---
title: "استدعاء الأدوات (Function Calling) مع النماذج المفتوحة"
description: "استدعاء الدوال على نماذج مفتوحة متوافقة مع OpenAI: نصائح للمخططات، والاستدعاءات المتوازية، وخمس طرق يفشل بها الاستدعاء، وحلقة Python تتحقق وتعيد المحاولة."
url: https://broadrouter.com/ar/blog/tool-calling-open-models/
lang: ar
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

تُرجمت هذه الصفحة من الإنجليزية بمساعدة الذكاء الاصطناعي. [اقرأ الأصل الإنجليزي](https://broadrouter.com/blog/tool-calling-open-models/) (حُدّث في 2026-11-16).

# استدعاء الأدوات في النماذج المفتوحة: المخططات والتوازي والإعادة

بقلم فريق BroadNet Inference · قراءة في 4 دقائق · تاريخ النشر 2026-11-14 · آخر تحديث 2026-11-16

تستخدم النماذج المفتوحة على واجهات API المتوافقة مع OpenAI صيغة tools وtool\_calls نفسها التي تستخدمها OpenAI. اجعل المخططات صغيرة ومسطّحة، وحلّل الوسائط بوصفها سلاسل JSON، وتحقّق منها قبل تشغيل أي شيء، وأعد الأخطاء إلى النموذج بوصفها نتائج أدوات ليعيد المحاولة. وضع حدًا للخطوات. وعلى BroadNet يُذكر دعم الأدوات لـ GLM 5.3 وQwen3.8 27B.

## أبرز النقاط

-   صيغة الطلب والرد مطابقة لصيغة OpenAI: قائمة tools في الطلب، وtool\_calls في الرد، ثم رسالة بدور tool لكل tool\_call\_id.
-   تصل الوسائط سلسلةَ JSON. وتحذّر وثائق vLLM من أنه حين يستخرج استدعاءات الأدوات من النص الخام فإنها "may occasionally be malformed or violate the function's parameter schema" (الترجمة: «قد تكون أحيانًا مشوّهة أو مخالفة لمخطط معاملات الدالة»).
-   تحقّق من كل استدعاء، وأعد الأخطاء بوصفها نتائج أدوات، وضع حدًا لمحاولات الإعادة ولإجمالي الخطوات.
-   الأدوات الأقل عددًا والأكثر تسطيحًا تعمل أفضل. وتقترح OpenAI أقل من 20 دالة في بداية كل دور.
-   على BroadNet Inference استخدم GLM 5.3 أو Qwen3.8 27B لاستدعاء الأدوات؛ واختبر DeepSeek V4.1 Flash قبل الاعتماد عليه.

**في هذه الصفحة**

1.  كيف يعمل استدعاء الأدوات على واجهة API متوافقة مع OpenAI؟
2.  كيف تكتب مخططات الأدوات؟
3.  وماذا عن الاستدعاءات المتوازية للأدوات؟
4.  لماذا تفشل استدعاءات الأدوات؟
5.  حلقة أدوات تتحقق وتعيد المحاولة
6.  أي نماذج BroadNet تدعم استدعاء الأدوات؟
7.  أين تقع BroadNet Inference من هذا؟

[استدعاء الأدوات](https://broadrouter.com/ar/glossary/tool-calling/) هو ما يحوّل النموذج إلى وكيل. ومع النماذج المفتوحة على [واجهة API متوافقة مع OpenAI](https://broadrouter.com/ar/glossary/openai-compatible-api/)، صيغة الطلب هي نفسها التي تستخدمها مع OpenAI. أما الفرق فهو عدد مرات حدوث الأخطاء وما يفعله الخادم لمنعها. يشرح هذا المقال الصيغة، وكيف تكتب مخططات تتعامل معها النماذج المفتوحة جيدًا، والاستدعاءات المتوازية، وحالات الفشل الخمس التي ستراها فعلًا، وحلقة Python تصمد أمامها.

