このドキュメントはまもなく非推奨になります

ドキュメント再編の一環として、このページは段階的に廃止されます。

このカードをクリックして、最新情報が含まれる更新版にリダイレクトしてください。

新しいドキュメントに不一致や改善が必要な箇所を見つけた場合は、ページ下部の「問題を報告」ボタンを使用してください。

 リバースモデルリクエストとは、プラグインがDify内のLLM機能に対してリバースリクエストを行う能力を指し、TTS、Rerankなど、プラットフォーム上のすべてのモデルタイプと機能が含まれます。 モデルのリクエストには、ModelConfigタイプのパラメータを渡す必要があることに注意してください。その構造は共通仕様定義で参照でき、この構造は異なるタイプのモデルで若干の違いがあります。 例えば、LLMタイプのモデルの場合、completion_paramsとmodeパラメータを含める必要があります。この構造は手動で構築するか、model-selectorタイプのパラメータまたは設定を使用することができます。

​
LLMのリクエスト

​
エントリー

self.session.model.llm

​
エンドポイント：

def invoke(
    self,
    model_config: LLMModelConfig,
    prompt_messages: list[PromptMessage],
    tools: list[PromptMessageTool] | None = None,
    stop: list[str] | None = None,
    stream: bool = True,
) -> Generator[LLMResultChunk, None, None] | LLMResult:
    pass
注意：リクエストするモデルにtool_call機能がない場合、ここで渡されるツールは効果を持ちません。

​
例

ツールでOpenAIのgpt-4o-miniモデルをリクエストする場合は、以下のサンプルコードを参照してください： 
from collections.abc import Generator
from typing import Any

from dify_plugin import Tool
from dify_plugin.entities.model.llm import LLMModelConfig
from dify_plugin.entities.tool import ToolInvokeMessage
from dify_plugin.entities.model.message import SystemPromptMessage, UserPromptMessage

class LLMTool(Tool):
    def _invoke(self, tool_parameters: dict[str, Any]) -> Generator[ToolInvokeMessage]:
        response = self.session.model.llm.invoke(
            model_config=LLMModelConfig(
                provider='openai',
                model='gpt-4o-mini',
                mode='chat',
                completion_params={}
            ),
            prompt_messages=[
                SystemPromptMessage(
                    content='you are a helpful assistant'
                ),
                UserPromptMessage(
                    content=tool_parameters.get('query')
                )
            ],
            stream=True
        )

        for chunk in response:
            if chunk.delta.message:
                assert isinstance(chunk.delta.message.content, str)
                yield self.create_text_message(text=chunk.delta.message.content)
コードではtool_parametersからqueryパラメータが渡されていることに注意してください。

​
ベストプラクティス

LLMModelConfigを手動で構築することは推奨されません。代わりに、UIでユーザーが希望のモデルを選択できるようにします。この場合、以下の設定に従ってmodelパラメータを追加することでツールのパラメータリストを変更できます： 
identity:
  name: llm
  author: Dify
  label:
    en_US: LLM
    zh_Hans: LLM
    ja_JP: LLM
    pt_BR: LLM
description:
  human:
    en_US: A tool for invoking a large language model
    zh_Hans: 用于调用大型语言模型的工具
    ja_JP: 大規模言語モデルを呼び出すためのツール
    pt_BR: Ferramentas para chamar modelos de idiomas grandes
  llm: A tool for invoking a large language model
parameters:
  - name: prompt
    type: string
    required: true
    label:
      en_US: Prompt string
      zh_Hans: 提示字符串
      ja_JP: プロンプト文字列
      pt_BR: Cadeia de prompt
    human_description:
      en_US: used for searching
      zh_Hans: 用于搜索网页内容
      ja_JP: Webコンテンツ検索用
      pt_BR: Usado para pesquisar
    llm_description: key words for searching
    form: llm
  - name: model
    type: model-selector
    scope: llm
    required: true
    label:
      en_US: Model
      zh_Hans: 使用的模型
      ja_JP: モデル
      pt_BR: Modelo
    human_description:
      en_US: Model
      zh_Hans: 使用的模型
      ja_JP: モデル
      pt_BR: Modelo
    llm_description: which Model to invoke
    form: form
extra:
  python:
    source: tools/llm.py
この例では、モデルのスコープがllmとして指定されているため、ユーザーはllmタイプのパラメータのみを選択できることに注意してください。これにより、上記の例のコードを以下のように変更できます： 
from collections.abc import Generator
from typing import Any

from dify_plugin import Tool
from dify_plugin.entities.model.llm import LLMModelConfig
from dify_plugin.entities.tool import ToolInvokeMessage
from dify_plugin.entities.model.message import SystemPromptMessage, UserPromptMessage

class LLMTool(Tool):
    def _invoke(self, tool_parameters: dict[str, Any]) -> Generator[ToolInvokeMessage]:
        response = self.session.model.llm.invoke(
            model_config=tool_parameters.get('model'),
            prompt_messages=[
                SystemPromptMessage(
                    content='you are a helpful assistant'
                ),
                UserPromptMessage(
                    content=tool_parameters.get('query')
                )
            ],
            stream=True
        )

        for chunk in response:
            if chunk.delta.message:
                assert isinstance(chunk.delta.message.content, str)
                yield self.create_text_message(text=chunk.delta.message.content)

​
要約のリクエスト

このエンドポイントを使用してテキストを要約することができます。現在のワークスペースのシステムモデルを使用してテキストを要約します。 エントリー： 
self.session.model.summary
エンドポイント：
  • text: 要約するテキスト
  • instruction: 追加の指示。要約のスタイルをカスタマイズできます
def invoke(
    self, text: str, instruction: str,
) -> str:
テキスト埋め込みのリクエスト エントリー 
self.session.model.text_embedding
エンドポイント 
def invoke(
    self, model_config: TextEmbeddingResult, texts: list[str]
) -> TextEmbeddingResult:
    pass

​
Rerankのリクエスト

​
エントリー

self.session.model.rerank

​
エンドポイント

def invoke(
    self, model_config: RerankModelConfig, docs: list[str], query: str
) -> RerankResult:
    pass

​
TTSのリクエスト

​
エントリー

self.session.model.tts

​
エンドポイント

def invoke(
    self, model_config: TTSModelConfig, content_text: str
) -> Generator[bytes, None, None]:
    pass
注意：TTSエンドポイントが返すバイトストリームはmp3オーディオバイトストリームで、各イテレーションで完全なオーディオを返します。より高度な処理タスクを実行したい場合は、適切なライブラリを選択してください。

​
音声認識のリクエスト

エントリー： 
self.session.model.speech2text
エンドポイント： 
def invoke(
    self, model_config: Speech2TextModelConfig, file: IO[bytes]
) -> str:
    pass
ここで、fileはmp3エンコードされたオーディオファイルです。

​
モデレーションのリクエスト

エントリー： 
self.session.model.moderation
エンドポイント： 
def invoke(self, model_config: ModerationModelConfig, text: str) -> bool:
    pass
このエンドポイントがtrueを返す場合、textに機密コンテンツが含まれていることを示します。
このページを編集する | 問題を報告する