0Pricing
AI Agents · Leçon

Appels de fonctions avec des modèles ouverts (Hermes, Functionary)

La plupart des modèles ouverts de base gèrent mal les appels d’outils ; Hermes et Functionary sont spécialement ajustés pour cela.

Appels de fonctions avec des modèles ouverts (Hermes, Functionary) est une leçon AI Agents gratuite sur CoddyKit. Ceci est la leçon 3 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage AI Agents, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours AI Agents comprend 4 leçons au total.

Les modèles de base n'appellent pas les outils de manière fiable

Les modèles de base Vanilla Llama, Mistral ou Qwen peuvent être invités à « renvoyer du JSON comme {...} », mais produisent souvent une sortie mal formée, omettent des arguments ou inventent des outils.

Les réglages fins pour l'appel de fonctions résolvent ce problème.

Famille Hermes

Les modèles Hermes de NousResearch font partie des meilleurs modèles réglés finement pour l'appel de fonctions :

  • Hermes 3 Llama 3.1 8B / 70B
  • Grande précision dans les appels d'outils
  • Licence permissive de type Apache

Functionary

Les modèles Functionary de MeetKai sont explicitement entraînés pour les appels de fonctions compatibles avec OpenAI :

  • Functionary v3, basé sur Llama 3.1
  • Prend en charge les appels d'outils parallèles
  • Disponible sur HuggingFace et Together AI

Utilisation native des outils avec Llama 3.1+

Les variantes Instruct récentes de Llama 3.1, Llama 3.3 et Llama 4 intègrent des capacités d'appel d'outils. Elles suffisent pour de nombreuses tâches ; pour les cas difficiles, utilisez Hermes / Functionary.

Utilisation des outils avec Qwen 2.5

Qwen 2.5 offre de solides capacités natives d'appel d'outils, comparables à celles des modèles propriétaires. C'est souvent le choix par défaut pour les agents multilingues auto-hébergés.

Appeler des modèles ouverts compatibles avec les outils

Tout serveur compatible avec OpenAI (Ollama, vLLM, Together AI) accepte le même paramètre tools :

from openai import OpenAI
client = OpenAI(base_url='http://localhost:11434/v1', api_key='ollama')

tools = [{'type': 'function', 'function': {
    'name': 'get_weather',
    'description': 'Current weather',
    'parameters': {'type': 'object', 'properties': {'city': {'type': 'string'}}, 'required': ['city']}
}}]

response = client.chat.completions.create(
    model='hermes3:8b',
    messages=[{'role': 'user', 'content': 'Weather in Paris?'}],
    tools=tools
)

Validez soigneusement les sorties

Les appels d'outils des modèles ouverts échouent plus souvent que ceux des modèles propriétaires. Faites toujours ceci :

  • Analysez le JSON dans un bloc try/except
  • Validez avec Pydantic
  • Ajoutez une boucle de réparation

Forcer les appels d'outils avec Outlines

Pour garantir une sortie structurée avec des modèles ouverts, utilisez Outlines pour un décodage contraint par une grammaire :

import outlines
model = outlines.models.transformers('meta-llama/Llama-3.1-8B-Instruct')
generator = outlines.generate.json(model, ToolCall)
result = generator(prompt)

Utilisation des outils avec Hugging Face TGI

TGI prend en charge l'utilisation des outils à la manière d'OpenAI pour de nombreux modèles ouverts : c'est un remplacement direct.

Évaluer la qualité de l'utilisation des outils

Les appels d'outils sont évalués avec :

  • Berkeley Function Calling Leaderboard (BFCL) : classement de référence
  • ToolBench : couverture plus étendue
  • API-Bank : scénarios avec plusieurs outils

Pile par défaut raisonnable

Voici la combinaison que la plupart des équipes finissent par adopter :

  • Llama 3.1 8B Instruct pour les tâches générales d'agent
  • Qwen 2.5 Coder pour les agents de programmation
  • Hermes 3 pour les agents utilisant beaucoup d'outils
  • Outlines ou Instructor pour garantir les sorties structurées

Exécuter via un fournisseur hébergé

Sans infrastructure : Together AI, Fireworks et Anyscale hébergent Hermes, Functionary, Llama et Qwen avec des API compatibles avec OpenAI. Le coût est inférieur à celui d'OpenAI pour une qualité comparable.

Exemple de comparaison des coûts

Coût approximatif par million de jetons, à la mi-2025 :

  • GPT-4o : 2,50 $ en entrée, 10 $ en sortie
  • Llama 3.1 70B (Together AI) : 0,88 $ en entrée, 0,88 $ en sortie
  • Llama 8B auto-hébergé : 0 $, hors coût de votre électricité

Pourquoi utiliser des réglages fins pour l'appel de fonctions ?

Pourquoi utiliser Hermes ou Functionary plutôt que Llama de base pour appeler des outils ?

Récapitulatif

Les versions récentes de Llama / Qwen offrent une utilisation native des outils convenable. Pour une plus grande fiabilité, utilisez Hermes ou Functionary. Combinez-les avec Outlines/Instructor pour garantir la structure.

Questions Fréquemment Posées

La leçon « Appels de fonctions avec des modèles ouverts (Hermes, Functionary) » est-elle gratuite ?

Oui — le texte complet de « Appels de fonctions avec des modèles ouverts (Hermes, Functionary) » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours AI Agents, passe à CoddyKit PRO. Le cours AI Agents comprend 4 leçons au total.

Qu'est-ce que j'apprendrai dans « Appels de fonctions avec des modèles ouverts (Hermes, Functionary) » ?

La plupart des modèles ouverts de base gèrent mal les appels d’outils ; Hermes et Functionary sont spécialement ajustés pour cela. Tu pratiques AI Agents avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.

Dois-je avoir de l'expérience pour commencer AI Agents ?

Aucune expérience préalable n'est requise. AI Agents sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 3 sur 4.

Combien de temps prend la leçon « Appels de fonctions avec des modèles ouverts (Hermes, Functionary) » ?

La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.

Peux-tu écrire et exécuter du code dans cette leçon AI Agents ?

Oui. Chaque leçon AI Agents inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.

Toutes les leçons de ce cours

  1. Présentation de Llama, Mistral et Qwen
  2. Exécuter des modèles locaux avec Ollama et llama.cpp
  3. Appels de fonctions avec des modèles ouverts (Hermes, Functionary)
  4. Compromis : latence, coût et capacités
← Retour à AI Agents