## كيف يعمل استدعاء الأدوات على واجهة API متوافقة مع OpenAI؟

1.  ترسل `messages` مع قائمة `tools`. لكل أداة اسم ووصف ومخطط JSON Schema لوسائطها.
2.  يرد النموذج بـ `finish_reason: "tool_calls"` وقائمة `tool_calls`. ولكل عنصر فيها `id` واسم دالة و`arguments` بوصفها **سلسلة JSON**.
3.  تشغّل شيفرتك كل استدعاء وتضيف رسالة `role: "tool"` واحدة لكل استدعاء، مع `tool_call_id` المطابق.
4.  تستدعي الواجهة مجددًا. فيجيب النموذج أو يطلب أدوات أخرى.

النموذج لا يشغّل أي شيء بنفسه. شيفرتك هي التي تقرّر ما يُنفَّذ.

## كيف تكتب مخططات الأدوات؟

تتبع النماذج المفتوحة المخططات البسيطة بموثوقية أكبر. وهذه القواعد مأخوذة من دليل OpenAI ومما يميل إلى التعطّل:

-   **سمِّ الأدوات بالفعل الذي تؤديه**، مثل `read_file` أو `search_code`، وقل في الوصف _متى_ تُستخدم كل منها.
-   **أبقِ القائمة قصيرة.** يصف دليل OpenAI عدد أقل من 20 دالة في بداية الدور بأنه اقتراح مرن. وكل مخطط يُرسل أيضًا مع كل استدعاء؛ راجع [ميزانية رموز الوكيل](https://broadrouter.com/ar/blog/agent-token-budget/).
-   **فضّل الوسائط المسطّحة.** سلاسل وأرقام وقيم منطقية وقوائم تعداد (enum). وتجنّب التداخل العميق والكائنات حرة الشكل.
-   **استخدم enum** للخيارات الثابتة، حتى لا يخترع النموذج قيمة. و[مولّد مخطط JSON](https://broadrouter.com/tools/json-schema-generator/) يحوّل كائن وسائط نموذجيًا إلى مخطط مسطّح تلصقه في `parameters`.
-   **حدّد الحقول الإلزامية.** يتطلب الوضع الصارم في OpenAI القيمة `additionalProperties: false` ووضع كل حقل في `required`، مع `null` نوعًا للحقول الاختيارية. ويتفاوت المزوّدون في فرض `strict`، فتحقّق على أي حال.

## وماذا عن الاستدعاءات المتوازية للأدوات؟

قد يُعيد النموذج عدة عناصر في `tool_calls` في دور واحد، كثلاث عمليات قراءة لملفات مثلًا. شغّل الاستدعاءات المستقلة بالتوازي وأعد نتيجة واحدة لكل `tool_call_id`، بأي ترتيب. وإن كانت لأدواتك آثار جانبية يعتمد بعضها على بعض، فاضبط `parallel_tool_calls: false`؛ إذ يقول دليل OpenAI إن ذلك يقصر النموذج على استدعاء واحد أو لا شيء في كل دور. واختبر أن مزوّدك يحترم ذلك.

## لماذا تفشل استدعاءات الأدوات؟

| الفشل | ما تراه | الحل |
| --- | --- | --- |
| وسائط مشوّهة | `json.loads` يطلق استثناءً | أعد خطأ التحليل بوصفه نتيجة أداة؛ وأعد المحاولة |
| عدم تطابق المخطط | حقل ناقص، أو نوع خاطئ، أو قيمة enum مخترعة | تحقّق؛ وأعد خطأ التحقق |
| أداة مجهولة | اسم لم تعرّفه قط | أعد “unknown tool, available: …” |
| لا استدعاء حين يلزم | إجابة نصية بدلًا منه | `tool_choice: "required"` أو دالة مسمّاة |
| استدعاء مقطوع | `finish_reason: "length"` | ارفع `max_tokens`؛ فالاستدلال المنطقي يشاركه |

الحالتان الأوليان متوقعتان لا نادرتان. تقول وثائق استدعاء الأدوات في vLLM إنه في وضع `auto`، ما لم تضبط الأداة `strict: true` (أو يفرض الخادم حدًا أدنى من الصرامة) ويدعم محلّل النموذج القيود، فإن “vLLM extracts tool calls from raw text, so arguments may occasionally be malformed or violate the function’s parameter schema.” (الترجمة: «يستخرج vLLM استدعاءات الأدوات من النص الخام، لذا قد تكون الوسائط أحيانًا مشوّهة أو مخالفة لمخطط معاملات الدالة»). أما الدالة المسمّاة فتستخدم الواجهة الخلفية للمخرجات المهيكلة في vLLM. وقد يقدّم مزوّدك النماذج بطريقة مختلفة، فاعتبر التحقق إلزاميًا.

