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。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00