什么是Function Calling

Function Calling 是一种技术，它允许大型语言模型（如GPT）在生成文本的过程中调用外部函数或服务。

这种功能的核心在于，模型本身不直接执行函数，而是生成包含函数名称和执行函数所需参数的JSON，然后由外部系统执行这些函数，并将结果返回给模型以完成对话或生成任务。

Function Calling 主要解决了大型语言模型在处理任务时的局限性，尤其是模型自身无法获取实时信息或执行复杂计算的问题。

通过Function Calling，模型可以利用外部工具或服务来扩展其能力，从而能够处理更广泛的任务，如实时数据查询、复杂计算等。

Spring AI 如何实现 Function Calling

Spring AI 提供了一种机制，允许开发者向大型语言模型（LLM）注册自定义函数，并使模型能够在适当的时候调用这些函数。这种功能称为 Function Calling，它可以增强模型的能力，使其能够访问外部工具或动态执行任务。

以下是实现 Function Calling 的一般步骤：

定义函数接口：首先，你需要定义一个遵循 <code>java.util.function.Function 接口的类，该类定义了函数的签名，即函数的输入和输出类型。注册函数为 Spring Bean：通过在 Spring 配置类中声明一个 @Bean 方法，将你的函数实现作为 Spring Bean 注册。你可以使用 @Description 注解来提供函数的描述，这有助于模型理解何时调用该函数。创建 FunctionCallbackWrapper：Spring AI 提供了 FunctionCallbackWrapper 类，它封装了函数的调用逻辑，并将其注册为 FunctionCallback。这是因为 LLM 模型本身并不直接调用函数，而是生成一个包含函数调用详细信息的 JSON 对象，由客户端处理并执行函数。配置 ChatOptions：在创建 OpenAiChatClient 或其他支持 Function Calling 的聊天客户端时，你需要配置 ChatOptions，并通过 withFunction 方法启用你注册的函数。调用函数：在与模型的交互过程中，当模型决定需要调用一个函数时，它会生成一个 JSON 对象，客户端收到这个对象后，会调用注册的函数，并将结果返回给模型。处理函数调用结果：函数执行后，你需要处理返回的结果，并根据需要将结果转换为模型可以理解的格式。

根据上述步骤，结合你的具体应用场景，就可以实现 Spring AI 中的 Function Calling 功能。

一个Function Calling 的Demo

目前SpringAI已经支持了多个模型的function Calling能力，如下：

Anthropic Claude：使用参考 Anthropic Claude function invocation docs.Azure OpenAI：使用参考 Azure OpenAI function invocation docs.Google VertexAI Gemini：使用参考 Vertex AI Gemini function invocation docs.Groq：使用参考 Groq function invocation docs.Mistral AI：使用参考 Mistral AI function invocation docs.Ollama：使用参考 Ollama function invocation docs (ollama 0.2.8还不支持流式输出).OpenAI：使用参考 Open AI function invocation docs.

Ollama API并不直接调用这些函数；相反，模型会生成JSON，在代码中使用这个JSON来调用函数，并将结果返回给模型以继续对话。

Spring AI使得这一过程变得简单，就像定义一个返回<code>java.util.Function的@Bean一样，并在调用时提供bean名称作为选项。

在底层，Spring使用适当的适配器代码来包装您的POJO（简单的Java对象，即函数），这个代码支持与AI模型的交互，从而避免了编写繁琐的样板代码。

底层基础设施的核心是FunctionCallback.java接口和配套的FunctionCallbackWrapper.java实用程序类，它们用于简化Java回调函数的实现和注册。

上手试试

咱们本地使用的是Llama3.1模型来实现Function Calling能力，你可以想象有这样一个场景：

咱们之前聊过一个汽车销售问答平台，现在我希望通过Google搜索的能力，获取市面上某款车的价格，然后上浮2%报价给消费者。

定义一个Function方法

此处为了实现效果，咱们只是mock一个数据。

import com.fasterxml.jackson.annotation.JsonProperty;

import com.fasterxml.jackson.annotation.JsonPropertyDescription;

import lombok.Data;

import org.springframework.context.annotation.Description;

import org.springframework.stereotype.Service;

import java.util.function.Function;

