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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00