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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00