---
title: "اوپن ماڈلز میں ٹول کالنگ: اسکیما، دوبارہ کوشش، کوڈ | BroadRouter"
description: "OpenAI سے مطابقت رکھنے والے اوپن ماڈلز پر فنکشن کالنگ: اسکیما کے مشورے، متوازی ٹول کالز، ٹول کالز کے ناکام ہونے کے پانچ طریقے، اور تصدیق و ری ٹرائی والا Python لوپ۔"
url: https://broadrouter.com/ur/blog/tool-calling-open-models/
lang: ur
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

یہ صفحہ انگریزی سے AI کی مدد سے ترجمہ کیا گیا ہے۔ [انگریزی اصل پڑھیں](https://broadrouter.com/blog/tool-calling-open-models/) (اپ ڈیٹ: 2026-11-16).

# اوپن ماڈلز کے ساتھ ٹول کالنگ: اسکیما، متوازی کالز، دوبارہ کوشش

BroadNet Inference ٹیم · 4 منٹ کی پڑھائی · شائع شدہ 2026-11-14 · اپ ڈیٹ 2026-11-16

OpenAI سے مطابقت رکھنے والے APIs پر اوپن ماڈلز وہی tools اور tool\_calls فارمیٹ استعمال کرتے ہیں جو OpenAI کرتا ہے۔ اسکیما چھوٹے اور سادہ رکھیں، arguments کو JSON اسٹرنگ کی طرح پارس کریں، کچھ بھی چلانے سے پہلے ان کی تصدیق کریں، اور ایررز کو ٹول نتیجہ بنا کر ماڈل کو لوٹائیں تاکہ وہ دوبارہ کوشش کرے۔ مراحل محدود رکھیں۔ BroadNet پر GLM 5.3 اور Qwen3.8 27B ٹول سپورٹ درج کرتے ہیں۔

## اہم نکات

-   وائر فارمیٹ OpenAI جیسا ہی ہے: اندر tools کی فہرست، باہر tool\_calls، پھر ہر tool\_call\_id کے لیے ایک role tool پیغام۔
-   Arguments JSON اسٹرنگ کی صورت میں آتے ہیں۔ vLLM کی دستاویزات خبردار کرتی ہیں کہ جب وہ خام متن سے ٹول کالز نکالتا ہے تو وہ "may occasionally be malformed or violate the function's parameter schema" (ترجمہ: کبھی کبھار خراب ہو سکتی ہیں یا فنکشن کے پیرامیٹر اسکیما کی خلاف ورزی کر سکتی ہیں)۔
-   ہر کال کی تصدیق کریں، ایررز کو ٹول نتائج کے طور پر واپس بھیجیں، اور دوبارہ کوششوں اور کل مراحل کی حد رکھیں۔
-   کم اور سادہ ٹولز بہتر کام کرتے ہیں۔ OpenAI باری کے شروع میں 20 سے کم فنکشنز رکھنے کا مشورہ دیتا ہے۔
-   BroadNet Inference پر ٹول کالنگ کے لیے GLM 5.3 یا Qwen3.8 27B استعمال کریں؛ DeepSeek V4.1 Flash پر انحصار سے پہلے اسے ٹیسٹ کریں۔

**اس صفحے پر**

1.  OpenAI سے مطابقت رکھنے والے API پر ٹول کالنگ کیسے کام کرتی ہے؟
2.  ٹول اسکیما کیسے لکھیں؟
3.  متوازی ٹول کالز کا کیا؟
4.  ٹول کالز ناکام کیوں ہوتی ہیں؟
5.  تصدیق اور دوبارہ کوشش کرنے والا ٹول لوپ
6.  BroadNet کے کون سے ماڈلز ٹول کالنگ سپورٹ کرتے ہیں؟
7.  BroadNet Inference کہاں فٹ ہوتا ہے

[ٹول کالنگ](https://broadrouter.com/ur/glossary/tool-calling/) ہی ماڈل کو ایجنٹ بناتی ہے۔ [OpenAI سے مطابقت رکھنے والے API](https://broadrouter.com/ur/glossary/openai-compatible-api/) پر اوپن ماڈلز کے ساتھ درخواست کا فارمیٹ وہی ہے جو آپ OpenAI کے ساتھ استعمال کرتے۔ فرق اس میں ہے کہ چیزیں کتنی بار بگڑتی ہیں اور سرور انہیں روکنے کے لیے کیا کرتا ہے۔ یہ پوسٹ فارمیٹ، اوپن ماڈلز کے لیے اچھے اسکیما لکھنے کا طریقہ، متوازی کالز، اصل میں نظر آنے والی پانچ خرابیاں، اور انہیں جھیلنے والا ایک Python لوپ بیان کرتی ہے۔

