解析dotnet/extensions项目中AIFunction参数验证问题
问题背景
在dotnet/extensions项目的AI功能模块中,开发者MikeAlhayek遇到了一个关于AIFunction参数验证的问题。当尝试创建一个用于导入JSON配方的AIFunction时,系统抛出了一个关于参数schema验证的错误,提示"required"数组中包含了properties中不存在的键。
问题分析
原始代码问题
开发者最初实现的AIFunction定义了一个名为"import_recipe"的工具,期望接收一个JSON对象作为参数。关键问题出现在schema定义部分:
var metadata = new JsonObject
{
{"type", "object"},
{"properties", new JsonObject
{
{ "recipe", new JsonObject
{
{"type", "object" },
{"description", "A JSON object representing an OrchardCore recipe" },
}
}
}
},
{"required", new JsonArray("recipe") },
// 其他配置...
};
错误原因
根据微软团队成员的诊断,这个问题实际上是由两个因素共同导致的:
-
缺少additionalProperties声明:在JSON Schema中,当type为object时,最佳实践是明确声明是否允许额外属性。这可以通过设置additionalProperties为true或false来实现。
-
参数类型定义问题:将recipe参数的类型直接定义为"object"可能会导致一些验证问题,特别是在与AI服务交互时。
解决方案
临时解决方案
微软团队成员提供了两种临时解决方案:
- 修改schema定义:将recipe参数的类型改为string,并添加additionalProperties声明:
JsonSchema = JsonSerializer.Deserialize<JsonElement>("""
{
"type": "object",
"properties": {
"recipe": {
"type": "string",
"description": "A JSON object representing an OrchardCore recipe"
}
},
"additionalProperties": false,
"required": ["recipe"]
}
""");
- 禁用严格验证:通过设置AdditionalProperties来关闭严格验证模式:
public override IReadOnlyDictionary<string, object?> AdditionalProperties { get; } = new Dictionary<string, object?>()
{
["Strict"] = false,
};
根本解决方案
微软团队已经识别到这个问题是由于OpenAI服务默认开启了严格验证模式导致的,并已经在代码库中提交了修复(PR #6285),准备将strict模式的默认值改回false。
深入理解
JSON Schema验证
在实现AIFunction时,参数验证依赖于JSON Schema规范。一个完整的对象类型定义应该包含:
- type声明
- properties定义
- additionalProperties声明
- required数组(可选)
AIFunction调用机制
值得注意的是,即使解决了schema验证问题,开发者还需要正确处理函数调用请求。这通常需要:
- 手动处理函数调用响应
- 或者在管道中添加FunctionInvokingChatClient来自动处理
最佳实践建议
基于这个案例,我们可以总结出一些在dotnet/extensions项目中实现AIFunction的最佳实践:
-
完整的schema定义:始终为对象类型参数提供完整的schema定义,包括additionalProperties声明。
-
参数类型选择:对于复杂对象,考虑使用string类型接收JSON字符串,然后在代码中反序列化,这通常比直接使用object类型更可靠。
-
错误处理:在InvokeCoreAsync方法中实现健壮的错误处理逻辑,特别是对于参数转换和验证。
-
测试验证:在开发过程中充分测试各种边界情况,确保函数能够正确处理各种输入。
总结
这个案例展示了在dotnet/extensions项目中使用AIFunction时可能遇到的一个典型问题。通过理解JSON Schema的验证规则和AI服务的交互机制,开发者可以避免类似问题,构建更健壮的AI功能集成。微软团队已经识别并修复了相关问题,同时提供了临时解决方案,体现了开源社区协作解决问题的效率。
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