上海市建设干部学校网站,大型电子商务系统网站建设,北京知名网站,网页模板之家免费下载前言
在上一篇文章中#xff0c;我们成功地为AI应用装上了“四肢”#xff0c;构建了一个能使用本地计算器工具的初级智能体#xff08;Agent#xff09;。它不再只是一个“知道分子”#xff0c;更是一个能做简单计算的“行动派”。
然而#xff0c;它的“行动”范围还…前言
在上一篇文章中我们成功地为AI应用装上了“四肢”构建了一个能使用本地计算器工具的初级智能体Agent。它不再只是一个“知道分子”更是一个能做简单计算的“行动派”。
然而它的“行动”范围还局限在我们的Java程序内部。真正的智能助手需要能够与广阔的外部世界进行信息交互。今天我们将拆除这堵墙把难度和实用性都提升一个台阶我们将赋予Agent调用外部REST API的能力。
我们将封装一个能查询实时天气预报的API作为新工具打造一个能理解“明天上海天气怎么样”这类自然语言并给出实时、准确答案的智能助手。
第一步选择并分析外部API
为了方便学习我们选择一个免费、稳定且无需API Key的公共天气APIOpen-Meteo。
我们将使用它的天气预报API其基本用法如下
请求URL: https://api.open-meteo.com/v1/forecast请求参数: latitude: 纬度 (e.g., 31.2323)longitude: 经度 (e.g., 121.4692)daily: 需要查询的每日数据比如weather_code,temperature_2m_max (天气代码, 最高温度)timezone: 时区 (e.g., Asia/Shanghai)
一个有趣的挑战是这个API需要经纬度而用户通常只会提供城市名。我们正好可以利用这一点来检验我们Agent的“智力”——LLM本身具备将城市名转换为经纬度的常识知识
第二步创建天气工具 (WeatherTools)
我们将创建一个新的工具类负责调用天气API。 添加spring-boot-starter-web依赖 如果你的项目中还没有RestTemplate请确保pom.xml中包含spring-boot-starter-web它会自动配置RestTemplate等Web客户端。 创建WeatherTools类 在service包下创建WeatherTools.java。 package com.example.aidemoapp.service;import dev.langchain4j.agent.tool.Tool;
import lombok.RequiredArgsConstructor;
import org.springframework.stereotype.Component;
import org.springframework.web.client.RestTemplate;import java.util.Map;Component
RequiredArgsConstructor
public class WeatherTools {private final RestTemplate restTemplate new RestTemplate();Tool(Gets the current weather forecast for a given latitude and longitude.Its important to use this tool ONLY when user asks about weather.)public String getWeatherForecast(double latitude, double longitude) {System.out.printf(Tool executed: getWeatherForecast(lat%.4f, lon%.4f)%n, latitude, longitude);String apiUrl String.format(https://api.open-meteo.com/v1/forecast?latitude%.4flongitude%.4fdailyweather_code,temperature_2m_max,temperature_2m_mintimezoneAsia/Shanghai,latitude, longitude);try {// 使用RestTemplate调用API// 我们期望返回一个Map结构的JSON对象MapString, Object response restTemplate.getForObject(apiUrl, Map.class);if (response ! null response.containsKey(daily)) {MapString, Object dailyData (MapString, Object) response.get(daily);// 简单地提取第一天的数据作为“当前”预报double maxTemp ((java.util.ListDouble) dailyData.get(temperature_2m_max)).get(0);double minTemp ((java.util.ListDouble) dailyData.get(temperature_2m_min)).get(0);return String.format(The weather forecast is: min temperature %.1f°C, max temperature %.1f°C., minTemp, maxTemp);}return Could not retrieve weather data.;} catch (Exception e) {System.err.println(Error calling weather API: e.getMessage());return Error: Unable to get weather forecast.;}}
}代码解析 Tool注解中的描述非常关键它告诉LLM这个工具是干什么的以及何时应该使用它。我们定义了latitude和longitude两个参数把“城市名转经纬度”这个推理任务留给了LLM。内部使用RestTemplate来执行HTTP GET请求。我们对返回的JSON进行了简单的解析提取出最高和最低温度并格式化成一个人类可读的字符串返回。在生产环境中你会使用更健壮的DTO类来做JSON映射。
第三步升级我们的Agent赋予它多种工具
一个Agent可以拥有一个“工具箱”里面放着各种工具。我们只需在创建AiService时把所有工具都提供给它。 修改config/LangChain4jConfig.java 找到agentAssistant的Bean定义将新的WeatherTools也注入进去。 // LangChain4jConfig.java// ... 其他Bean的定义 ...
import com.example.aidemoapp.service.AgentAssistant;
import com.example.aidemoapp.service.CalculatorTools;
import com.example.aidemoapp.service.WeatherTools; // 引入新工具// ...Configuration
public class LangChain4jConfig {// ... 其他已有的Bean ...// 修改Agent服务接口BeanBeanpublic AgentAssistant agentAssistant(ChatModel chatLanguageModel, CalculatorTools calculatorTools,WeatherTools weatherTools) { // 注入新工具return AiServices.builder(AgentAssistant.class).chatModel(chatLanguageModel).tools(calculatorTools, weatherTools) // -- 关键步骤将所有工具都注册进去.build();}
}现在我们的agentAssistant同时拥有了计算器和天气查询两种能力
第四步进行综合测试 启动或重启你的Spring Boot应用。 测试计算能力 请求URL: http://localhost:8080/api/agent/chat?queryWhat is 3 plus14? Agent应该能正确调用CalculatorTools你可能需要先为它添加一个乘法工具并给出答案。 测试天气查询能力 请求URL: http://localhost:8080/api/agent/chat?query明天上海天气怎么样 现在见证奇迹的时刻到了 LLM思考“用户在问上海的天气。我有一个getWeatherForecast工具但它需要经纬度。我知道巴黎的经纬度大约是31.2304,121.4737。”后台日志你会看到类似 TTool executed: getWeatherForecast(lat31.2304, lon121.4737) 的打印。最终回答你会收到一个类似 明天上海的天气预报显示最低气温为23.2°C最高气温为30.1°C。 的实时回答。 测试无工具任务 请求URL: http://localhost:8080/api/agent/chat?queryTell me a story about a brave knight. Agent会发现这个问题不需要任何工具于是直接使用gpt-4o-mini的创作能力来回答你。
总结
今天我们成功地将AI Agent的能力从程序内部延伸到了广阔的互联网世界。通过封装一个调用外部API的工具我们的AI助手变得前所未有的实用。
我们学到了
如何将一个调用外部API的Java方法封装成一个Tool。LLM的强大推理能力它能根据自然语言自主推断出调用工具所需的精确参数如经纬度。如何为一个Agent配置一个包含多种不同能力的“工具箱”。
我们的AI应用开发之旅已经走过了很长的路从最初的简单API调用到RAG再到现在的多功能Agent。我们一直在使用功能强大的LangChain4j框架。但是Spring官方也推出了自己的AI框架——Spring AI。它和LangChain4j有什么异同它能为我们带来什么新的便利 源码获取
本文中所有实战代码均已同步更新至Gitee仓库。建议您git pull拉取最新代码对照本文进行学习。
Gitee仓库地址: https://gitee.com/chaocloud/springboot-langchain4j-demo.git 下一篇预告 《Java大模型开发入门 (13/15)拥抱官方标准 - Spring AI框架入门与实践》—— 我们将探索由Spring官方团队打造的AI框架Spring AI了解它的设计哲学并用它来实现我们之前已经很熟悉的功能看看它能为Spring开发者带来怎样“原汁原味”的开发体验。
