Anthropic 函数调用

您可以使用 AnthropicChatModel 注册自定义 Java 函数，并让 Anthropic 模型智能地选择输出包含要调用一个或多个已注册函数的参数的 JSON 对象。这使您可以将 LLM 功能与外部工具和 API 连接起来。claude-3-opus、claude-3-sonnet 和 claude-3-haiku 模型经过训练，可以检测何时应该调用函数，并以符合函数签名的 JSON 形式进行响应。

Anthropic API 不会直接调用函数；相反，模型会生成 JSON，您可以使用它在代码中调用函数并将结果返回给模型以完成对话。

截至 2024 年 4 月 4 日，函数调用尚不支持流式传输，并且工具使用尚未在 Vertex AI 或 AWS Bedrock 等第三方平台上提供，但即将推出。

Spring AI 提供灵活且用户友好的方式来注册和调用自定义函数。通常，自定义函数需要提供函数 name、description 和函数调用 signature（作为 JSON 模式），以让模型了解函数期望的参数。description 有助于模型了解何时调用函数。

作为开发者，您需要实现一个函数，该函数接收来自 AI 模型的函数调用参数，并以结果响应模型。您的函数可以反过来调用其他第三方服务来提供结果。

Spring AI 使这变得像定义一个返回 java.util.Function 的 @Bean 定义并提供 bean 名称作为调用 ChatModel 时的选项一样简单。

在幕后，Spring 使用适当的适配器代码包装您的 POJO（函数），使之能够与 AI 模型交互，从而免去您编写繁琐的样板代码。底层基础设施的基础是 FunctionCallback.java 接口和配套的 FunctionCallbackWrapper.java 实用程序类，用于简化 Java 回调函数的实现和注册。

工作原理

假设我们希望 AI 模型以它没有的信息进行响应，例如给定位置的当前温度。

我们可以为 AI 模型提供有关我们自身函数的元数据，它可以用来在处理您的提示时检索该信息。

例如，如果在处理提示的过程中，AI 模型确定它需要有关给定位置的温度的更多信息，它将启动服务器端生成的请求/响应交互。AI 模型调用客户端函数。AI 模型以 JSON 格式提供方法调用详细信息，客户端负责执行该函数并返回响应。

Spring AI 极大地简化了您需要编写的代码以支持函数调用。它为您代理函数调用对话。您只需将函数定义提供为 @Bean，然后在提示选项中提供函数的 bean 名称即可。您也可以在提示中引用多个函数 bean 名称。

快速入门

让我们创建一个聊天机器人，通过调用我们自己的函数来回答问题。为了支持聊天机器人的响应，我们将注册我们自己的函数，该函数接受一个位置并返回该位置的当前天气。

当对模型的提示的响应需要回答诸如"波士顿的天气怎么样？"之类的问句时，AI 模型将调用客户端，将位置值作为参数传递给函数。此类似 RPC 的数据以 JSON 格式传递。

我们的函数可以使用一些基于 SaaS 的天气服务 API，并将天气响应返回给模型以完成对话。在本例中，我们将使用一个名为MockWeatherService的简单实现，该实现对各种位置的温度进行硬编码。

以下MockWeatherService.java表示天气服务 API

public class MockWeatherService implements Function<Request, Response> {

	public enum Unit { C, F }
	public record Request(String location, Unit unit) {}
	public record Response(double temp, Unit unit) {}

	public Response apply(Request request) {
		return new Response(30.0, Unit.C);
	}
}

将函数注册为 Bean

使用AnthropicChatModel 自动配置，您可以通过多种方式将自定义函数注册为 Spring 上下文中的 Bean。

我们首先描述最友好的 POJO 选项。

纯 Java 函数

在这种方法中，您在应用程序上下文中定义@Beans，就像您处理任何其他 Spring 管理的对象一样。

在内部，Spring AI ChatModel将创建一个FunctionCallbackWrapper包装器的实例，该包装器添加了通过 AI 模型调用它的逻辑。@Bean的名称作为ChatOption传递。

@Configuration
static class Config {

	@Bean
	@Description("Get the weather in location") // function description
	public Function<MockWeatherService.Request, MockWeatherService.Response> weatherFunction1() {
		return new MockWeatherService();
	}
	...
}

@Description注释是可选的，它提供了一个函数描述 (2)，帮助模型理解何时调用该函数。这是一个重要的属性，可以帮助 AI 模型确定要调用哪个客户端函数。

提供函数描述的另一个选项是在MockWeatherService.Request上使用@JsonClassDescription注释来提供函数描述

@Configuration
static class Config {

	@Bean
	public Function<Request, Response> currentWeather3() { // (1) bean name as function name.
		return new MockWeatherService();
	}
	...
}

@JsonClassDescription("Get the weather in location") // (2) function description
public record Request(String location, Unit unit) {}

最佳实践是使用信息对请求对象进行注释，以便该函数的生成的 JSON 模式尽可能具有描述性，以帮助 AI 模型选择要调用的正确函数。

FunctionCallWithFunctionBeanIT.java演示了这种方法。

FunctionCallback 包装器

注册函数的另一种方法是创建FunctionCallbackWrapper包装器，如下所示

@Configuration
static class Config {

	@Bean
	public FunctionCallback weatherFunctionInfo() {

		return new FunctionCallbackWrapper<>("CurrentWeather", // (1) function name
				"Get the weather in location", // (2) function description
				(response) -> "" + response.temp() + response.unit(), // (3) Response Converter
				new MockWeatherService()); // function code
	}
	...
}

它包装了第三方MockWeatherService函数，并将其注册为AnthropicChatModel的CurrentWeather函数。它还提供了一个描述（2）和一个可选的响应转换器（3）来将响应转换为模型期望的文本。

默认情况下，响应转换器会对 Response 对象进行 JSON 序列化。

FunctionCallbackWrapper在内部根据MockWeatherService.Request类解析函数调用签名。

在聊天选项中指定函数

为了让模型知道并调用您的CurrentWeather函数，您需要在提示请求中启用它

AnthropicChatModel chatModel = ...

UserMessage userMessage = new UserMessage("What's the weather like in Paris?");

ChatResponse response = chatModel.call(new Prompt(List.of(userMessage),
		AnthropicChatOptions.builder().withFunction("CurrentWeather").build())); // (1) Enable the function

logger.info("Response: {}", response);

上面的用户问题将触发对CurrentWeather函数的 3 次调用（每个城市一次），并生成最终的响应。

使用提示选项注册/调用函数

除了自动配置之外，您还可以使用提示请求动态注册回调函数

AnthropicChatModel chatModel = ...

UserMessage userMessage = new UserMessage("What's the weather like in Paris?");

var promptOptions = AnthropicChatOptions.builder()
	.withFunctionCallbacks(List.of(new FunctionCallbackWrapper<>(
		"CurrentWeather", // name
		"Get the weather in location", // function description
		new MockWeatherService()))) // function code
	.build();

ChatResponse response = chatModel.call(new Prompt(List.of(userMessage), promptOptions));

在提示中注册的函数在该请求期间默认启用。

这种方法允许根据用户输入动态选择要调用的不同函数。

该FunctionCallWithPromptFunctionIT.java集成测试提供了一个完整的示例，说明如何使用AnthropicChatModel注册函数并在提示请求中使用它。