비교 매트릭스

Provider 셋 envelope 을 나란히 깔면 매트릭스 짧아져. 차이 대부분이 cosmetic, 몇 개만 진짜.

Concept	OpenAI	Anthropic	Gemini
Tool 리스트 필드	`tools`	`tools`	`tools` (config 안)
Schema 필드	`parameters`	`input_schema`	`parameters` (Schema object)
Args 타입	JSON 문자열	dict	dict
Tool choice	`"auto"\|"required"\|spec`	`type: "auto"\|"any"\|"tool"`	FunctionCallingMode enum
Stop 신호	`response.completed` + `output[].type`	`stop_reason`	`function_call` part 유무
Streaming tool args	Delta	Delta (per content block)	한 번에
Pre-built native tool	web_search, code_interpreter, file_search	computer_use, text_editor, bash	code_execution, google_search
MCP integration	Apps SDK 경유	Messages API mcp_servers 경유	Vertex AI tool config 경유

차이가 cosmetic 아니고 진짜인 4 칸: args 타입 (parse vs use), streaming 동작 (delta vs 한 번에), pre-built tool (각 provider 가 unique offering), MCP integration 모양. Cosmetic 한 거엔 얇은 번역 layer; 진짜인 거엔 provider-specific 코드 받아들여.

유혹은 셋 다 같은 척 거대 abstraction 짓는 거. 가능한 한 오래 저항해. '메시지 + tool 보내고 tool call 받고 결과 보냄' 모양이 이미 작은 abstraction — over-abstract 하면 진짜 차이 가리고 아무도 maintain 안 하는 SDK 클론 만들어.

Code

작은 portability shim — 진짜 필요한 것만·python

def normalize_tool_calls(provider, response):
    if provider == "openai":
        return [(item.name, json.loads(item.arguments)) for item in response.output if item.type == "function_call"]
    if provider == "anthropic":
        return [(b.name, b.input) for b in response.content if b.type == "tool_use"]
    if provider == "gemini":
        return [(p.function_call.name, dict(p.function_call.args))
                for p in response.candidates[0].content.parts
                if p.function_call]
    raise ValueError(f"Unknown provider {provider!r}")

Code

External links

Exercise

Progress

댓글 0