್ನು ಮತ್ತೆ ಕಳುಹಿಸುತ್ತೀರಿ. ಮಾಡೆಲ್ ಅಂತಿಮ ಉತ್ತರ ಬರೆಯಲು ಫಲಿತಾಂಶವನ್ನು ಬಳಸುತ್ತದೆ.

Groq, Cerebras, Mistral, OpenRouter ಮತ್ತು Cloudflare ನಂತಹ OpenAI-ಹೊಂದಾಣಿಕೆಯ ಪೂರೈಕೆದಾರರು ವಿನಂತಿಯನ್ನು ಇದ್ದಂತೆಯೇ ಪಡೆಯುತ್ತಾರೆ. Gemini ಗಾಗಿ, FreeLLMAPI ಟೂಲ್‌ಗಳನ್ನು Google ನ functionDeclarations ಫಾರ್ಮ್ಯಾಟ್‌ಗೆ ಅನುವಾದಿಸುತ್ತದೆ ಮತ್ತು ಉತ್ತರವನ್ನು ಮತ್ತೆ ಅನುವಾದಿಸುತ್ತದೆ. ಪ್ರತಿ ಪೂರೈಕೆದಾರರಿಗೆ ನಿಮ್ಮ ಕೋಡ್ ಒಂದೇ ಆಗಿರುತ್ತದೆ.

ಕೆಲವು ಮಾಡೆಲ್‌ಗಳು ನಿಜವಾದ ಟೂಲ್ ಕರೆಯ ಬದಲು ಟೂಲ್ ಕರೆಯನ್ನು ಸರಳ ಪಠ್ಯವಾಗಿ ಬರೆಯುತ್ತವೆ. FreeLLMAPI ಇವನ್ನು ಪತ್ತೆಹಚ್ಚಿ ನಿಜವಾದ tool_calls ಆಗಿ ಬದಲಿಸುತ್ತದೆ.

ಇಂದು ಟೂಲ್ ಕರೆ ಇರುವ ಉಚಿತ ಮಾಡೆಲ್‌ಗಳು

ಕೋಷ್ಟಕವು ಟೂಲ್ ಕರೆ ಇರುವ ಬಲಿಷ್ಠ ಉಚಿತ ಮಾಡೆಲ್‌ಗಳನ್ನು ತೋರಿಸುತ್ತದೆ. ಡೇಟಾ ನೇರ ಕ್ಯಾಟಲಾಗ್‌ನಿಂದ ಬಂದಿದೆ. ಏಜೆಂಟ್‌ಗಳಿಗೆ, ಸಂದರ್ಭದ ಗಾತ್ರವನ್ನೂ ಪರಿಶೀಲಿಸಿ, ಏಕೆಂದರೆ ಟೂಲ್ ವ್ಯಾಖ್ಯಾನಗಳು ಮತ್ತು ಫಲಿತಾಂಶಗಳು ಹಲವು ಟೋಕನ್‌ಗಳನ್ನು ಬಳಸುತ್ತವೆ.