## OpenAI سے مطابقت رکھنے والے API پر ٹول کالنگ کیسے کام کرتی ہے؟

1.  آپ `messages` کے ساتھ ایک `tools` فہرست بھیجتے ہیں۔ ہر ٹول کا ایک نام، ایک description اور اس کے arguments کے لیے ایک JSON Schema ہوتا ہے۔
2.  ماڈل `finish_reason: "tool_calls"` اور ایک `tool_calls` فہرست کے ساتھ جواب دیتا ہے۔ ہر اندراج میں ایک `id`، فنکشن کا نام اور **JSON اسٹرنگ** کی صورت میں `arguments` ہوتے ہیں۔
3.  آپ کا کوڈ ہر کال چلاتا ہے اور ہر کال کے لیے ملتے ہوئے `tool_call_id` کے ساتھ ایک `role: "tool"` پیغام جوڑتا ہے۔
4.  آپ API کو دوبارہ کال کرتے ہیں۔ ماڈل جواب دیتا ہے یا مزید ٹولز مانگتا ہے۔

ماڈل خود کبھی کچھ نہیں چلاتا۔ کیا چلے گا، یہ آپ کا کوڈ طے کرتا ہے۔

## ٹول اسکیما کیسے لکھیں؟

اوپن ماڈلز سادہ اسکیما زیادہ قابل اعتماد طریقے سے فالو کرتے ہیں۔ یہ اصول OpenAI کی گائیڈ سے اور عموماً ٹوٹنے والی چیزوں سے آتے ہیں:

-   **ٹولز کے نام کام کے حساب سے رکھیں**، جیسے `read_file` یا `search_code`، اور description میں بتائیں کہ ہر ایک _کب_ استعمال کرنا ہے۔
-   **فہرست مختصر رکھیں۔** OpenAI کی گائیڈ باری کے شروع میں 20 سے کم فنکشنز کو ایک نرم مشورہ کہتی ہے۔ ہر اسکیما ہر کال پر بھیجا بھی جاتا ہے؛ دیکھیں [ایجنٹ کا ٹوکن بجٹ](https://broadrouter.com/ur/blog/agent-token-budget/)۔
-   **سادہ arguments کو ترجیح دیں۔** اسٹرنگز، نمبرز، بولینز اور enums۔ گہری نیسٹنگ اور آزاد ساخت والے آبجیکٹس سے بچیں۔
-   **مقررہ انتخاب کے لیے enums استعمال کریں**، تاکہ ماڈل کوئی ویلیو گھڑ نہ سکے۔ [JSON schema جنریٹر](https://broadrouter.com/tools/json-schema-generator/) ایک نمونہ arguments آبجیکٹ کو سادہ اسکیما میں بدلتا ہے جسے آپ `parameters` میں پیسٹ کر سکتے ہیں۔
-   **لازمی فیلڈز نشان زد کریں۔** OpenAI کے strict موڈ میں `additionalProperties: false` اور ہر فیلڈ کا `required` میں ہونا ضروری ہے، اختیاری فیلڈز کی ٹائپ میں `null` کے ساتھ۔ کوئی فراہم کنندہ `strict` نافذ کرتا ہے یا نہیں، یہ مختلف ہے، اس لیے پھر بھی تصدیق کریں۔

## متوازی ٹول کالز کا کیا؟

ماڈل ایک باری میں `tool_calls` میں کئی اندراجات لوٹا سکتا ہے، مثلاً تین فائلیں پڑھنا۔ آزاد کالز ایک ساتھ چلائیں اور ہر `tool_call_id` کے لیے ایک نتیجہ لوٹائیں، کسی بھی ترتیب میں۔ اگر آپ کے ٹولز کے سائیڈ ایفیکٹس ایک دوسرے پر منحصر ہیں تو `parallel_tool_calls: false` سیٹ کریں؛ OpenAI کی گائیڈ کہتی ہے کہ اس سے ماڈل ہر باری میں صفر یا ایک کال تک محدود رہتا ہے۔ ٹیسٹ کریں کہ آپ کا فراہم کنندہ اسے مانتا ہے۔