/**

* 通过@Description描述函数的用途，这样ai在多个函数中可以根据描述进行选择。

*/

@Description("汽车价格检索")

@Service

public class MockSearchService implements Function<MockSearchService.SearchRequest, MockSearchService.SearchResponse> {

@Data

public static class SearchRequest {

@JsonProperty(required = true, value = "path")

@JsonPropertyDescription(value = "汽车型号")

String carType;

}

public record SearchResponse(Integer price) {

}

public SearchResponse apply(SearchRequest request) {

System.out.println(request.carType);

// mock 数据

return new SearchResponse(300000);

}

}

使用函数

注入AI模型基座，可以切换不同的AI厂商模型。本案例使用的是Ollama部署的模型。

在实际的开发中可以接收多个函数，通过functions参数传入。然后ai会根据提问从这些函数中选择一个执行。

import lombok.AllArgsConstructor;

import org.springframework.ai.chat.client.ChatClient;

import org.springframework.ai.chat.messages.UserMessage;

import org.springframework.ai.ollama.OllamaChatModel;

import org.springframework.http.MediaType;

import org.springframework.http.codec.ServerSentEvent;

import org.springframework.web.bind.annotation.GetMapping;

import org.springframework.web.bind.annotation.RequestMapping;

import org.springframework.web.bind.annotation.RequestParam;

import org.springframework.web.bind.annotation.RestController;

import reactor.core.publisher.Flux;

import static cn.hutool.json.JSONUtil.toJsonStr;

/**

* function calling controller

*

* @author JingYu

* @date 2024/07/29

*/

@RestController

@RequestMapping("/function/calling")

@AllArgsConstructor

public class FunctionCallingController {

private final OllamaChatModel ollamaChatModel;

/**

* 指定自定义函数回答用户的提问

*

* @param prompt 用户的提问

* @return SSE流式响应

*/

@GetMapping(value = "chat/stream", produces = MediaType.TEXT_EVENT_STREAM_VALUE)

public Flux<ServerSentEvent<String>> chatStreamWithFunction(@RequestParam String prompt) {

return ChatClient.create(ollamaChatModel).prompt().messages(new UserMessage(prompt))

// spring ai会从已注册为bean的function中查找函数，

// 将它添加到请求中。如果成功触发就会调用函数

.functions("mockSearchService").stream()

.chatResponse()

.map(chatResponse -> ServerSentEvent.builder(toJsonStr(chatResponse))

.event("message").build());

}

}

此方式是通过指定function函数的方式，在开发过程中我们是不知道应该使用哪个function的，那么我们可以通过prompt的方式让模型自己决定使用哪个函数：

/**

* 指定自定义函数回答用户的提问

*

* @param prompt 用户的提问

* @return SSE流式响应

*/

@GetMapping(value = "/prompt/chat", produces = MediaType.APPLICATION_JSON_VALUE)

public ChatResponse chatStreamWithPromptFunction(@RequestParam String prompt) {

UserMessage userMessage = new UserMessage(prompt);

OllamaOptions options = OllamaOptions.builder()

.withFunctionCallbacks(List.of(FunctionCallbackWrapper.builder(new MockSearchService())

.withName("mockSearchService")

.withDescription("汽车价格检索")

.withResponseConverter((response) -> "" + response.price())

.build()))

.build();

return ollamaChatModel.call(new Prompt(List.of(userMessage), options));

}

深度分析 Function Calling 的代码结构设计

下图说明了 OllamaChatModel 函数调用的流程：

下图详细说明了 Ollama API 的流程：

Ollama API 调用官方案例：spring-ai/models/spring-ai-ollama/src/test/java/org/springframework/ai/ollama/api/tool/OllamaApiTool