Instructor does not support multiple tool calls, use List[Model] instead

[ilanb]

I try to replace OpenAI in deep_research exemple, but I'v this error after choice_agent choosing search !

INFO:root:Début du traitement de la question: Quels exemples de souffrance dans la vie des proph...
INFO:root:Appel au choice_agent...
INFO:httpx:HTTP Request: POST http://127.0.0.1:11434/v1/chat/completions "HTTP/1.1 200 OK"
INFO:root:Décision du choice_agent: True
INFO:httpx:HTTP Request: POST http://127.0.0.1:11434/v1/chat/completions "HTTP/1.1 200 OK"
INFO:httpx:HTTP Request: POST http://127.0.0.1:11434/v1/chat/completions "HTTP/1.1 200 OK"
INFO:httpx:HTTP Request: POST http://127.0.0.1:11434/v1/chat/completions "HTTP/1.1 200 OK"
ERROR:root:
❌ Erreur : Instructor does not support multiple tool calls, use List[Model] instead
ERROR:root:Erreur lors de la recherche: Instructor does not support multiple tool calls, use List[Model] instead
ERROR:root:Erreur globale dans process_user_question: Instructor does not support multiple tool calls, use List[Model] instead

any idea to fix this ? or a working exemple with Ollama ?
I use llama3.3:70b-instruct-q4_K_S

client = instructor.from_openai(OpenAI(base_url=AGENT_OLLAMA_BASE_URL,api_key="ollama")),
mode=instructor.Mode.JSON,
model=AGENT_ATOMICAGENTS_MODEL,

Thank you

[ilanb]

process_user_question function if needed :-)

`def process_user_question(user_message: str):
try:
conversation_entry = {'question': user_message}
logging.info(f"Début du traitement de la question: {user_message[:50]}...")

    st.markdown("---")
    status_placeholder = st.empty()
    progress_bar = st.progress(0)
    status_placeholder.write("🤖 Traitement de votre question...")

    # 1. Évaluation du besoin de recherche
    progress_bar.progress(20)
    status_placeholder.write("🔍 Évaluation du besoin de nouvelle recherche...")
    logging.info("Appel au choice_agent...")
    
    try:
        with st.spinner('Évaluation du besoin de nouvelle recherche...'):
            choice_agent_output = choice_agent.run(
                ChoiceAgentInputSchema(
                    user_message=user_message,
                    decision_type=(
                        "Devons-nous effectuer une nouvelle recherche web ? VRAI si nous avons besoin d'informations "
                        "nouvelles ou mises à jour, FAUX si le contexte existant est suffisant. Considérer : "
                        "1) Le contexte est-il vide ? 2) Les informations existantes sont-elles pertinentes ? "
                        "3) Les informations sont-elles suffisamment récentes ?"
                    ),
                )
            )
        logging.info(f"Décision du choice_agent: {choice_agent_output.decision}")
    except Exception as e:
        logging.error(f"Erreur lors de l'évaluation du besoin de recherche: {str(e)}")
        status_placeholder.error("❌ Erreur lors de l'évaluation de la recherche")
        raise

    # 2. Mise à jour du statut de recherche
    progress_bar.progress(40)
    search_status = display_search_status(choice_agent_output.decision, choice_agent_output.reasoning)
    conversation_entry['search_status'] = search_status
    status_placeholder.write(search_status)

    # 3. Effectuer la recherche si nécessaire
    if choice_agent_output.decision:
        try:
            progress_bar.progress(60)
            search_details = perform_search_and_update_context(
                user_message, 
                st.session_state.scraped_content_context_provider
            )
            conversation_entry['search_status'] += "\n\n" + search_details
            status_placeholder.write(search_details)
            logging.info("Recherche et mise à jour du contexte terminées")
        except Exception as e:
            logging.error(f"Erreur lors de la recherche: {str(e)}")
            status_placeholder.error("❌ Erreur lors de la recherche")
            raise

    # 4. Génération de la réponse
    progress_bar.progress(80)
    status_placeholder.write("🤖 Génération d'une réponse complète...")
    logging.info("Appel au question_answering_agent...")
    
    try:
        with st.spinner('Génération de la réponse...'):
            start_time = time.time()
            question_answering_agent_output = question_answering_agent.run(
                QuestionAnsweringAgentInputSchema(question=user_message)
            )
            elapsed_time = time.time() - start_time
            logging.info(f"Temps de génération de la réponse: {elapsed_time:.2f} secondes")
            
            if elapsed_time > 60:  # Si plus de 60 secondes
                logging.warning("La génération de la réponse a pris plus de 60 secondes")
            
        logging.info("Réponse générée avec succès")
        
    except Exception as e:
        logging.error(f"Erreur lors de la génération de la réponse: {str(e)}")
        status_placeholder.error("❌ Erreur lors de la génération de la réponse")
        raise

    # 5. Mise à jour de l'historique
    progress_bar.progress(100)
    conversation_entry['answer'] = question_answering_agent_output.answer
    conversation_entry['follow_up_questions'] = question_answering_agent_output.follow_up_questions
    
    st.session_state.conversation_history.append(conversation_entry)
    logging.info("Conversation mise à jour avec succès")
    
    # 6. Rafraîchissement de l'interface
    status_placeholder.empty()
    progress_bar.empty()
    st.rerun()

except Exception as e:
    logging.error(f"Erreur globale dans process_user_question: {str(e)}")
    st.error(f"Une erreur est survenue lors du traitement de votre question: {str(e)}")
    if 'progress_bar' in locals():
        progress_bar.empty()
    return`

[ilanb]

Ok sorry for disturbing :-)
the good use is :

client = instructor.from_openai(OpenAI(base_url=AGENT_OLLAMA_BASE_URL,api_key="ollama"),mode=instructor.Mode.JSON),
model=AGENT_ATOMICAGENTS_MODEL,

    ... Thanks :-)