Как LLM вызывает функции:
схема, параметры, результат

import anthropic

client = anthropic.Anthropic()

tools = [
    {
        "name": "get_exchange_rate",
        # description — это инструкция для LLM, не документация для человека
        "description": (
            "Возвращает актуальный курс указанной валюты к российскому рублю (RUB). "
            "Используй этот инструмент когда пользователь спрашивает о курсах валют, "
            "конвертации денег или стоимости чего-либо в рублях."
        ),
        "input_schema": {
            "type": "object",
            "properties": {
                "currency": {
                    "type": "string",
                    "description": "Трёхбуквенный код валюты по стандарту ISO 4217: USD, EUR, GBP, JPY и т.д."
                }
            },
            "required": ["currency"]
        }
    }
]

# Передаём tools в каждый запрос
response = client.messages.create(
    model="claude-opus-4-6",
    max_tokens=1024,
    tools=tools,                                      # ← список инструментов
    messages=[{"role": "user", "content": "Какой сейчас курс евро?"}]
)

# Всегда проверяй stop_reason первым — не ищи блоки вслепую
if response.stop_reason == "tool_use":

    # Среди блоков контента находим все tool_use
    tool_use_blocks = [b for b in response.content if b.type == "tool_use"]

    for block in tool_use_blocks:
        print(f"Инструмент: {block.name}")    # "get_exchange_rate"
        print(f"Аргументы: {block.input}")    # {"currency": "EUR"}
        print(f"ID вызова: {block.id}")       # "toolu_01XqZ9K..." — нужен для ответа

import json

# Реальная функция — делает что угодно: HTTP-запросы, БД, вычисления, файлы
def get_exchange_rate(currency: str) -> dict:
    """Получаем актуальный курс через внешний API"""
    import httpx
    resp = httpx.get(f"https://api.exchangerate-api.com/v4/latest/{currency}")
    data = resp.json()
    return {"currency": currency, "rate_to_rub": data["rates"]["RUB"]}

# Роутер: по имени инструмента вызываем нужную функцию
TOOL_HANDLERS = {
    "get_exchange_rate": get_exchange_rate,
    # "search_web": search_web,
    # "write_to_db": write_to_db,
}

# Выполняем все запрошенные инструменты и собираем результаты
tool_results = []
for block in tool_use_blocks:
    handler = TOOL_HANDLERS.get(block.name)
    if handler is None:
        result = {"error": f"Инструмент не найден: {block.name}"}
    else:
        try:
            result = handler(**block.input)      # распаковываем аргументы
        except Exception as e:
            result = {"error": str(e)}           # ошибку тоже передаём модели

    tool_results.append({
        "type": "tool_result",
        "tool_use_id": block.id,                 # обязателен — связывает запрос и ответ
        "content": json.dumps(result, ensure_ascii=False)   # строка, не dict
    })

# Составляем историю: исходный запрос + ответ модели + результаты инструментов
messages = [
    {"role": "user",      "content": user_message},       # исходный вопрос
    {"role": "assistant", "content": response.content},   # ответ с tool_use
    {"role": "user",      "content": tool_results},       # наши результаты
]

# Второй запрос — модель получает результаты и формирует финальный ответ
final_response = client.messages.create(
    model="claude-opus-4-6",
    max_tokens=1024,
    tools=tools,          # инструменты передаём снова (API stateless)
    messages=messages
)

# Если stop_reason == "end_turn" — получаем текстовый ответ
print(final_response.content[0].text)
# → "Текущий курс евро составляет 100.1 рубля."

import json
import anthropic

client = anthropic.Anthropic()

# ── Инструменты ──────────────────────────────────────────────────────────
def get_exchange_rate(currency: str) -> dict:
    rates = {"USD": 92.4, "EUR": 100.1, "GBP": 117.3}
    if currency not in rates:
        return {"error": f"Неизвестная валюта: {currency}"}
    return {"currency": currency, "rate_to_rub": rates[currency]}

TOOLS = [
    {
        "name": "get_exchange_rate",
        "description": (
            "Возвращает актуальный курс валюты к рублю (RUB). "
            "Используй при любых вопросах о курсах валют и конвертации."
        ),
        "input_schema": {
            "type": "object",
            "properties": {
                "currency": {
                    "type": "string",
                    "description": "Трёхбуквенный код валюты: USD, EUR, GBP и т.д."
                }
            },
            "required": ["currency"]
        }
    }
]

TOOL_HANDLERS = {"get_exchange_rate": get_exchange_rate}

# ── Агент ────────────────────────────────────────────────────────────────
def run_agent(user_message: str, max_iterations: int = 5) -> str:
    messages = [{"role": "user", "content": user_message}]

    for _ in range(max_iterations):
        response = client.messages.create(
            model="claude-opus-4-6",
            max_tokens=1024,
            tools=TOOLS,
            messages=messages
        )

        # Финальный ответ — выходим из цикла
        if response.stop_reason == "end_turn":
            return response.content[0].text

        # Модель хочет вызвать инструменты
        if response.stop_reason == "tool_use":
            tool_results = []
            for block in response.content:
                if block.type != "tool_use":
                    continue
                handler = TOOL_HANDLERS.get(block.name)
                if handler:
                    try:
                        result = handler(**block.input)
                    except Exception as e:
                        result = {"error": str(e)}
                else:
                    result = {"error": f"Инструмент не найден: {block.name}"}

                tool_results.append({
                    "type": "tool_result",
                    "tool_use_id": block.id,
                    "content": json.dumps(result, ensure_ascii=False)
                })

            # Добавляем ответ модели и результаты в историю
            messages.append({"role": "assistant", "content": response.content})
            messages.append({"role": "user",      "content": tool_results})
            continue  # следующая итерация — второй запрос к API

        # Неожиданный stop_reason
        raise RuntimeError(f"Неожиданный stop_reason: {response.stop_reason}")

    raise RuntimeError("Превышен лимит итераций агента")


# Запускаем
print(run_agent("Какой сейчас курс евро?"))
# → "Текущий курс евро составляет 100.1 рубля."

match response.stop_reason:
    case "end_turn":
        return response.content[0].text         # финальный ответ
    case "tool_use":
        handle_tool_calls(response, messages)   # выполнить инструменты
    case "max_tokens":
        raise RuntimeError("Ответ обрезан, увеличь max_tokens")
    case _:
        raise RuntimeError(f"stop_reason={response.stop_reason}")