使用 Vercel AI SDK 构建智能对话应用：从基础到多工具集成

引言：AI 应用开发的新范式

在人工智能快速发展的今天，构建一个智能对话系统不再需要复杂的底层实现。想象一下，你只需几行代码就能让应用具备与用户自然交互的能力，并且能够调用各种工具完成特定任务。这正是 Vercel AI SDK 带给开发者的便利。本文将带你探索如何利用这一强大工具包，从零开始构建一个功能完善的 AI 应用，不仅能进行流畅对话，还能集成实用工具扩展能力边界。

为什么选择 Vercel AI SDK？

Vercel AI SDK 提供了统一的 API 接口，让开发者可以轻松集成各种 AI 模型提供商的服务，而无需针对每个提供商编写特定代码。它支持流式响应(Streaming Response)，能提供实时交互体验，同时内置了工具调用框架，让 AI 不仅能"思考"，还能"行动"。

核心功能解析：构建 AI 应用的基石

环境搭建与依赖管理

要开始使用 Vercel AI SDK，首先需要准备好开发环境。我们需要 Node.js 18 或更高版本，以及一个包管理器。以下是初始化项目的完整步骤：

# 创建项目目录并进入
mkdir intelligent-assistant
cd intelligent-assistant

# 初始化项目
pnpm init -y

# 安装核心依赖
pnpm add ai @ai-sdk/openai zod dotenv

# 安装开发依赖
pnpm add -D @types/node tsx typescript

知识点卡片：
核心依赖解析：

• ai：Vercel AI SDK 核心库，提供对话和工具调用功能
• @ai-sdk/openai：OpenAI 模型集成适配器
• zod：TypeScript 优先的模式验证库，确保类型安全
• dotenv：环境变量管理工具，安全存储 API 密钥

基础架构：构建对话系统的核心组件

一个完整的 AI 对话系统包含几个关键组件：模型配置、消息管理和响应处理。让我们通过一个基础示例来理解这些组件如何协同工作。

首先，创建 .env 文件存储 API 密钥：

# .env 文件
OPENAI_API_KEY=your_api_key_here

然后创建 src/main.ts 文件，实现基础对话功能：

import { openai } from '@ai-sdk/openai';
import { CoreMessage, streamText } from 'ai';
import dotenv from 'dotenv';
import * as readline from 'node:readline/promises';

// 加载环境变量
dotenv.config();

// 创建命令行交互界面
const terminal = readline.createInterface({
  input: process.stdin,
  output: process.stdout,
});

// 存储对话历史
const messages: CoreMessage[] = [];

async function startConversation() {
  console.log('欢迎使用智能助手！输入"退出"结束对话。\n');
  
  while (true) {
    // 获取用户输入
    const userInput = await terminal.question('你: ');
    
    // 检查是否退出
    if (userInput.toLowerCase() === '退出') {
      console.log('再见！');
      terminal.close();
      break;
    }
    
    // 将用户消息添加到对话历史
    messages.push({ role: 'user', content: userInput });
    
    try {
      // 调用 AI 模型获取响应
      const result = streamText({
        model: openai('gpt-4o'),  // 指定使用的模型
        messages: messages,       // 传递对话历史
      });
      
      // 处理流式响应
      process.stdout.write('\n助手: ');
      let fullResponse = '';
      
      // 逐块接收并显示响应
      for await (const chunk of result.textStream) {
        fullResponse += chunk;
        process.stdout.write(chunk);
      }
      
      // 添加换行以美化输出
      console.log('\n');
      
      // 将助手响应添加到对话历史
      messages.push({ role: 'assistant', content: fullResponse });
      
    } catch (error) {
      console.error('\n发生错误:', error);
    }
  }
}

// 启动对话
startConversation().catch(console.error);

💡 重点提示：
流式响应是提升用户体验的关键特性。通过 streamText 函数，我们可以在模型生成完整响应前就开始接收并显示内容，让对话感觉更加自然流畅。

扩展思考：
如何实现对话历史的持久化存储？可以考虑使用文件系统或数据库保存对话记录，以便用户下次使用时可以继续之前的对话。

知识点卡片：
对话系统核心流程：

1. 收集用户输入
2. 维护对话历史上下文
3. 调用 AI 模型生成响应
4. 处理并展示流式输出
5. 更新对话历史

功能模块：扩展 AI 的能力边界

工具集成框架：让 AI 拥有"行动力"

虽然大型语言模型(LLM)知识渊博，但在处理实时数据或执行特定任务时仍有局限。工具集成功能让 AI 能够调用外部 API 或函数，极大扩展了其应用范围。

实现股票查询工具

让我们为 AI 添加一个股票价格查询工具。首先，定义工具函数：

import { tool } from 'ai';
import { z } from 'zod';

