AWS .NET SDK中Bedrock MEAI扩展工具调用问题的分析与解决
问题背景
在使用AWS .NET SDK的AWSSDK.Extensions.Bedrock.MEAI扩展时,开发者尝试通过IChatClient接口调用Bedrock服务并添加AITool工具时遇到了服务器端验证错误。错误信息明确指出JSON Schema定义存在问题:"The json schema definition at toolConfig.tools.10.toolSpec.inputSchema is invalid. Fix the following errors and try again: $.properties: null found, object expected"。
问题现象
当开发者使用以下代码模式时会出现问题:
IChatClient client = runtime.AsChatClient("us.anthropic.claude-3-7-sonnet-20250219-v1:0");
ChatOptions chatOptions = new ChatOptions();
AITool toolInLine = MyTools.GetAITestTool();
chatOptions.Tools.Add(toolInLine);
client.GetStreamingResponseAsync(messages,chatOptions);
错误表明在toolConfig.tools数组中的第10个工具的inputSchema.properties字段应为对象类型,但实际收到了null值。
技术分析
根本原因
经过深入分析,发现问题出在AWSSDK.Extensions.Bedrock.MEAI扩展包对AITool的转换逻辑上。当创建AITool时,如果工具函数没有参数,生成的JSON Schema中的properties字段会被设置为空对象{},而Bedrock服务端期望这个字段至少包含一些属性定义。
底层机制
在AWS Bedrock服务中,工具调用需要明确定义输入参数的JSON Schema。这个Schema需要包含:
- type字段(通常设为"object")
- properties字段(定义各个输入参数)
- required字段(列出必填参数)
当使用Microsoft.Extensions.AI包创建AITool时,如果工具函数没有参数,生成的Schema中properties字段会为空,这不符合Bedrock服务的预期。
解决方案
AWS SDK团队已经发布了修复版本AWSSDK.Extensions.Bedrock.MEAI 4.0.1.1,主要修改了工具配置的生成逻辑:
- 确保即使没有输入参数,也会生成合法的Schema结构
- 正确处理空properties的情况
- 保持与Bedrock服务端期望的Schema格式一致
修复后的代码会检查inputs.Type是否为Null,只有在有实际输入参数时才添加properties字段。
开发者应对策略
对于遇到此问题的开发者,可以采取以下措施:
- 升级到AWSSDK.Extensions.Bedrock.MEAI 4.0.1.1或更高版本
- 如果暂时无法升级,可以为工具函数添加虚拟参数作为临时解决方案
- 确保工具定义时提供完整的描述信息
最佳实践
在使用Bedrock的AI工具功能时,建议:
- 始终为工具函数定义清晰的输入参数
- 为每个工具提供详细的名称和描述
- 在ChatOptions中明确指定工具的使用方式
- 处理工具调用时检查返回状态和结果
总结
这个问题展示了AWS服务与客户端SDK之间Schema验证的重要性。通过这次修复,AWS .NET SDK更好地处理了无参数工具的情况,为开发者提供了更稳定的工具调用体验。开发者应当保持SDK的及时更新,以获取最新的功能改进和错误修复。
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