ಟೂಲ್ ಕರೆ ಇರುವ ಉಚಿತ ಮಾಡೆಲ್‌ಗಳು, ಬಲಿಷ್ಠವಾದದ್ದು ಮೊದಲು
ಮಾದರಿಉಚಿತಸಂದರ್ಭಉಚಿತ ಮಿತಿಗಳು (ಅತ್ಯುತ್ತಮ ಕೊಡುಗೆ)ಉಪಕರಣಗಳುದೃಷ್ಟಿ
GLM 5.3UnoRouter1M1 ವಿನಂತಿ/ನಿಮಿಷ
1 req/min per model
ಹೌದುಇಲ್ಲ
Qwen3.8 MaxACLIDE-€20/month shared internal usage credits · no cardಹೌದುಇಲ್ಲ
GLM 5.3 FlashNVIDIA NIM, UnoRouter1M40 ವಿನಂತಿ/ನಿಮಿಷ
40 RPM
ಹೌದುಹೌದು
Gemini 3.8 FlashGoogle AI Studio1MRecurring provider quotaಹೌದುಹೌದು
Gemini Flash (latest alias)Google AI Studio-10 ವಿನಂತಿ/ನಿಮಿಷ
20 ವಿನಂತಿ/ದಿನ
250,000 ಟೋಕನ್/ನಿಮಿಷ
~3M
ಹೌದುಹೌದು
Qwen3.8 Flash NextAMD Radeon Cloud262KRecurring daily account allowanceಹೌದುಇಲ್ಲ
Qwen3.8 FlashElectronHub1M$0.25/week shared recurring creditಹೌದುಹೌದು
Gemini 3.7 FlashGoogle AI Studio1M10 ವಿನಂತಿ/ನಿಮಿಷ
20 ವಿನಂತಿ/ದಿನ
250,000 ಟೋಕನ್/ನಿಮಿಷ
~3M
ಹೌದುಹೌದು
GPT-5.6 LunaElectronHub1M$0.25/week shared recurring creditಹೌದುಹೌದು
Dots3 Note PreviewKilo Gateway, OpenRouter512K20 ವಿನಂತಿ/ನಿಮಿಷ
50 ವಿನಂತಿ/ದಿನ
50 req/day account-wide (1,000 after a $10 purchase)
ಹೌದುಹೌದು
DeepSeek V4 FlashAMD Radeon Cloud, BazaarLink, ElectronHub1M10 ವಿನಂತಿ/ನಿಮಿಷ
50 ವಿನಂತಿ/ದಿನ
Shared rate limit
ಹೌದುಇಲ್ಲ
Qwen3.8 27BElectronHub, Groq, OVH AI Endpoints262K30 ವಿನಂತಿ/ನಿಮಿಷ
250 ವಿನಂತಿ/ದಿನ
70,000 ಟೋಕನ್/ನಿಮಿಷ
~6M
ಹೌದುಹೌದು
Gemini 3.6 FlashGoogle AI Studio1M10 ವಿನಂತಿ/ನಿಮಿಷ
20 ವಿನಂತಿ/ದಿನ
250,000 ಟೋಕನ್/ನಿಮಿಷ
~3M
ಹೌದುಹೌದು
Qwen 3.8 27BCloudflare Workers AI262KShared 10k neurons/dayಹೌದುಹೌದು
Gemini 3.5 FlashGoogle AI Studio1M10 ವಿನಂತಿ/ನಿಮಿಷ
20 ವಿನಂತಿ/ದಿನ
250,000 ಟೋಕನ್/ನಿಮಿಷ
~3M
ಹೌದುಹೌದು

ಹೊಂದಾಣಿಕೆಯಾಗುವ 146 ಉಚಿತ ಮಾದರಿಗಳಲ್ಲಿ 15 ಅನ್ನು ತೋರಿಸಲಾಗುತ್ತಿದೆ. ಎಲ್ಲಾ ಮಾದರಿಗಳನ್ನು ನೋಡಿ.

FreeLLMAPI ಕ್ಯಾಟಲಾಗ್‌ನಿಂದ ನೇರ ಡೇಟಾ (ಆವೃತ್ತಿ 2026.11.19, 2026-11-19 ರಂದು ಪರಿಶೀಲಿಸಲಾಗಿದೆ). ಉಚಿತ ಮಿತಿಗಳು ಆಗಾಗ್ಗೆ ಬದಲಾಗುತ್ತವೆ. ಕ್ಯಾಟಲಾಗ್ ಪ್ರತಿದಿನ ಪರಿಶೀಲಿಸಲಾಗುತ್ತದೆ.

ಹಂತ 1: FreeLLMAPI ಸ್ಥಾಪಿಸಿ ಮತ್ತು ಕೀಗಳನ್ನು ಸೇರಿಸಿ

FreeLLMAPI ಮುಕ್ತ ಮೂಲ. ಇದು Docker ನಲ್ಲಿ ನಿಮ್ಮ ಕಂಪ್ಯೂಟರ್‌ನಲ್ಲಿ ಚಲಿಸುತ್ತದೆ. ನಿಮ್ಮ ಪೂರೈಕೆದಾರ ಕೀಗಳು ನಿಮ್ಮ ಕಂಪ್ಯೂಟರ್‌ನಲ್ಲಿಯೇ ಉಳಿಯುತ್ತವೆ.