## ٹول کالز ناکام کیوں ہوتی ہیں؟

| خرابی | آپ کو کیا نظر آتا ہے | حل |
| --- | --- | --- |
| خراب arguments | `json.loads` ایرر اٹھاتا ہے | پارس ایرر کو ٹول نتیجے کے طور پر لوٹائیں؛ دوبارہ کوشش |
| اسکیما سے میل نہیں | غائب فیلڈ، غلط ٹائپ، گھڑا ہوا enum | تصدیق کریں؛ تصدیق کا ایرر لوٹائیں |
| نامعلوم ٹول | ایسا نام جو آپ نے کبھی متعین نہیں کیا | “unknown tool, available: …” لوٹائیں |
| ضرورت کے باوجود کال نہیں | اس کی جگہ متنی جواب | `tool_choice: "required"` یا نام والا فنکشن |
| کٹی ہوئی کال | `finish_reason: "length"` | `max_tokens` بڑھائیں؛ ریزننگ بھی اسی میں سے لیتی ہے |

پہلی دو خرابیاں متوقع ہیں، نایاب نہیں۔ vLLM کی ٹول کالنگ دستاویزات کہتی ہیں کہ `auto` موڈ میں، جب تک کوئی ٹول `strict: true` سیٹ نہ کرے (یا سرور سختی کی کم از کم حد نافذ نہ کرے) اور ماڈل کا پارسر پابندیاں سپورٹ نہ کرے، “vLLM extracts tool calls from raw text, so arguments may occasionally be malformed or violate the function’s parameter schema.” (ترجمہ: vLLM خام متن سے ٹول کالز نکالتا ہے، اس لیے arguments کبھی کبھار خراب ہو سکتے ہیں یا فنکشن کے پیرامیٹر اسکیما کی خلاف ورزی کر سکتے ہیں۔) نام والا فنکشن vLLM کا اسٹرکچرڈ آؤٹ پٹ بیک اینڈ استعمال کرتا ہے۔ آپ کا فراہم کنندہ ماڈلز مختلف طریقے سے چلا سکتا ہے، اس لیے تصدیق کو لازمی سمجھیں۔

آخری قطار [ریزننگ ماڈلز](https://broadrouter.com/ur/glossary/reasoning-tokens/) استعمال کرنے والوں کو پکڑتی ہے۔ GLM 5.3 اور Qwen3.8 27B جواب سے پہلے سوچتے ہیں، اور تھنکنگ [`max_tokens`](https://broadrouter.com/ur/glossary/max-tokens/) میں گنی جاتی ہے۔ [جواب خالی یا کٹے ہوئے کیوں آتے ہیں](https://broadrouter.com/ur/guides/reasoning-tokens-empty-response/) بتاتا ہے کہ کتنی گنجائش چھوڑنی ہے۔

## تصدیق اور دوبارہ کوشش کرنے والا ٹول لوپ

```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")
```

یہاں ڈیزائن کے تین فیصلے اہم ہیں:

1.  **ایررز ٹول نتائج بن کر ماڈل کے پاس لوٹتے ہیں۔** ماڈل دیکھتا ہے کہ کیا غلط تھا اور عموماً اگلی باری میں ٹھیک کر دیتا ہے۔ ایکسیپشن اٹھانے سے یہ موقع ضائع ہو جاتا ہے۔
2.  **لوپ محدود ہے۔** `max_steps` اس ماڈل کو روکتا ہے جو بغیر پیش رفت کے ٹولز کال کرتا رہے۔
3.  **ٹرانسپورٹ کی دوبارہ کوششیں الگ ہیں۔** کلائنٹ پر `max_retries` 429 اور 5xx سنبھالتا ہے۔ غلط arguments لوپ میں سنبھالے جاتے ہیں۔ دونوں کو نہ ملائیں؛ دیکھیں [ایررز اور دوبارہ کوشش](https://broadrouter.com/ur/guides/errors-and-retries/)۔

