大家好，我是 同学小张，持续学习C++进阶知识和AI大模型应用实战案例，持续分享，欢迎大家点赞+关注，共同学习和进步。

月之暗面(moonshot)最近很火呀，本文我们紧跟一下实事，看下Moonshot AI的API调用，以及在LangChain中如何使用。

文章目录

0. 前期准备1. 基本使用2. 工具使用3. LangChain中使用3.1 使用 MoonshotChat3.2 使用 ChatOpenAI

4. LangChain中使用 + 使用工具

0. 前期准备

官网，注册账号，登录，申请API KEY

申请API KEY：https://platform.moonshot.cn/console/api-keys

申请的Key是有一点免费额度的。又能白嫖了，真开心。

1. 基本使用

官方文档：https://platform.moonshot.cn/docs/api/chat#%E5%9F%BA%E6%9C%AC%E4%BF%A1%E6%81%AF

使用 Moonshot AI API进行简单的对话，代码如下：

from openai import OpenAI

client = OpenAI(

api_key = "$MOONSHOT_API_KEY",

base_url = "https://api.moonshot.cn/v1",

)

completion = client.chat.completions.create(

model = "moonshot-v1-8k",

messages = [

{ "role": "system", "content": "你是 Kimi，由 Moonshot AI 提供的人工智能助手，你更擅长中文和英文的对话。你会为用户提供安全，有帮助，准确的回答。同时，你会拒绝一切涉及恐怖主义，种族歧视，黄色暴力等问题的回答。Moonshot AI 为专有名词，不可翻译成其他语言。"},

{ "role": "user", "content": "你好，我叫李雷，1+1等于多少？"}

],

temperature = 0.3,

)

print(completion.choices[0].message)

可以看到，其接口的使用形式完全兼容OpenAI，甚至可以当作就是用的OpenAI的接口，只是将api_key、base_url、model三个值换成了Moonshot的。

2. 工具使用

工具的使用方式，示例代码如下，也与OpenAI的接口完全兼容。

import os

moonshot_api_key = os.getenv('MOONSHOT_API_KEY')

moonshot_base_url = os.getenv('MOONSHOT_BASE_URL')

moonshot_model = "moonshot-v1-8k"

from openai import OpenAI

client = OpenAI(

api_key = moonshot_api_key,

base_url = moonshot_base_url,

)

completion = client.chat.completions.create(

model = moonshot_model,

messages = [

{ "role": "system", "content": "你是 Kimi，由 Moonshot AI 提供的人工智能助手，你更擅长中文和英文的对话。你会为用户提供安全，有帮助，准确的回答。同时，你会拒绝一切涉及恐怖主义，种族歧视，黄色暴力等问题的回答。Moonshot AI 为专有名词，不可翻译成其他语言。"},

{ "role": "user", "content": "编程判断 3214567 是否是素数。"}

],

tools = [{

"type": "function",

"function": {

"name": "CodeRunner",

"description": "代码执行器，支持运行 python 和 javascript 代码",

"parameters": {

"properties": {

"language": {

"type": "string",

"enum": ["python", "javascript"]

},

"code": {

"type": "string",

"description": "代码写在这里"

}

},

"type": "object"

}

}

}],

temperature = 0.3,

)

print(completion.choices[0].message)

以上示例代码的运行结果：

3. LangChain中使用

LangChain中，有两种使用方式。

3.1 使用 MoonshotChat

LangChain对Moonshot模型进行了单独的封装，使用方式如下：

from langchain_community.chat_models.moonshot import MoonshotChat

model = MoonshotChat(api_key=moonshot_api_key, base_url=moonshot_base_url, model="moonshot-v1-128k")

3.2 使用 ChatOpenAI

在1、2节中，我们看到，Moonshot的API接口与OpenAI的完全兼容，因此，在LangChain中我们也可以使用ChatOpenAI来调用Moonshot AI，使用方式如下：

from langchain_openai.chat_models import ChatOpenAI

model = ChatOpenAI(api_key=moonshot_api_key, base_url=moonshot_base_url, model=moonshot_model, temperature=0)

这里只展示使用方法，具体的使用，在下面一起介绍。

4. LangChain中使用 + 使用工具

这里我们使用 【AI Agent系列】【LangGraph】2. 再进阶：给你的LangGraph加入循环逻辑（Cycles） 这篇文章中的代码，进行修改。

为什么用这个代码？因为遇到了坑，刚好给大家避坑…

从第3节中，我们得到了Moonshot的model，那我们就把下面红框中的代码替换掉就好了。

是不是觉得很可行？理论上是可以的。

但是实操过程中，发现，大模型根本识别不了tools…无论如何都识别不了。

如何解决呢？我找到了一种解决办法：

# from langchain.tools.render import format_tool_to_openai_function

# functions = [format_tool_to_openai_function(t) for t in tools]

# model = model.bind_functions(functions)

# 改为：

model = model.bind_tools(tools=tools)

修改后，运行结果如下：

可以看到，成功识别到了tools。

如果觉得本文对你有帮助，麻烦点个赞和关注呗 ~~~

大家好，我是 同学小张，持续学习C++进阶知识和AI大模型应用实战案例欢迎 点赞 + 关注 👏，持续学习，持续干货输出。+v: jasper_8017 一起交流💬，一起进步💪。