ಸ್ಥಾಪಿಸಿ (macOS ಅಥವಾ Linux)

curl -fsSL https://freellmapi.co/install.sh | bash

http://localhost:3001 ನಲ್ಲಿ ಡ್ಯಾಶ್‌ಬೋರ್ಡ್ ತೆರೆಯಿರಿ. Keys ಪುಟದಲ್ಲಿ ಮೂರು ಅಥವಾ ಹೆಚ್ಚು ಪೂರೈಕೆದಾರರ ಕೀಗಳನ್ನು ಸೇರಿಸಿ. ಒಂದು ಟೂಲ್ ಲೂಪ್ ಒಂದು ಕಾರ್ಯಕ್ಕೆ ಹಲವು ವಿನಂತಿಗಳನ್ನು ಕಳುಹಿಸುತ್ತದೆ, ಆದ್ದರಿಂದ ಹೆಚ್ಚು ಕೀಗಳು ಹೆಚ್ಚು ಅವಕಾಶ ನೀಡುತ್ತವೆ. ಅದೇ ಪುಟದಿಂದ ನಿಮ್ಮ ಏಕೀಕೃತ ಕೀ ನಕಲಿಸಿ.

ಹಂತ 2: ಪೂರ್ಣ ಟೂಲ್ ಲೂಪ್ ಚಲಾಯಿಸಿ

curl: ಮೊದಲ ವಿನಂತಿ

curl http://localhost:3001/v1/chat/completions \
  -H "Authorization: Bearer <unified-key>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "auto",
    "messages": [{"role": "user", "content": "What is the weather in Karachi?"}],
    "tools": [{
      "type": "function",
      "function": {
        "name": "get_weather",
        "description": "Get the current weather for a city.",
        "parameters": {
          "type": "object",
          "properties": {"city": {"type": "string"}},
          "required": ["city"]
        }
      }
    }]
  }'

Python: ಮಾಡೆಲ್ ಅಂತಿಮ ಉತ್ತರ ನೀಡುವವರೆಗೆ ಲೂಪ್ ಮಾಡಿ

import json
from openai import OpenAI

client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")

def get_weather(city: str) -> dict:
    return {"city": city, "temp_c": 32, "condition": "sunny"}  # call a real API here

FUNCS = {"get_weather": get_weather}
tools = [{
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "Get the current weather for a city.",
        "parameters": {
            "type": "object",
            "properties": {"city": {"type": "string"}},
            "required": ["city"],
        },
    },
}]
messages = [{"role": "user", "content": "What is the weather in Karachi and Lahore?"}]

for _ in range(5):  # stop after 5 rounds
    msg = client.chat.completions.create(model="auto", messages=messages, tools=tools).choices[0].message
    if not msg.tool_calls:
        print(msg.content)
        break
    messages.append(msg)
    for call in msg.tool_calls:
        try:
            args = json.loads(call.function.arguments or "{}")
            result = FUNCS[call.function.name](**args)
        except Exception as exc:  # bad JSON, unknown tool or wrong arguments
            result = {"error": str(exc)}
        messages.append({"role": "tool", "tool_call_id": call.id, "content": json.dumps(result)})

ಟೂಲ್ ಕರೆ stream=True ಜೊತೆಯೂ ಕೆಲಸ ಮಾಡುತ್ತದೆ. ನೀವು delta.tool_calls ತುಣುಕುಗಳನ್ನು ಪಡೆಯುತ್ತೀರಿ, ನಂತರ finish_reason: "tool_calls" ಇರುವ ಅಂತಿಮ ತುಣುಕು. JSON ಅನ್ನು ಪಾರ್ಸ್ ಮಾಡುವ ಮೊದಲು ಆರ್ಗ್ಯುಮೆಂಟ್ ತುಣುಕುಗಳನ್ನು ಸೇರಿಸಿ.