والصف الأخير يوقع من يستخدمون [نماذج الاستدلال المنطقي](https://broadrouter.com/ar/glossary/reasoning-tokens/). فـ GLM 5.3 وQwen3.8 27B يفكّران قبل الإجابة، والتفكير يُحتسب ضمن [`max_tokens`](https://broadrouter.com/ar/glossary/max-tokens/). ويشرح [لماذا تعود الردود فارغة أو مقطوعة](https://broadrouter.com/ar/guides/reasoning-tokens-empty-response/) مقدار المساحة التي ينبغي تركها.

## حلقة أدوات تتحقق وتعيد المحاولة

```python
import json, os
from openai import OpenAI
from jsonschema import validate, ValidationError

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"], max_retries=4)
MODEL = "broadnet/glm-5.3"

TOOLS = [{"type": "function", "function": {
    "name": "get_order_status",
    "description": "Look up one order by its ID. Use when the user asks where an order is.",
    "parameters": {"type": "object",
                   "properties": {"order_id": {"type": "string"}},
                   "required": ["order_id"], "additionalProperties": False}}}]
SCHEMAS = {t["function"]["name"]: t["function"]["parameters"] for t in TOOLS}
IMPL = {"get_order_status": lambda order_id: f"Order {order_id}: shipped"}

def run_call(call):
    name = call.function.name
    if name not in IMPL:
        return f"Error: unknown tool {name}. Available: {', '.join(IMPL)}"
    try:
        args = json.loads(call.function.arguments or "{}")
        validate(args, SCHEMAS[name])
    except (json.JSONDecodeError, ValidationError) as e:
        return f"Error: invalid arguments ({e}). Send the call again with valid JSON."
    return str(IMPL[name](**args))

def agent(messages, max_steps=8):
    for _ in range(max_steps):
        r = client.chat.completions.create(model=MODEL, messages=messages,
                                           tools=TOOLS, max_tokens=4000)
        msg = r.choices[0].message
        if r.choices[0].finish_reason == "length":
            raise RuntimeError("Output limit reached; raise max_tokens")
        messages.append(msg.model_dump(exclude_none=True))
        if not msg.tool_calls:
            return msg.content
        for call in msg.tool_calls:
            messages.append({"role": "tool", "tool_call_id": call.id,
                             "content": run_call(call)})
    raise RuntimeError("Step limit reached")
```

ثلاثة قرارات تصميمية مهمة هنا:

1.  **الأخطاء تعود إلى النموذج بوصفها نتائج أدوات.** فيرى النموذج ما كان خاطئًا ويصلحه عادةً في الدور التالي. أما إطلاق استثناء فيُضيّع هذه الفرصة.
2.  **الحلقة محدودة.** فالقيمة `max_steps` توقف نموذجًا يواصل استدعاء الأدوات دون تقدّم.
3.  **إعادة المحاولة على مستوى الاتصال منفصلة.** فالقيمة `max_retries` في العميل تعالج 429 و5xx، والوسائط الخاطئة تُعالج في الحلقة. لا تخلط بينهما؛ راجع [الأخطاء وإعادة المحاولة](https://broadrouter.com/ar/guides/errors-and-retries/).

وللأدوات ذات الآثار الجانبية، كإرسال بريد إلكتروني، أضف مفتاح منع التكرار (idempotency key) حتى لا تنفّذ الخطوة المعادة الفعل مرتين. ويغطي مقال [الوكلاء طويلو التشغيل](https://broadrouter.com/ar/blog/long-running-agents-timeouts-retries/) هذا الموضوع.

