リバースコールモデルとは、プラグインがDify内のLLM（TTS、Rerankなど、プラットフォーム内のすべてのモデルタイプと機能を含む）をリバースコールする能力を指します。リバースコールの基本概念にまだ慣れていない場合は、まずDifyサービスのリバースコールをお読みください。

ただし、モデルの呼び出しには ModelConfig 型のパラメータを渡す必要があり、その構造は一般的な仕様定義を参照できます。また、モデルの種類によって、この構造にはわずかな違いがあることに注意してください。

例えば、LLM タイプのモデルの場合、completion_params と mode パラメータも含まれている必要があり、この構造を手動で構築するか、model-selector タイプのパラメータまたは設定を使用できます。

​
LLMの呼び出し

​
エントリポイント

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

呼び出すモデルに tool_call の機能がない場合、ここで渡される tools は有効にならないことに注意してください。

​
使用例

Tool 内で OpenAI の gpt-4o-mini モデルを呼び出したい場合は、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)

コード内で tool_parameters の 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、ユーザーがUI上で使用したいモデルを選択できるようにすることを推奨します。この場合、ツールのパラメータリストを次のように変更し、model パラメータを追加できます。

identity:
  name: llm
  author: Dify
  label:
    en_US: LLM
    zh_Hans: LLM
    pt_BR: LLM
    ja: 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
    pt_BR: A tool for invoking a large language model
    ja: 大規模言語モデルを呼び出すためのツール
  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
      pt_BR: Prompt string
      ja: プロンプト文字列
    human_description:
      en_US: used for searching
      zh_Hans: 用于搜索网页内容
      pt_BR: used for searching
      ja: ウェブコンテンツの検索に使用
    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
      pt_BR: Model
      ja: 使用するモデル
    human_description:
      en_US: Model
      zh_Hans: 使用的模型
      pt_BR: Model
      ja: 使用するモデル
    llm_description: which Model to invoke
    form: form
extra:
  python:
    source: tools/llm.py

この例では model の scope が llm に指定されていることに注意してください。この場合、ユーザーは llm タイプのパラメータしか選択できず、上記の使用例のコードを次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)

​
Summaryの呼び出し

このエンドポイントにリクエスト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内のシステムモデルを使用してテキストを要約します。

エントリポイント

self.session.model.summary

エンドポイント

  • text は要約されるテキストです。
  • instruction は追加したい指示であり、これによりテキストを特定のスタイルで要約できます。
def invoke(
        self, text: str, instruction: str,
    ) -> str:

​
TextEmbeddingの呼び出し

エントリポイント

self.session.model.text_embedding

エンドポイント

def invoke(
        self, model_config: TextEmbeddingResult, texts: list[str]
    ) -> TextEmbeddingResult:
        pass

​
Rerankの呼び出し

エントリポイント

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の呼び出し

エントリポイント

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

tts エンドポイントが返す bytes ストリームは mp3 オーディオバイトストリームであり、各イテレーションで返されるのは完全なオーディオであることに注意してください。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。

​
Speech2Textの呼び出し

エントリポイント

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 形式でエンコードされたオーディオファイルです。

​
Moderationの呼び出し

エントリポイント

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 を返した場合、text に機密コンテンツが含まれていることを示します。

​
関連リソース

このページを編集する | 問題を報告する