--- title: "Appel de fonctions avec des modèles ouverts · compatible OpenAI" description: "Laissez des modèles ouverts appeler vos fonctions et vos API grâce à l'appel d'outils compatible OpenAI. Définir les outils, gérer la boucle, dans l'UE." canonical: "https://inference.eu/fr/api/tool-calling/" language: "fr" --- Guides · Tool calling # Appel d'outils : laissez les modèles ouverts appeler vos fonctions L'appel d'outils, ou function calling, permet à un modèle de demander à votre code ce qu'il ne sait pas faire seul : consulter une commande, interroger une base de données, envoyer un e-mail ou appeler une autre API. Vous décrivez les outils, le modèle décide quand s'en servir et avec quels arguments, et votre code les exécute. C'est le socle de tout agent, aux formats OpenAI comme Anthropic. [Contacter l'équipe](https://inference.eu/fr/contact/)[Exemple de requête](#example) 1. 01Format d'API: OpenAI et Anthropic 2. 02Centres de données dans l'UE 3. 03Couvert par un seul DPA tools.py ``` import json, os from openai import OpenAI client = OpenAI(base_url="https://api.inference.eu/v1", api_key=os.environ["INFERENCE_EU_API_KEY"]) def get_order_status(order_id: str) -> dict: return {"order_id": order_id, "status": "shipped", "carrier": "DHL", "eta": "2026-11-05"} tools = [{ "type": "function", "function": { "name": "get_order_status", "description": "Look up the shipping status of a customer order by its id.", "parameters": { "type": "object", "properties": {"order_id": {"type": "string", "description": "Order id, e.g. A-10293"}}, "required": ["order_id"], }, }, }] messages = [{"role": "user", "content": "Where is my order A-10293?"}] reply = client.chat.completions.create(model="gpt-oss-120b", messages=messages, tools=tools) msg = reply.choices[0].message if msg.tool_calls: messages.append(msg) for call in msg.tool_calls: result = get_order_status(**json.loads(call.function.arguments)) messages.append({"role": "tool", "tool_call_id": call.id, "content": json.dumps(result)}) reply = client.chat.completions.create(model="gpt-oss-120b", messages=messages, tools=tools) print(reply.choices[0].message.content) ``` ## Comment fonctionne l'appel d'outils Vous joignez à la requête un tableau `tools`. Chaque outil a `type: "function"` et un objet `function` avec `name`, `description` et `parameters` en JSON Schema. Le modèle les lit en même temps que la conversation. S'il juge un outil nécessaire, il ne répond pas par du texte : il renvoie `message.tool_calls`, chacun avec un `id`, le nom de la fonction et des `arguments` sous forme de chaîne JSON, et `finish_reason` vaut `tool_calls`. Le modèle n'exécute rien. Votre code analyse les arguments, appelle la vraie fonction et renvoie le résultat dans un message `role: "tool"` avec le `tool_call_id` correspondant. Le modèle s'en sert pour répondre, ou demande un autre outil. ## Contrôler l'usage des outils `tool_choice` encadre la décision. `auto`, par défaut, laisse le modèle choisir entre répondre et appeler un outil. `required` impose au moins un appel, utile pour les étapes d'extraction. `none` désactive les outils pour un tour, et désigner une fonction précise force celle-ci. Avec `parallel_tool_calls: false`, le modèle se limite à un appel par tour, si vos outils doivent s'enchaîner dans l'ordre. La qualité des descriptions compte plus que tout. Dites ce que fait l'outil, quand l'utiliser et ce que signifie chaque paramètre, avec un exemple de valeur. Limitez le nombre d'outils par requête : un modèle qui choisit parmi quelques outils clairs se trompe moins que face à cinquante. ## La boucle d'agent en pratique Les vraies tâches demandent souvent plusieurs tours : chercher, récupérer les détails, puis agir. Mettez en place une boucle. Envoyez la requête ; si la réponse contient des appels d'outils, exécutez-les, ajoutez le message de l'assistant et chaque résultat, puis renvoyez. Arrêtez quand le modèle répond en texte ou après un nombre maximal de tours que vous fixez. Validez les arguments avant d'agir, car le modèle peut fournir un mauvais identifiant ou oublier un champ. Soyez prudent avec les outils qui modifient quelque chose, comme les paiements ou les e-mails : demandez une confirmation humaine ou limitez-les à des valeurs sûres. Renvoyez les erreurs d'outil comme résultats explicites pour que le modèle puisse se corriger. ## Formats, modèles et cas particuliers Les mêmes outils fonctionnent avec l'API Responses, où appels de fonctions et sorties sont des éléments typés, et avec le format Messages d'Anthropic, où les outils utilisent `input_schema` et les appels reviennent sous forme de blocs `tool_use` auxquels vous répondez par `tool_result`. Choisissez le format de votre framework. Tous les modèles ne se valent pas pour l'usage d'outils. Les grands modèles d'instruction comme `gpt-oss-120b` gèrent bien les boucles en plusieurs étapes ; les petits modèles peuvent oublier un appel ou inventer des arguments. Si `arguments` n'est pas un JSON valide, renvoyez une erreur et laissez le modèle réessayer, ou utilisez des schémas `strict`. Les définitions d'outils comptent en tokens d'entrée à chaque requête. ## Tool calling Catégorie Guides Format d'API OpenAI et Anthropic Base URL api.inference.eu/v1 Traitement Centres de données dans l'UE Entraînement sur vos données Jamais ## Tool calling : questions fréquentes Les questions que nous posent le plus les achats, les développeurs et les juristes. Il en manque une ? Posez-la-nous directement. Oui. La plupart des modèles ouverts d'instruction récents, dont \`gpt-oss-120b\`, sont entraînés à l'usage d'outils, et l'API inference.eu l'expose aux formats standard d'OpenAI et d'Anthropic. Chaque page modèle indique si l'appel d'outils est pris en charge. La qualité varie : testez vos propres outils avant de choisir. Oui. \`tools\`, \`tool\_choice\`, \`parallel\_tool\_calls\`, \`message.tool\_calls\` et les messages \`role: "tool"\` fonctionnent exactement comme dans l'API chat completions d'OpenAI. Les frameworks qui s'appuient dessus, comme LangChain, LlamaIndex, le Vercel AI SDK et l'OpenAI Agents SDK, fonctionnent sans modification. Non. Le modèle renvoie seulement le nom de la fonction et ses arguments. C'est votre code qui décide de l'exécuter, l'exécute et renvoie le résultat. Vous gardez ainsi la maîtrise complète de ce qui se passe et des données qui sortent de vos systèmes. Réglez \`tool\_choice\` sur \`required\` pour imposer un appel quelconque, ou sur \`{"type": "function", "function": {"name": "get\_order\_status"}}\` pour imposer un outil précis. Utilisez \`none\` pour empêcher tout appel lors d'un tour où vous voulez seulement du texte. Oui. Une même réponse peut contenir plusieurs entrées dans \`tool\_calls\`, par exemple pour consulter trois commandes en parallèle. Exécutez-les, éventuellement en même temps, et ajoutez un message \`tool\` par appel avec le \`tool\_call\_id\` correspondant. Passez \`parallel\_tool\_calls\` à \`false\` si les appels doivent se suivre. Analysez \`arguments\` avec un parseur JSON et validez-le contre votre schéma. En cas d'échec, renvoyez un message \`tool\` qui explique le problème, par exemple un champ manquant, et laissez le modèle réessayer. \`strict: true\` dans la définition de la fonction rend les arguments plus fidèles au schéma. Avec l'appel d'outils, vous définissez chaque fonction et l'exécutez dans votre propre code. Avec MCP, les outils se trouvent sur un serveur MCP, et l'API peut appeler ce serveur pour vous si vous l'ajoutez à une requête Responses. Les deux se combinent dans une même requête. Oui. Dans \`/v1/messages\`, déclarez les outils avec \`name\`, \`description\` et \`input\_schema\`. Le modèle répond par des blocs \`tool\_use\` et \`stop\_reason: "tool\_use"\`, et vous répondez par des blocs \`tool\_result\`. Les agents de code conçus pour Anthropic utilisent exactement cette boucle. [Poser une question](https://inference.eu/fr/contact/) ## Pages liées [Présentation de l'API](https://inference.eu/fr/api/) - [Structured outputsObtenez des modèles ouverts un JSON valide conforme à votre schéma grâce aux sorties structurées compatibles OpenAI. Mode JSON, json\_schema, strict, pièges.Guides](https://inference.eu/fr/api/structured-outputs/) - [Remote MCP serversConnectez des serveurs MCP distants à vos requêtes avec l'outil mcp de l'API Responses. L'API liste et appelle leurs outils pour vous, dans l'UE.Outils](https://inference.eu/fr/api/mcp/) - [StreamingRecevez les tokens des modèles ouverts au fil de la génération, en server-sent events aux formats OpenAI et Anthropic. Exemples, fragments et erreurs.Guides](https://inference.eu/fr/api/streaming/) - [ResponsesUtilisez le format de l'API Responses d'OpenAI avec des modèles open-weight sur inference.eu. Sorties typées, outils intégrés, traitement dans l'UE.Endpoints](https://inference.eu/fr/api/responses/) ## Faites passer vos charges IA sur une infrastructure européenne Dites-nous quels modèles vous utilisez et votre volume approximatif. Nous répondons sous un jour ouvré avec un tarif et la suite. - Réponse sous un jour ouvré - Tarif adapté à votre volume - DPA prêt à signer