## أي نماذج BroadNet تدعم استدعاء الأدوات؟

| النموذج | الأدوات مذكورة | السياق | ملاحظات |
| --- | --- | --- | --- |
| [GLM 5.3](https://broadrouter.com/ar/models/glm-5.3/) | نعم | 1,048,576 | ويدعم المخرجات المهيكلة أيضًا |
| [Qwen3.8 27B](https://broadrouter.com/ar/models/qwen3.8-27b/) | نعم | 262,144 | ويدعم إدخال الصور أيضًا |
| [DeepSeek V4.1 Flash](https://broadrouter.com/ar/models/deepseek-v4.1-flash/) | غير مذكورة | 1,048,576 | يقبل الصور مُدخلًا؛ اختبر الأدوات قبل الاعتماد عليها |
| [Gemma 4 VL 26B](https://broadrouter.com/ar/models/gemma-4-vl-26b/) | غير مذكورة | 32,768 | لا يصلح لحلقات الأدوات |

وللاختيار بين النموذجين الداعمين للأدوات، راجع [GLM 5.3 مقابل Qwen3.8 27B](https://broadrouter.com/compare/glm-5.3-vs-qwen3.8-27b/). وحين يجب أن تطابق الإجابة النهائية شكلًا محددًا دون حاجة إلى تشغيل أي دالة، فإن [المخرجات المهيكلة](https://broadrouter.com/ar/blog/structured-output-json-schema/) أبسط من الأداة.

## أين تقع BroadNet Inference من هذا؟

تقدّم BroadNet Inference النموذجين GLM 5.3 وQwen3.8 27B مع ذكر دعم استدعاء الأدوات، عبر صيغة chat-completions القياسية، فتعمل الحلقة أعلاه دون تعديل مع [OpenAI Python SDK](https://broadrouter.com/ar/guides/openai-python-sdk/). والأسعار لكل رمز موجودة في [صفحة الأسعار](https://broadrouter.com/ar/pricing/). ولا تستضيف أدوات على جانب الخادم مثل البحث في الويب أو تنفيذ الشيفرة، ولا تذكر وثائقها استدعاء الأدوات لـ DeepSeek V4.1 Flash، وهو النموذج المتاح في الخطط غير المحدودة. وللوكيل الذي يعتمد على الأدوات بكثافة، استخدم GLM 5.3 أو Qwen3.8 27B بالدفع لكل رمز. وإن أردت الخطة الثابتة رغم ذلك، فتحقق بساعة من خطة الشهاب (Meteor) بسعر $1 من أن DeepSeek V4.1 Flash يستدعي أدواتك بموثوقية قبل شراء شهر.

أدوات مجانية لهذا الموضوع (بالإنجليزية)

-   [OpenAI to BroadNet migration helper](https://broadrouter.com/tools/openai-to-broadnet-migration/) Paste OpenAI SDK code; get base URL, key and model edits, a diff and the checks that remain.
-   [max\_tokens calculator for reasoning models](https://broadrouter.com/tools/reasoning-token-budget/) Answer length + reasoning budget + margin = a max\_tokens that does not cut the answer off.
-   [JSON schema generator for LLM structured output](https://broadrouter.com/tools/json-schema-generator/) Sample JSON to strict schema, Pydantic, Zod and a ready request.
-   [LLM JSON output validator](https://broadrouter.com/tools/llm-json-output-validator/) Parse errors by line and column, safe repairs, cut-off detection and JSON Schema checks for model output.

[أدوات مجانية (بالإنجليزية)](https://broadrouter.com/tools/)

## مصطلحات في هذا المقال

[استدعاء الأدوات (Tool calling)](https://broadrouter.com/ar/glossary/tool-calling/)

استدعاء الأدوات، ويُسمّى أيضًا استدعاء الدوال (function calling)، ميزة في واجهات LLM API يُرجع فيها النموذج طلبًا منظَّمًا لتشغيل دالة عرّفها المطوّر، مع معاملات بصيغة JSON. ويشغّل التطبيق الدالة ويعيد النتيجة؛ فالنموذج لا يشغّل الشيفرة بنفسه أبدًا.