ರಚನಾತ್ಮಕ ಡೇಟಾ ಪಡೆಯಲು ಟೂಲ್ ಬಳಸಿ

ನಿಗದಿತ ರೂಪದಲ್ಲಿ ಡೇಟಾ ಪಡೆಯಲು ಟೂಲ್ ಕರೆ ಒಳ್ಳೆಯ ಮಾರ್ಗ. ನಿಮಗೆ ಬೇಕಾದ ಕ್ಷೇತ್ರಗಳೇ ನಿಯತಾಂಕಗಳಾಗಿರುವ ಒಂದು ಟೂಲ್ ವ್ಯಾಖ್ಯಾನಿಸಿ. tool_choice ಅನ್ನು "required" ಗೆ ಹೊಂದಿಸಿ, ಆದ್ದರಿಂದ ಮಾಡೆಲ್ ಒಂದು ಟೂಲ್ ಕರೆಯಲೇಬೇಕು. ನಂತರ ಆರ್ಗ್ಯುಮೆಂಟ್‌ಗಳನ್ನು ಓದಿ. ನೀವು ಯಾವುದೇ ಫಂಕ್ಷನ್ ಚಲಾಯಿಸಬೇಕಾಗಿಲ್ಲ.

Python: ಅಗತ್ಯ ಟೂಲ್ ಕರೆಯೊಂದಿಗೆ ಕ್ಷೇತ್ರಗಳನ್ನು ಹೊರತೆಗೆಯಿರಿ

import json
from openai import OpenAI

client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")
schema = {
    "type": "function",
    "function": {
        "name": "save_contact",
        "description": "Save one contact found in the text.",
        "parameters": {
            "type": "object",
            "properties": {"name": {"type": "string"}, "email": {"type": "string"}},
            "required": ["name", "email"],
        },
    },
}
resp = client.chat.completions.create(
    model="auto",
    messages=[{"role": "user", "content": "Reach Sara Khan at [email protected]."}],
    tools=[schema],
    tool_choice="required",
)
print(json.loads(resp.choices[0].message.tool_calls[0].function.arguments))

ಆರ್ಗ್ಯುಮೆಂಟ್‌ಗಳನ್ನು ನಿಮ್ಮ ಸ್ವಂತ ಕೋಡ್‌ನೊಂದಿಗೆ ಮೌಲ್ಯೀಕರಿಸಿ. ಮಾಡೆಲ್ ಅಗತ್ಯ ಕ್ಷೇತ್ರವನ್ನು ಬಿಟ್ಟುಬಿಡಬಹುದು ಅಥವಾ ತಪ್ಪಾದ ಪ್ರಕಾರ ಕಳುಹಿಸಬಹುದು. ಪರಿಶೀಲನೆ ವಿಫಲವಾದರೆ, ದೋಷವನ್ನು ಮತ್ತೆ ಕಳುಹಿಸಿ ಮತ್ತೆ ಕೇಳಿ.

ಸುರಕ್ಷತೆ: ಪಾವತಿಗಳು, ಇಮೇಲ್‌ಗಳು ಅಥವಾ ಫೈಲ್ ಅಳಿಸುವಿಕೆಯಂತಹ ಅಡ್ಡ ಪರಿಣಾಮಗಳಿರುವ ಟೂಲ್ ಕರೆಗಳನ್ನು ಪರಿಶೀಲನೆ ಇಲ್ಲದೆ ಚಲಾಯಿಸಬೇಡಿ. ಈ ಕ್ರಿಯೆಗಳನ್ನು ಮೊದಲು ಬಳಕೆದಾರರಿಂದ ದೃಢೀಕರಿಸಿಕೊಳ್ಳಿ.

