在dotnet/extensions项目中正确使用IServiceProvider实现AI函数调用
理解IServiceProvider在AI函数调用中的作用
在dotnet/extensions项目中,IServiceProvider是依赖注入系统的核心接口,它负责提供应用程序所需的服务实例。当我们需要在AI函数调用中使用服务时,正确获取IServiceProvider实例至关重要。
常见问题分析
开发者经常遇到的一个典型问题是:在创建AI函数实例时,尝试通过AIFunctionArguments的Services属性获取服务,但总是返回null。这种情况通常发生在没有正确设置服务提供程序的情况下。
解决方案详解
要解决这个问题,我们需要理解整个服务传递链:
-
服务注册阶段:首先需要在应用程序构建时正确注册所需服务。例如,使用AddSingleton、AddScoped或AddTransient等方法注册ToolCallingProviderHttp服务。
-
服务传递机制:当使用UseFunctionInvocation中间件时,系统会自动从构建器中获取服务集合,并用这些服务构造FunctionInvokingChatClient实例。
-
调用链传递:FunctionInvokingChatClient会存储这些服务,并在调用InvokeAsync方法时将它们作为参数传递。
正确实现模式
以下是推荐的实现方式:
// 1. 首先确保在服务注册阶段正确配置
var builder = new HostBuilder()
.ConfigureServices(services =>
{
services.AddSingleton<ToolCallingProviderHttp>();
// 其他服务注册...
});
// 2. 在函数创建时使用正确的服务获取方式
var createAIFunctionInstance = (AIFunctionArguments args) =>
{
// 确保args.Services不为null
var toolProvider = args.Services?.GetService<ToolCallingProviderHttp>();
var instance = Activator.CreateInstance(classAssembly, toolProvider);
return instance;
};
最佳实践建议
-
服务验证:在使用服务前,始终检查IServiceProvider是否为null。
-
依赖注入:尽可能使用构造函数注入而非服务获取模式。
-
错误处理:为服务获取添加适当的错误处理逻辑,提供有意义的错误信息。
-
生命周期管理:了解不同服务生命周期(Singleton、Scoped、Transient)的区别,根据需求选择合适的生命周期。
总结
在dotnet/extensions项目中实现AI函数调用时,正确处理IServiceProvider的传递是确保功能正常工作的关键。通过理解服务注册、传递机制和正确实现模式,开发者可以避免常见的服务获取问题,构建更健壮的AI功能集成。记住,服务的可用性取决于整个调用链的正确配置,从服务注册到最终调用的每个环节都需要正确设置。
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