[vLLM](https://broadrouter.com/ar/glossary/vllm/)

vLLM مكتبة مفتوحة المصدر للاستدلال بالنماذج اللغوية الكبيرة وتقديمها، طُوّرت أولًا في مختبر Sky Computing بجامعة UC Berkeley. تدير ذاكرة KV المؤقتة (KV cache) بتقنية PagedAttention، وتجمّع الطلبات الواردة باستمرار، وتدعم صيغ تكميم كثيرة، وتوفّر خادم HTTP متوافقًا مع OpenAI.

[الرمز (التوكن، Token)](https://broadrouter.com/ar/glossary/token/)

الرمز (التوكن) هو وحدة النص التي يقرؤها نموذج اللغة ويكتبها: كلمة، أو جزء من كلمة، أو علامة ترقيم، أو تسلسل بايتات ينتجه مجزّئ النموذج (tokenizer). وتَعُدّ واجهات LLM API الاستهلاك بالرموز، وتضع حدودها بها، وتحتسب تكلفتها بها عادةً.

[المخرجات المنظَّمة (Structured output)](https://broadrouter.com/ar/glossary/structured-output/)

المخرجات المنظَّمة هي ميزة في LLM API تقيّد رد النموذج بصيغة يحدّدها المطوّر، عادةً JSON Schema، لكي تحلّلها الشيفرة بموثوقية. وهي أكثر صرامة من وضع JSON (JSON mode)، الذي يضمن JSON صالحًا لكن لا يضمن بنية معيّنة.

[مفتاح عدم التكرار (Idempotency key)](https://broadrouter.com/ar/glossary/idempotency-key/)

مفتاح عدم التكرار (idempotency key) قيمة فريدة، غالبًا معرّف عشوائي مثل UUID، يرفقها العميل بطلب يغيّر الحالة، كدفعة أو عملية شراء. فإذا أُرسل الطلب نفسه مرة أخرى بالمفتاح نفسه، أعاد الخادم النتيجة الأصلية بدل تنفيذ الإجراء مرتين.

[الذكاء الاصطناعي متعدد الوسائط (Multimodal AI)](https://broadrouter.com/ar/glossary/multimodal/)

الذكاء الاصطناعي متعدد الوسائط هو نموذج أو نظام يتعامل مع أكثر من نوع من البيانات، مثل النص والصور والفيديو والصوت. فقد يقرأ النموذج متعدد الوسائط صورة وسؤالًا معًا، أو يستقبل كلامًا ويجيب نصًا. والنموذج اللغوي البصري هو أشهر أنواعه.

[مخطط JSON (JSON Schema)](https://broadrouter.com/ar/glossary/json-schema/)

JSON Schema (مخطط JSON) مفردات مكتوبة بصيغة JSON لوصف بنية بيانات JSON والتحقق منها: الأنواع والحقول الإلزامية والقيم المسموحة والتداخل. والإصدار الحالي هو 2020-12. وتستخدمه واجهات LLM API لتعريف معاملات الأدوات والبنية الدقيقة التي يجب أن تتبعها المخرجات المنظَّمة.

[استدعاءات الأدوات المتوازية (Parallel tool calls)](https://broadrouter.com/ar/glossary/parallel-tool-calls/)

استدعاءات الأدوات المتوازية هي أن يعيد النموذج أكثر من استدعاء أداة في استجابة واحدة، مثل قراءة ثلاثة ملفات دفعة واحدة. وفي صيغة OpenAI تصل على شكل عدة عناصر في tool\_calls، وضبط parallel\_tool\_calls على false يقصر النموذج على صفر أو استدعاء واحد في كل دور.

## أسئلة شائعة

### هل تدعم النماذج المفتوحة استدعاء الدوال؟

كثير منها يدعمه، لكن الدعم يعتمد على النموذج وعلى طريقة تقديم المزوّد له. وعلى BroadNet Inference تذكر الوثائق استدعاء الأدوات لـ GLM 5.3 وQwen3.8 27B، ولا تذكره لـ DeepSeek V4.1 Flash ولا Gemma 4 VL 26B.