ಅಪಾಯಗಳು

  • ಆರ್ಗ್ಯುಮೆಂಟ್‌ಗಳು ಸ್ಟ್ರಿಂಗ್ ಆಗಿವೆ: function.arguments ಒಂದು JSON ಸ್ಟ್ರಿಂಗ್. ಅದನ್ನು ಪಾರ್ಸ್ ಮಾಡಿ, ಮತ್ತು ದೋಷಗಳನ್ನು ಹಿಡಿಯಿರಿ. ಚಿಕ್ಕ ಮಾಡೆಲ್‌ಗಳು ಕೆಲವೊಮ್ಮೆ ಮಾನ್ಯವಲ್ಲದ JSON ಕಳುಹಿಸುತ್ತವೆ.
  • ID ಗಳನ್ನು ಹೊಂದಿಸಿ: ಪ್ರತಿ ಟೂಲ್ ಸಂದೇಶಕ್ಕೆ ತನ್ನ ಕರೆಯ tool_call_id ಬೇಕು. tool_calls ಇರುವ ಅಸಿಸ್ಟೆಂಟ್ ಸಂದೇಶವನ್ನು ಟೂಲ್ ಸಂದೇಶಗಳ ಮೊದಲು ಸೇರಿಸಿ.
  • ಹಲವು ಕರೆಗಳು ಒಟ್ಟಿಗೆ: ಒಂದು ಉತ್ತರದಲ್ಲಿ ಮಾಡೆಲ್ ಒಂದಕ್ಕಿಂತ ಹೆಚ್ಚು ಟೂಲ್ ಕರೆ ಹಿಂತಿರುಗಿಸಬಹುದು. ಎಲ್ಲವನ್ನೂ ಚಲಾಯಿಸಿ, ನಂತರ ಎಲ್ಲಾ ಫಲಿತಾಂಶಗಳನ್ನು ಕಳುಹಿಸಿ.
  • ಟೋಕನ್ ವೆಚ್ಚ: ಪ್ರತಿ ಟೂಲ್ ವ್ಯಾಖ್ಯಾನವನ್ನು ಪ್ರತಿ ವಿನಂತಿಯೊಂದಿಗೆ ಕಳುಹಿಸಲಾಗುತ್ತದೆ. ಇಪ್ಪತ್ತು ದೊಡ್ಡ ಟೂಲ್‌ಗಳು ಸಾವಿರಾರು ಟೋಕನ್‌ಗಳನ್ನು ಬಳಸಬಹುದು ಮತ್ತು ಕಡಿಮೆ ನಿಮಿಷಕ್ಕೆ-ಟೋಕನ್ ಮಿತಿಯನ್ನು ಬೇಗ ತಲುಪಬಹುದು. ಕಾರ್ಯಕ್ಕೆ ಬೇಕಾದ ಟೂಲ್‌ಗಳನ್ನು ಮಾತ್ರ ಕಳುಹಿಸಿ.
  • ಸ್ಪಷ್ಟ ವಿವರಣೆಗಳು: ಮಾಡೆಲ್ ಟೂಲ್ ಅನ್ನು ಅದರ ಹೆಸರು ಮತ್ತು ವಿವರಣೆಯಿಂದ ಆಯ್ಕೆ ಮಾಡುತ್ತದೆ. ಟೂಲ್ ಏನು ಮಾಡುತ್ತದೆ ಮತ್ತು ಯಾವಾಗ ಬಳಸಬೇಕು ಎಂದು ಹೇಳುವ ಒಂದು ಚಿಕ್ಕ ವಾಕ್ಯ ಬರೆಯಿರಿ.
  • ಲೂಪ್ ನಿಲ್ಲಿಸಿ: ಗರಿಷ್ಠ ಸುತ್ತುಗಳ ಸಂಖ್ಯೆ ಹೊಂದಿಸಿ. ದುರ್ಬಲ ಮಾಡೆಲ್ ಅದೇ ಟೂಲ್ ಅನ್ನು ಪದೇ ಪದೇ ಕರೆಯಬಹುದು.
  • ಟೂಲ್ ಇಲ್ಲದ ಮಾಡೆಲ್‌ಗಳು: ಕೆಲವು ಉಚಿತ ಪೂರೈಕೆದಾರರು ಟೂಲ್‌ಗಳನ್ನು ಬೆಂಬಲಿಸುವುದಿಲ್ಲ. ಉದಾಹರಣೆಗೆ, AI Horde ಟೂಲ್‌ಗಳನ್ನು ತೆಗೆದು ಸರಳ ಚಾಟ್ ಆಗಿ ಉತ್ತರಿಸುತ್ತದೆ.
ಕಾರ್ಯದ ಸಮಯದಲ್ಲಿ ಅದೇ ಮಾಡೆಲ್: FreeLLMAPI ಒಂದು ಸಂಭಾಷಣೆಯನ್ನು 30 ನಿಮಿಷಗಳ ಕಾಲ ಒಂದು ಮಾಡೆಲ್‌ನಲ್ಲಿ ಇಡುತ್ತದೆ. ಟೂಲ್ ಲೂಪ್ ಸಾಮಾನ್ಯವಾಗಿ ಒಂದೇ ಮಾಡೆಲ್‌ನಲ್ಲಿ ಉಳಿಯುತ್ತದೆ. ಮಿತಿಯು ಬದಲಾವಣೆಯನ್ನು ಒತ್ತಾಯಿಸಿದರೆ, ಮುಂದಿನ ಮಾಡೆಲ್ ಟೂಲ್ ಫಲಿತಾಂಶಗಳು ಸೇರಿದಂತೆ ಸಂಪೂರ್ಣ ಸಂದೇಶ ಇತಿಹಾಸವನ್ನು ಪಡೆಯುತ್ತದೆ.