سائیڈ ایفیکٹ والے ٹولز کے لیے، جیسے ای میل بھیجنا، ایک idempotency کلید جوڑیں تاکہ دوبارہ کوشش کیا گیا مرحلہ دو بار عمل نہ کرے۔ [لمبے چلنے والے ایجنٹس](https://broadrouter.com/ur/blog/long-running-agents-timeouts-retries/) میں یہ موضوع ہے۔

## BroadNet کے کون سے ماڈلز ٹول کالنگ سپورٹ کرتے ہیں؟

| ماڈل | ٹولز درج | کانٹیکسٹ | نوٹ |
| --- | --- | --- | --- |
| [GLM 5.3](https://broadrouter.com/ur/models/glm-5.3/) | ہاں | 1,048,576 | اسٹرکچرڈ آؤٹ پٹ بھی |
| [Qwen3.8 27B](https://broadrouter.com/ur/models/qwen3.8-27b/) | ہاں | 262,144 | تصویری ان پٹ بھی |
| [DeepSeek V4.1 Flash](https://broadrouter.com/ur/models/deepseek-v4.1-flash/) | درج نہیں | 1,048,576 | تصویری ان پٹ؛ انحصار سے پہلے ٹولز ٹیسٹ کریں |
| [Gemma 4 VL 26B](https://broadrouter.com/ur/models/gemma-4-vl-26b/) | درج نہیں | 32,768 | ٹول لوپس کے لیے نہیں |

ٹول چلانے والے دونوں ماڈلز میں سے انتخاب کے لیے دیکھیں [GLM 5.3 بمقابلہ Qwen3.8 27B](https://broadrouter.com/compare/glm-5.3-vs-qwen3.8-27b/)۔ جب آخری جواب کو کسی ساخت میں ہونا ہو لیکن کوئی فنکشن نہ چلانا ہو تو [اسٹرکچرڈ آؤٹ پٹ](https://broadrouter.com/ur/blog/structured-output-json-schema/) ٹول سے آسان ہے۔

## BroadNet Inference کہاں فٹ ہوتا ہے

BroadNet Inference اسٹینڈرڈ chat-completions فارمیٹ کے ذریعے GLM 5.3 اور Qwen3.8 27B کو ٹول کالنگ کے ساتھ چلاتا ہے، اس لیے اوپر کا لوپ [OpenAI Python SDK](https://broadrouter.com/ur/guides/openai-python-sdk/) کے ساتھ بغیر تبدیلی چلتا ہے۔ فی ٹوکن قیمتیں [قیمتوں کے صفحے](https://broadrouter.com/ur/pricing/) پر ہیں۔ یہ ویب سرچ یا کوڈ چلانے جیسے سرور کی طرف کے ٹولز ہوسٹ نہیں کرتا، اور اس کی دستاویزات DeepSeek V4.1 Flash کے لیے ٹول کالنگ درج نہیں کرتیں، جو لامحدود پلانز والا ماڈل ہے۔ ٹولز پر بہت زیادہ منحصر ایجنٹ کے لیے فی ٹوکن GLM 5.3 یا Qwen3.8 27B استعمال کریں۔ اگر پھر بھی مقررہ قیمت والا پلان چاہیے، تو مہینہ خریدنے سے پہلے $1 والے Meteor گھنٹے پر جانچ لیں کہ DeepSeek V4.1 Flash آپ کے ٹولز قابلِ اعتماد طریقے سے کال کرتا ہے۔

اس موضوع کے مفت ٹولز (انگریزی میں)

-   [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.

[مفت ٹولز (انگریزی میں)](https://broadrouter.com/tools/)

## اس مضمون کی اصطلاحات

[ٹول کالنگ (tool calling)](https://broadrouter.com/ur/glossary/tool-calling/)

ٹول کالنگ، جسے function calling بھی کہتے ہیں، LLM API کی وہ سہولت ہے جس میں ماڈل ڈویلپر کے طے کردہ کسی فنکشن کو چلانے کی ایک منظم درخواست، JSON آرگیومنٹس کے ساتھ، لوٹاتا ہے۔ ایپلیکیشن فنکشن چلا کر نتیجہ واپس بھیجتی ہے؛ ماڈل خود کبھی کوڈ نہیں چلاتا۔

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

vLLM، LLM inference اور سرونگ کے لیے ایک اوپن سورس لائبریری ہے، جو پہلے UC Berkeley کی Sky Computing Lab میں بنائی گئی۔ یہ PagedAttention سے KV cache میموری سنبھالتی ہے، آنے والی درخواستوں کو مسلسل بیچ کرتی ہے، کئی quantization فارمیٹس سپورٹ کرتی ہے اور OpenAI-compatible HTTP سرور دیتی ہے۔