### لماذا تأتي وسائط استدعاء الأداة بصيغة JSON غير صالحة؟

ما لم يقيّد الخادم فك الترميز، تُولَّد الوسائط نصًا ثم تُحلَّل لاحقًا. وتقول وثائق vLLM إن الوسائط المستخرجة من النص الخام قد تكون مشوّهة أحيانًا. التقط خطأ التحليل وأعده بوصفه نتيجة أداة ليصحّح النموذج نفسه.

### كيف أوقف الاستدعاءات المتوازية للأدوات؟

في صيغة OpenAI اضبط parallel\_tool\_calls على false. فهذا يقصر النموذج على استدعاء واحد أو لا شيء في كل دور. وتأكّد أن مزوّدك يحترم هذا الحقل.

### لماذا يجيب النموذج نصًا بدل أن يستدعي أداة؟

مع tool\_choice بقيمة auto يقرّر النموذج بنفسه. اضبط tool\_choice على required، أو على دالة بعينها، حين يكون الاستدعاء إلزاميًا. وتأكّد كذلك أن وصف الأداة يقول متى تُستخدم.

### لماذا ينقطع استدعاء الأداة؟

نماذج الاستدلال المنطقي تحتسب التفكير ضمن max\_tokens. فقد ينهي الحد الصغير الرد في منتصف الوسائط. افحص finish\_reason وارفع max\_tokens.

## تابع القراءة

-   [OpenClaw وHermes Agent على نموذج رخيص: الإعداد وحساب الرموز](https://broadrouter.com/ar/blog/openclaw-hermes-agent-cheap-model/)
-   [وضع JSON أم json\_schema: مخرجات منظَّمة يمكن الاعتماد عليها](https://broadrouter.com/ar/blog/structured-output-json-schema/)
-   [استخدام خوادم MCP مع نماذج متوافقة مع OpenAI (أي مزوّد)](https://broadrouter.com/ar/blog/mcp-with-openai-compatible-models/)
-   [الوكلاء طويلو التشغيل: مهلات وإعادة محاولات ونقاط حفظ تصمد](https://broadrouter.com/ar/blog/long-running-agents-timeouts-retries/)
-   [ميزانية رموز الوكيل: أين تذهب رموز حلقة الوكيل](https://broadrouter.com/ar/blog/agent-token-budget/)
-   [عتاد GPU لدى BroadNet وطريقة تقديم النماذج، كما تصفها BroadNet](https://broadrouter.com/ar/blog/broadnet-gpu-fleet-and-serving/)
-   [تخزين استجابات LLM API مؤقتًا لخفض التكلفة: تطابق تام بـ Python](https://broadrouter.com/ar/blog/cache-llm-responses-cut-cost/)
-   [دليل: استخدام OpenAI Python SDK مع BroadNet Inference](https://broadrouter.com/ar/guides/openai-python-sdk/)
-   [دليل: تشغيل OpenAI Agents SDK على BroadNet Inference](https://broadrouter.com/ar/guides/openai-agents-sdk-custom-provider/)
-   [دليل: لماذا يعيد نموذج الاستدلال إجابة فارغة؟](https://broadrouter.com/ar/guides/reasoning-tokens-empty-response/)
-   [دليل: رموز أخطاء BroadNet Inference ومتى تعيد المحاولة](https://broadrouter.com/ar/guides/errors-and-retries/)

جرّبه على مهامك الفعلية. تبدأ الحسابات الجديدة برصيد قدره $5 لاستخدام Gemma والتفريغ الصوتي. أما DeepSeek وGLM وQwen3.8 فتتطلب شحن الرصيد.

[ابدأ الآن](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-tool-calling-open-models&utm_content=page-cta) ·

**المصادر**

-   [OpenAI، دليل استدعاء الدوال (تاريخ المراجعة 2026-11-14)](https://developers.openai.com/api/docs/guides/function-calling)
-   [وثائق vLLM، استدعاء الأدوات (تاريخ المراجعة 2026-11-14)](https://docs.vllm.ai/en/latest/features/tool_calling/)
-   [المرجع التقني لواجهة BroadNet Inference، النماذج (بالإنجليزية)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-tool-calling-open-models&utm_content=sources#models)
