Kiota项目中的自适应卡片支持增强
在API开发领域,OpenAPI规范已经成为描述RESTful API的事实标准。微软开源的Kiota项目作为一个API客户端生成工具,能够根据OpenAPI规范自动生成强类型的客户端代码。最近,Kiota项目增加了一项重要功能:支持在OpenAPI描述中嵌入自适应卡片(Adaptive Card)信息,并在生成的API树结构中返回这些信息。
背景与需求
自适应卡片是微软提出的一种通用卡片格式,能够在不同平台和应用之间共享富内容。在API开发中,将自适应卡片信息与API操作关联起来,可以为开发者提供更丰富的交互体验。例如,当开发者调用某个API操作时,可以自动显示与该操作相关的可视化卡片。
Kiota项目需要扩展其功能,以支持从OpenAPI描述中提取自适应卡片信息,并在生成的API树结构中包含这些信息。具体来说,当OpenAPI描述中的操作包含x-ai-adaptive-card扩展时,Kiota应该能够识别并返回这些信息。
技术实现
在OpenAPI规范中,可以通过扩展字段x-ai-adaptive-card来定义自适应卡片信息。一个典型的定义如下:
x-ai-adaptive-card:
dataPath: $.test
file: path_to_adaptive_card_file
这个扩展包含两个关键属性:
- dataPath:指定了从API响应中提取数据的JSON路径
- file:指向自适应卡片模板文件的路径
Kiota的RPC服务器中的ShowAsync方法需要被修改,以返回这些自适应卡片信息。同时,getKiotaTree方法也需要相应调整,确保在返回的API树结构中包含这些信息。
实现细节
为了实现这一功能,Kiota项目需要进行以下主要修改:
-
OpenAPI解析器增强:扩展OpenAPI解析逻辑,识别操作中的x-ai-adaptive-card扩展字段。
-
数据结构扩展:在内部数据结构中添加自适应卡片信息的表示,确保这些信息能够被保留并传递到生成的API树中。
-
RPC接口调整:修改ShowAsync方法的实现,使其能够处理并返回自适应卡片信息。
-
getKiotaTree方法更新:确保该方法返回的每个操作节点都包含相关的自适应卡片信息(如果存在)。
技术价值
这一增强为Kiota项目带来了以下技术价值:
-
更丰富的API描述:开发者不仅能够获取API的结构信息,还能获得相关的可视化表示。
-
更好的开发体验:集成开发环境可以利用这些自适应卡片信息,为开发者提供更直观的API交互方式。
-
标准化扩展:通过遵循OpenAPI的扩展机制,保持了与现有工具链的兼容性。
-
未来扩展基础:为后续可能添加的更多API元数据支持奠定了基础。
总结
Kiota项目对自适应卡片的支持是一个典型的渐进式增强,它保持了与现有OpenAPI规范的兼容性,同时为开发者提供了更丰富的API交互能力。这一功能的实现展示了Kiota项目对开发者体验的持续关注,以及其在API工具链生态中的创新精神。
对于使用Kiota的开发者来说,这意味着他们现在可以在API描述中嵌入可视化信息,并在生成的客户端代码中利用这些信息构建更丰富的用户界面。这种能力特别适合需要将API操作与前端展示紧密集成的应用场景。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00