[اسٹرکچرڈ آؤٹ پٹ (structured output)](https://broadrouter.com/ur/glossary/structured-output/)

اسٹرکچرڈ آؤٹ پٹ LLM API کا ایک فیچر ہے جو ماڈل کے جواب کو ڈویلپر کے طے کردہ فارمیٹ، عموماً JSON Schema، تک محدود کرتا ہے، تاکہ کوڈ اسے قابلِ اعتماد طریقے سے پارس کر سکے۔ یہ JSON mode سے زیادہ سخت ہے، جو درست JSON کی ضمانت دیتا ہے، لیکن کسی خاص ساخت کی نہیں۔

[ٹوکن (token)](https://broadrouter.com/ur/glossary/token/)

ٹوکن متن کی وہ اکائی ہے جسے لینگویج ماڈل پڑھتا اور لکھتا ہے: کوئی لفظ، لفظ کا حصہ، رموزِ اوقاف کی کوئی علامت یا بائٹس کا سلسلہ، جو ماڈل کا ٹوکنائزر بناتا ہے۔ LLM API استعمال کو ٹوکنز میں گنتے ہیں، انہی میں حدیں لگاتے ہیں اور عموماً بل بھی بناتے ہیں۔

[AI ایجنٹ (AI agent)](https://broadrouter.com/ur/glossary/agent/)

AI ایجنٹ ایسا نظام ہے جس میں لینگویج ماڈل کسی ہدف کی طرف اپنے قدم خود طے کرتا ہے: کون سے ٹولز کال کرنے ہیں، یہ چنتا ہے، نتائج پڑھتا ہے اور حتمی جواب یا کسی حد تک دہراتا رہتا ہے۔ مقررہ مقامات پر ماڈل کو کال کرنے والی اسکرپٹ کو عموماً workflow کہا جاتا ہے۔

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

JSON Schema، JSON میں لکھی ایک لغت ہے جو JSON ڈیٹا کی ساخت بیان کرتی اور جانچتی ہے: ٹائپس، لازمی فیلڈز، قابلِ قبول قدریں اور نیسٹنگ۔ موجودہ ورژن 2020-12 ہے۔ LLM APIs اس سے ٹول پیرامیٹرز طے کرتے ہیں، اور وہ عین شکل بھی جس کی اسٹرکچرڈ آؤٹ پٹ کو پابندی کرنی ہے۔

[متوازی ٹول کالز (parallel tool calls)](https://broadrouter.com/ur/glossary/parallel-tool-calls/)

Parallel tool calls تب ہوتی ہیں جب ماڈل ایک ہی جواب میں ایک سے زیادہ ٹول کالز واپس کرتا ہے، مثلاً ایک ساتھ تین فائلیں پڑھنا۔ OpenAI فارمیٹ میں یہ tool\_calls کی کئی اندراجات کے طور پر آتی ہیں، اور parallel\_tool\_calls کو false کرنے پر ماڈل ہر ٹرن میں صفر یا ایک کال تک محدود رہتا ہے۔

## عام سوالات

### کیا اوپن ماڈلز فنکشن کالنگ سپورٹ کرتے ہیں؟

بہت سے کرتے ہیں، لیکن سپورٹ ماڈل پر اور اس پر منحصر ہے کہ فراہم کنندہ اسے کیسے چلاتا ہے۔ BroadNet Inference کی دستاویزات GLM 5.3 اور Qwen3.8 27B کے لیے ٹول کالنگ درج کرتی ہیں۔ DeepSeek V4.1 Flash یا Gemma 4 VL 26B کے لیے درج نہیں کرتیں۔

### میری ٹول کال کے arguments غلط JSON کیوں ہوتے ہیں؟

جب تک سرور ڈی کوڈنگ کو پابند نہ کرے، arguments متن کے طور پر بنتے ہیں اور بعد میں پارس ہوتے ہیں۔ vLLM کی دستاویزات کہتی ہیں کہ خام متن سے نکالے گئے arguments کبھی کبھار خراب ہو سکتے ہیں۔ پارس ایرر پکڑیں اور اسے ٹول نتیجے کے طور پر واپس بھیجیں تاکہ ماڈل خود کو درست کر سکے۔