ದೋಷ ನಿವಾರಣೆ

ಸಮಸ್ಯೆಕಾರಣಪರಿಹಾರ
ಮಾಡೆಲ್ ಪಠ್ಯದಲ್ಲಿ ಉತ್ತರಿಸುತ್ತದೆ ಮತ್ತು ಯಾವುದೇ ಟೂಲ್ ಕರೆಯುವುದಿಲ್ಲಮಾಡೆಲ್ ಟೂಲ್‌ಗಳಲ್ಲಿ ದುರ್ಬಲವಾಗಿದೆ, ಅಥವಾ ವಿವರಣೆ ಸ್ಪಷ್ಟವಾಗಿಲ್ಲಕೋಷ್ಟಕದಿಂದ ಬಲಿಷ್ಠ ಮಾಡೆಲ್ ಪಿನ್ ಮಾಡಿ, ಅಥವಾ ಟೂಲ್ ವಿವರಣೆಯನ್ನು ಸುಧಾರಿಸಿ
ಆರ್ಗ್ಯುಮೆಂಟ್‌ಗಳ ಮೇಲೆ json.JSONDecodeErrorಮಾಡೆಲ್ ಮಾನ್ಯವಲ್ಲದ JSON ಕಳುಹಿಸಿದೆದೋಷವನ್ನು ಹಿಡಿದು ಟೂಲ್ ಫಲಿತಾಂಶವಾಗಿ ಮತ್ತೆ ಕಳುಹಿಸಿ, ಆದ್ದರಿಂದ ಮಾಡೆಲ್ ಮತ್ತೆ ಪ್ರಯತ್ನಿಸಬಹುದು
ಟೂಲ್ ಸಂದೇಶದ ಬಗ್ಗೆ ದೋಷ 400tool_call_id ಹೊಂದುವುದಿಲ್ಲ, ಅಥವಾ ಅಸಿಸ್ಟೆಂಟ್ ಸಂದೇಶ ಕಾಣೆಯಾಗಿದೆಮೊದಲು ಅಸಿಸ್ಟೆಂಟ್ ಸಂದೇಶ ಸೇರಿಸಿ, ನಂತರ ಪ್ರತಿ ಕರೆಗೆ ಒಂದು ಟೂಲ್ ಸಂದೇಶ
ಏಜೆಂಟ್ ಕಾರ್ಯದ ಸಮಯದಲ್ಲಿ ದೋಷ 429ಲೂಪ್ ಹಲವು ದೊಡ್ಡ ವಿನಂತಿಗಳನ್ನು ಕಳುಹಿಸುತ್ತದೆಹೆಚ್ಚಿನ ಪೂರೈಕೆದಾರ ಕೀಗಳನ್ನು ಸೇರಿಸಿ, ಮತ್ತು ಕಡಿಮೆ ಟೂಲ್‌ಗಳನ್ನು ಕಳುಹಿಸಿ
ಲೂಪ್ ನಿಲ್ಲುವುದಿಲ್ಲಮಾಡೆಲ್ ಅದೇ ಟೂಲ್ ಅನ್ನು ಮತ್ತೆ ಕರೆಯುತ್ತದೆಸುತ್ತಿನ ಮಿತಿ ಹೊಂದಿಸಿ, ಮತ್ತು ಸ್ಪಷ್ಟ ಫಲಿತಾಂಶಗಳನ್ನು ಹಿಂತಿರುಗಿಸಿ
ಇವೆಲ್ಲವನ್ನೂ ಒಂದೇ ಕೀ ಮೂಲಕ ಬಳಸಿ. FreeLLMAPI ಒಂದು ಮುಕ್ತ ಮೂಲದ, ಸ್ವಯಂ-ಹೋಸ್ಟ್ ಮಾಡಿದ ರೂಟರ್ ಆಗಿದೆ. ಇದು ಈ ಎಲ್ಲಾ ಉಚಿತ ಶ್ರೇಣಿಗಳನ್ನು ಒಂದೇ OpenAI-ಹೊಂದಾಣಿಕೆಯ ಎಂಡ್‌ಪಾಯಿಂಟ್ ಹಿಂದೆ ಇಡುತ್ತದೆ ಮತ್ತು ಒಂದು ಮಿತಿಗೆ ಒಳಪಟ್ಟಾಗ ಬದಲಾಯಿಸುತ್ತದೆ. ಕ್ಯಾಟಲಾಗ್ ನೋಡಿ ಅಥವಾ ಲೈವ್ ಆಗಿ.

