Vercel AI SDK 中 useChat 自定义端点优化实践

在开发基于 Vercel AI SDK 的聊天应用时，开发者经常会遇到需要直接调用 OpenAI 或其他 AI 服务提供商 API 的情况。本文将深入探讨如何优化 useChat 钩子的自定义端点配置，特别是解决 ID 参数强制生成导致的问题。

问题背景

Vercel AI SDK 的 useChat 钩子默认会在请求体中自动生成一个 ID 参数。当开发者选择直接调用 OpenAI 的 API 端点（如 https://api.openai.com/v1/responses）而非通过 Next.js 路由时，这个自动生成的 ID 参数会导致 OpenAI API 返回"请求包含不支持的参数"错误。

解决方案

虽然 SDK 目前没有提供直接禁用 ID 参数的选项，但我们可以通过自定义 fetch 函数的方式来解决这个问题。这种方法不仅灵活，而且保持了代码的整洁性。

实现步骤

1. 理解 useChat 的 fetch 选项

useChat 钩子接受一个 fetch 选项，允许开发者完全控制 HTTP 请求的发送过程。我们可以利用这个特性在请求发送前对参数进行修改。

2. 创建自定义 fetch 函数

以下是一个完整的自定义 fetch 实现示例：

const { messages, input, handleInputChange, handleSubmit } = useChat({
  api: '/api/chat',
  fetch: async (url, options) => {
    // 解析原始请求体
    const originalBody = JSON.parse(options!.body as string);
    
    // 移除不需要的 ID 参数
    const { id, ...filteredBody } = originalBody;
    
    // 创建新的请求选项
    const newOptions = {
      ...options,
      body: JSON.stringify(filteredBody)
    };
    
    // 发送修改后的请求
    return await fetch(url, newOptions);
  }
});

3. 请求调试技巧

在开发过程中，添加日志输出可以帮助我们更好地理解请求结构：

fetch: async (url, options) => {
  console.log('请求URL:', url);
  console.log('请求头:', JSON.stringify(options!.headers, null, 2));
  console.log('请求体:', JSON.stringify(JSON.parse(options!.body! as string), null, 2));
  
  // 实际请求处理逻辑...
  return await fetch(url, options);
}

进阶应用

多提供商适配

这种技术不仅适用于 OpenAI，也可以用于其他 AI 服务提供商。只需根据各个提供商的 API 规范调整参数过滤逻辑即可。

性能优化

对于高频请求场景，可以考虑对 fetch 函数进行进一步优化，如：

• 添加请求缓存
• 实现请求节流
• 加入重试机制

最佳实践

1. 保持一致性：即使直接调用提供商 API，也建议保持与 SDK 默认行为的一致性，便于后续维护。

2. 错误处理：在自定义 fetch 中添加完善的错误处理逻辑，确保应用稳定性。

3. 类型安全：使用 TypeScript 确保参数类型的正确性，避免运行时错误。

总结

通过自定义 fetch 函数，我们可以灵活地控制 useChat 钩子的请求行为，解决与特定 API 提供商的兼容性问题。这种方法展示了 Vercel AI SDK 的高度可扩展性，为开发者提供了应对各种复杂场景的能力。

在实际项目中，建议将这种自定义逻辑封装为可复用的高阶函数或自定义钩子，以提高代码的可维护性和团队协作效率。