### متوازی ٹول کالز کیسے بند کروں؟

OpenAI فارمیٹ میں parallel\_tool\_calls کو false کریں۔ اس سے ماڈل ہر باری میں صفر یا ایک ٹول کال تک محدود رہتا ہے۔ دیکھیں کہ آپ کا فراہم کنندہ یہ فیلڈ مانتا ہے۔

### ماڈل ٹول کال کرنے کے بجائے متن میں جواب کیوں دیتا ہے؟

tool\_choice auto پر فیصلہ ماڈل کرتا ہے۔ جب کال لازمی ہو تو tool\_choice کو required یا کسی مخصوص فنکشن پر سیٹ کریں۔ یہ بھی دیکھیں کہ ٹول کی description بتاتی ہے کہ اسے کب استعمال کرنا ہے۔

### میری ٹول کال درمیان میں کیوں کٹ جاتی ہے؟

ریزننگ ماڈلز تھنکنگ کو max\_tokens میں گنتے ہیں۔ چھوٹی حد پر جواب arguments کے بیچ میں ختم ہو سکتا ہے۔ finish\_reason دیکھیں اور max\_tokens بڑھائیں۔

## مزید پڑھیں

-   [سستے ماڈل پر OpenClaw اور Hermes Agent: سیٹ اپ اور ٹوکن کا حساب](https://broadrouter.com/ur/blog/openclaw-hermes-agent-cheap-model/)
-   [JSON mode بمقابلہ json\_schema: قابل اعتماد اسٹرکچرڈ آؤٹ پٹ](https://broadrouter.com/ur/blog/structured-output-json-schema/)
-   [OpenAI سے مطابقت والے ماڈلز کے ساتھ MCP سرورز (کسی بھی فراہم کنندہ پر)](https://broadrouter.com/ur/blog/mcp-with-openai-compatible-models/)
-   [لمبے چلنے والے ایجنٹس: پائیدار timeouts، retries اور checkpoints](https://broadrouter.com/ur/blog/long-running-agents-timeouts-retries/)
-   [ایجنٹ ٹوکن بجٹ: ایجنٹ لوپ کے ٹوکن کہاں جاتے ہیں](https://broadrouter.com/ur/blog/agent-token-budget/)
-   [BroadNet کا GPU ہارڈویئر اور سروِنگ کا طریقہ، BroadNet کی زبانی](https://broadrouter.com/ur/blog/broadnet-gpu-fleet-and-serving/)
-   [LLM API جوابات کیش کر کے لاگت کم کریں: Python میں ایگزیکٹ میچ کیش](https://broadrouter.com/ur/blog/cache-llm-responses-cut-cost/)
-   [گائیڈ: BroadNet Inference کے ساتھ OpenAI Python SDK استعمال کریں](https://broadrouter.com/ur/guides/openai-python-sdk/)
-   [گائیڈ: BroadNet Inference پر OpenAI Agents SDK چلائیں](https://broadrouter.com/ur/guides/openai-agents-sdk-custom-provider/)
-   [گائیڈ: ریزننگ ماڈل خالی جواب کیوں لوٹاتا ہے](https://broadrouter.com/ur/guides/reasoning-tokens-empty-response/)
-   [گائیڈ: BroadNet Inference کے ایرر کوڈز اور دوبارہ کوشش کب کریں](https://broadrouter.com/ur/guides/errors-and-retries/)

اسے اپنے اصل کام پر آزمائیں۔ نئے اکاؤنٹس Gemma اور ٹرانسکرپشن کے لیے US$5 کے کریڈٹ سے شروع ہوتے ہیں۔ DeepSeek، GLM، اور Qwen3.8 کے لیے ٹاپ اپ ضروری ہے۔

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

**ذرائع**

-   [OpenAI، فنکشن کالنگ گائیڈ (2026-11-14 کو دیکھا گیا)](https://developers.openai.com/api/docs/guides/function-calling)
-   [vLLM کی دستاویزات، ٹول کالنگ (2026-11-14 کو دیکھا گیا)](https://docs.vllm.ai/en/latest/features/tool_calling/)
-   [BroadNet Inference کا API ریفرنس، ماڈلز (انگریزی میں)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-blog-tool-calling-open-models&utm_content=sources#models)