ಪದೇ ಪದೇ ಕೇಳುವ ಪ್ರಶ್ನೆಗಳು

ಫಂಕ್ಷನ್ ಕರೆಯನ್ನು ಬೆಂಬಲಿಸುವ ಉಚಿತ LLM API ಗಳು ಯಾವವು?

Gemini, Groq, Cerebras, Mistral, OpenRouter, Cloudflare ಮತ್ತು ಇತರ ಪೂರೈಕೆದಾರರು ಟೂಲ್ ಕರೆ ಇರುವ ಉಚಿತ ಮಾಡೆಲ್‌ಗಳನ್ನು ಹೊಂದಿದ್ದಾರೆ. FreeLLMAPI ಕ್ಯಾಟಲಾಗ್‌ನಲ್ಲಿ ಇಂದು ಟೂಲ್‌ಗಳಿರುವ 190 ಉಚಿತ ಮಾಡೆಲ್ ಕೊಡುಗೆಗಳಿವೆ.

ಟೂಲ್ ಕರೆ ಫಂಕ್ಷನ್ ಕರೆಯಂತೆಯೇ?

ಹೌದು. OpenAI ಮೊದಲು ಫಂಕ್ಷನ್ ಕರೆ ಎಂಬ ಹೆಸರನ್ನು ಬಳಸಿತು. ಪ್ರಸ್ತುತ API tools ಮತ್ತು tool_calls ಬಳಸುತ್ತದೆ. ಎರಡೂ ಹೆಸರುಗಳ ಅರ್ಥ, ಮಾಡೆಲ್ ನಿಮ್ಮ ಕೋಡ್ ಒಂದು ಫಂಕ್ಷನ್ ಚಲಾಯಿಸಲು ಕೇಳುತ್ತದೆ.

Gemini ಟೂಲ್ ಕರೆ OpenAI ಫಾರ್ಮ್ಯಾಟ್‌ನೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆಯೇ?

ಹೌದು, FreeLLMAPI ಮೂಲಕ. ಗೇಟ್‌ವೇ OpenAI tools ಅನ್ನು Gemini functionDeclarations ಗೆ ಅನುವಾದಿಸುತ್ತದೆ ಮತ್ತು ಉತ್ತರವನ್ನು ಮತ್ತೆ OpenAI tool_calls ಗೆ ಅನುವಾದಿಸುತ್ತದೆ.

ಟೂಲ್ ಕರೆಗಳನ್ನು ಸ್ಟ್ರೀಮ್ ಮಾಡಬಹುದೇ?

ಹೌದು. stream=True ಜೊತೆ ನೀವು delta.tool_calls ತುಣುಕುಗಳನ್ನು ಮತ್ತು tool_calls ನ ಅಂತಿಮ finish_reason ಅನ್ನು ಪಡೆಯುತ್ತೀರಿ. ಪಾರ್ಸ್ ಮಾಡುವ ಮೊದಲು ಆರ್ಗ್ಯುಮೆಂಟ್ ತುಣುಕುಗಳನ್ನು ಸೇರಿಸಿ.

ಸಂಬಂಧಿತ ಮಾರ್ಗದರ್ಶಿಗಳು

ಮೂಲಗಳು

ಎಲ್ಲಾ ಮಾರ್ಗದರ್ಶಿಗಳು · ಎಲ್ಲಾ ಉಚಿತ ಮಾದರಿಗಳನ್ನು ನೋಡಿ