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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C033
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
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