Kiota项目中自适应卡片在插件清单中的定义与实现
2025-06-24 01:05:58作者:袁立春Spencer
在微软开源的Kiota项目中,开发团队正在解决一个关于自适应卡片(Adaptive Card)在插件清单(plugin manifest)中的定义问题。本文将深入探讨这一功能的技术实现细节和设计考量。
背景与需求
自适应卡片是一种通用的UI格式,允许开发者以一致的方式在不同平台上展示内容。在Kiota项目中,用户希望能够将现有的自适应卡片集成到插件中,但目前存在一些限制:
- Kiota当前必须将自适应卡片直接定义在插件清单中
- 缺乏对外部自适应卡片文件的引用支持
技术方案
开发团队提出了两种可能的解决方案:
- 内联JSON方案:将自适应卡的JSON内容直接写入插件清单
- 外部引用方案:在清单中引用外部自适应卡片文件
经过讨论,团队决定采用外部引用方案,这需要TypeSpec编译器支持从外部文件引用,并通过OpenAPI扩展(x-ai-adaptive-card)来传递这些信息。
实现细节
OpenAPI扩展设计
团队设计了一个新的OpenAPI扩展x-ai-adaptive-card,该扩展需要定义在操作级别,因为每个操作可能需要不同的自适应卡片。扩展包含两个关键属性:
data_path:标识响应中的元素路径file:指向外部自适应卡片文件的路径
示例结构
{
"paths": {
"/emails": {
"get": {
"operationId": "searchEmails",
"x-ai-adaptive-card": {
"data_path": "$.items",
"file": "path_to_file_for_email"
}
}
}
}
}
映射到插件清单
上述OpenAPI扩展将映射到插件清单的functions[n].capabilities.response_semantics部分:
{
"functions": [
{
"name": "searchEmails",
"capabilities": {
"response_semantics": {
"data_path": "$.items",
"static_template": {
"file": "path_to_file_for_email"
}
}
}
}
]
}
技术考量
- 多操作支持:每个操作可以有自己的自适应卡片定义,提高了灵活性
- 向后兼容:当未定义x-ai-adaptive-card扩展时,不会添加response_semantics部分
- 工具链整合:需要TypeSpec编译器、Kiota和TTK(Toolkit)协同工作
实现进展
目前,TTK已经支持外部化自适应卡片的功能。Kiota需要完成的工作包括:
- 读取OpenAPI扩展中的自适应卡片信息
- 正确生成包含外部文件引用的插件清单
- 处理路径解析和文件引用
总结
Kiota项目中对自适应卡片的支持是一个典型的基础设施增强案例,展示了如何通过OpenAPI扩展机制实现功能的灵活扩展。这一改进将使用户能够更轻松地将现有自适应卡片集成到插件中,同时保持代码的整洁和可维护性。随着TTK已经支持相关功能,Kiota的实现将进一步完善整个工具链的生态。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218