Spring AI Function Call整合实战：Java生态AI开发新范式

1. Spring AI与Function Call深度整合实战

作为一名长期从事AI应用开发的工程师，我一直在寻找能够简化大语言模型集成过程的工具。Spring AI的出现彻底改变了Java生态中AI应用的开发方式，特别是其Function Call功能的引入，让我们能够以更灵活的方式扩展模型能力。本文将分享如何基于Spring AI实现Function Call的完整实践过程。

2. 环境准备与项目搭建

2.1 基础环境配置

开发环境需要满足以下要求：

• JDK 17或更高版本（推荐使用Oracle JDK或OpenJDK）
• Maven 3.6+
• Spring Boot 3.2.3

提示：使用SDKMAN可以方便地管理多个JDK版本，命令sdk install java 17.0.10-tem安装指定版本

2.2 项目初始化

创建Maven项目时，pom.xml中需要包含以下关键依赖：

xml复制<parent>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-parent</artifactId>
    <version>3.2.3</version>
</parent>

<dependencies>
    <!-- Spring AI OpenAI Starter -->
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
        <version>0.8.0</version>
    </dependency>
    
    <!-- 其他工具类依赖 -->
    <dependency>
        <groupId>org.projectlombok</groupId>
        <artifactId>lombok</artifactId>
        <optional>true</optional>
    </dependency>
    <dependency>
        <groupId>cn.hutool</groupId>
        <artifactId>hutool-core</artifactId>
        <version>5.8.24</version>
    </dependency>
</dependencies>

3. Function Call核心实现

3.1 功能服务类设计

我们以实现天气查询功能为例，创建WeatherService类：

java复制@Slf4j
public class WeatherService implements Function<WeatherService.Request, WeatherService.Response> {
    
    @JsonInclude(JsonInclude.Include.NON_NULL)
    @JsonClassDescription("Weather API request")
    public record Request(
        @JsonProperty(required = true, value = "location") 
        @JsonPropertyDescription("The city and state e.g. 广州") 
        String location
    ) {}
    
    public record Response(String weather) {}
    
    @Override
    public Response apply(Request request) {
        log.info("查询天气位置: {}", request.location);
        // 实际项目中这里可以调用第三方天气API
        String weather = switch(request.location()) {
            case "广州" -> "小雨转阴 13~19°C";
            case "深圳" -> "阴 15~26°C";
            default -> "晴 20~30°C";
        };
        return new Response(weather);
    }
}

3.2 Function配置注册

创建配置类将功能注册到Spring上下文：

java复制@Configuration
public class FunctionConfig {
    
    @Bean
    @Description("获取指定位置的天气信息")
    public FunctionCallback weatherFunction() {
        return FunctionCallbackWrapper.builder(new WeatherService())
            .withName("currentWeather")
            .withDescription("Get the weather in location")
            .build();
    }
}

4. 控制器与API集成

4.1 控制器实现

java复制@RestController
@RequestMapping("/api/weather")
public class WeatherController {
    
    @Autowired
    private OpenAiChatClient chatClient;
    
    @GetMapping
    public String getWeather(@RequestParam String city) {
        String systemPrompt = "你是一个智能天气助手";
        SystemPromptTemplate promptTemplate = new SystemPromptTemplate(systemPrompt);
        
        Message systemMessage = promptTemplate.createMessage();
        Message userMessage = new UserMessage(city + "的天气如何？");
        
        OpenAiChatOptions options = OpenAiChatOptions.builder()
            .withFunction("currentWeather")
            .withTemperature(0.3)
            .build();
            
        Prompt prompt = new Prompt(List.of(userMessage, systemMessage), options);
        
        return chatClient.call(prompt)
            .getResults()
            .stream()
            .map(Generation::getOutput)
            .map(AssistantMessage::getContent)
            .collect(Collectors.joining());
    }
}

4.2 交互流程解析

1. 用户提问："广州的天气如何？"
2. 模型识别需要调用weather函数
3. Spring AI自动调用本地WeatherService
4. 服务返回实际天气数据
5. 模型整合结果返回给用户

5. 高级配置与优化

5.1 模型参数调优

application.yml中可配置的OpenAI参数：

yaml复制spring:
  ai:
    openai:
      api-key: ${OPENAI_API_KEY}
      chat:
        options:
          model: gpt-3.5-turbo
          temperature: 0.4  # 控制创造性(0-2)
          max_tokens: 1000  # 最大输出长度
          top-p: 0.9       # 核采样阈值
          presence-penalty: 0.5 # 避免重复内容

5.2 多函数组合调用

可以注册多个FunctionCallback实现复杂场景：

java复制@Configuration
public class MultiFunctionConfig {
    
    @Bean
    public FunctionCallback weatherFunction() {
        // 天气功能配置
    }
    
    @Bean
    public FunctionCallback stockFunction() {
        // 股票查询功能
    }
    
    @Bean
    public FunctionCallback calculatorFunction() {
        // 计算器功能
    }
}

6. 生产环境注意事项

6.1 性能优化建议

1. 为频繁调用的函数添加缓存
2. 设置合理的API超时时间（默认5秒可能不够）
3. 监控函数调用耗时和成功率

6.2 错误处理机制

增强鲁棒性的处理方式：

java复制try {
    ChatResponse response = chatClient.call(prompt);
    // 处理正常响应
} catch (OpenAiApiException e) {
    if (e.getStatusCode().value() == 429) {
        // 处理速率限制
    } else {
        // 其他错误处理
    }
}

7. 扩展应用场景

7.1 企业级应用集成

将Function Call与企业现有系统对接：

• CRM系统客户数据查询
• ERP系统库存检查
• BI系统报表生成

7.2 自定义知识库增强

结合RAG(检索增强生成)技术：

1. 函数调用向量数据库
2. 检索相关文档片段
3. 注入到提示词中

java复制FunctionCallback knowledgeSearch = FunctionCallbackWrapper.builder(query -> {
    // 调用向量数据库
    List<Document> docs = vectorStore.similaritySearch(query);
    return docs.stream().map(Document::getContent).collect(Collectors.joining("\n"));
})
.withName("knowledgeSearch")
.build();

8. 常见问题解决方案

8.1 函数不被识别问题

排查步骤：

1. 确认函数名称拼写一致
2. 检查函数描述是否清晰
3. 验证模型是否支持function calling
4. 检查温度参数是否过高（建议0.3-0.7）

8.2 响应格式异常处理

添加格式校验逻辑：

java复制public Response apply(Request request) {
    if (StringUtils.isBlank(request.location())) {
        throw new IllegalArgumentException("位置参数不能为空");
    }
    // 正常处理逻辑
}

在实际项目中使用Spring AI的Function Call功能时，最大的体会是一定要做好错误边界处理。模型有时会以意想不到的方式调用函数，我们的实现需要足够健壮。另外，为每个函数编写清晰的描述非常重要，这直接影响模型是否以及如何调用它们。