// 股票价格查询工具
const stockPriceTool = tool({
  description: '获取指定股票代码的当前价格(美元)',
  parameters: z.object({
    symbol: z.string().describe('股票代码，如AAPL表示苹果公司'),
  }),
  execute: async ({ symbol }) => {
    // 在实际应用中，这里会调用真实的股票API
    // 此处使用模拟数据
    const mockPrices = {
      AAPL: 189.5,
      MSFT: 410.25,
      GOOGL: 172.3,
      AMZN: 182.7
    };
    
    // 模拟网络延迟
    await new Promise(resolve => setTimeout(resolve, 800));
    
    return {
      symbol,
      price: mockPrices[symbol as keyof typeof mockPrices] || null,
      currency: 'USD',
      timestamp: new Date().toISOString()
    };
  },
});

然后，修改对话逻辑以支持工具调用：

// 修改streamText调用，添加tools配置
const result = streamText({
  model: openai('gpt-4o'),
  messages,
  tools: {
    getStockPrice: stockPriceTool
  },
  // 启用多步骤工具调用
  maxSteps: 3,
  onStepFinish: (step) => {
    console.log('\n工具调用信息:', JSON.stringify(step, null, 2));
  }
});

💡 重点提示：
工具定义中的 description 和参数描述非常重要，它们帮助 AI 理解何时以及如何使用工具。清晰的描述可以显著提高工具调用的准确性。

扩展思考：
如何处理工具调用失败的情况？可以添加错误处理逻辑，让 AI 能够重试或向用户说明无法获取数据的原因。

添加单位转换工具

为了展示多工具协作，我们再添加一个单位转换工具：

// 单位转换工具
const unitConversionTool = tool({
  description: '进行不同单位之间的转换',
  parameters: z.object({
    value: z.number().describe('要转换的数值'),
    fromUnit: z.string().describe('原始单位，如"cm"、"kg"、"celsius"'),
    toUnit: z.string().describe('目标单位，如"inch"、"lb"、"fahrenheit"'),
  }),
  execute: async ({ value, fromUnit, toUnit }) => {
    // 实现常见单位转换逻辑
    let result: number | null = null;
    
    // 长度转换
    if (fromUnit === 'cm' && toUnit === 'inch') {
      result = value / 2.54;
    } else if (fromUnit === 'inch' && toUnit === 'cm') {
      result = value * 2.54;
    }
    // 温度转换
    else if (fromUnit === 'celsius' && toUnit === 'fahrenheit') {
      result = (value * 9/5) + 32;
    } else if (fromUnit === 'fahrenheit' && toUnit === 'celsius') {
      result = (value - 32) * 5/9;
    }
    // 重量转换
    else if (fromUnit === 'kg' && toUnit === 'lb') {
      result = value * 2.20462;
    } else if (fromUnit === 'lb' && toUnit === 'kg') {
      result = value / 2.20462;
    }
    
    return {
      original: { value, unit: fromUnit },
      converted: result !== null ? { value: parseFloat(result.toFixed(2)), unit: toUnit } : null,
      success: result !== null
    };
  },
});

// 更新工具配置
tools: {
  getStockPrice: stockPriceTool,
  convertUnit: unitConversionTool
}

现在，AI 可以根据用户问题决定调用哪个工具，甚至在需要时组合使用多个工具。

知识点卡片：
工具调用工作流：

1. AI 分析用户问题，决定是否需要调用工具
2. 如果需要，生成工具调用请求
3. 执行工具并获取结果
4. AI 根据工具返回结果生成自然语言响应
5. 如需进一步信息，可进行多轮工具调用

实战案例：构建智能投资助手

现在，让我们整合所学知识，构建一个智能投资助手，它能够回答股票问题并进行货币转换。

完整实现代码

import { openai } from '@ai-sdk/openai';
import { CoreMessage, streamText, tool } from 'ai';
import { z } from 'zod';
import dotenv from 'dotenv';
import * as readline from 'node:readline/promises';

// 加载环境变量
dotenv.config();

// 创建命令行交互界面
const terminal = readline.createInterface({
  input: process.stdin,
  output: process.stdout,
});

// 存储对话历史
const messages: CoreMessage[] = [];

// 股票价格查询工具
const stockPriceTool = tool({
  description: '获取指定股票代码的当前价格(美元)',
  parameters: z.object({
    symbol: z.string().describe('股票代码，如AAPL表示苹果公司'),
  }),
  execute: async ({ symbol }) => {
    // 模拟股票价格API
    const mockPrices = {
      AAPL: 189.5,
      MSFT: 410.25,
      GOOGL: 172.3,
      AMZN: 182.7
    };
    
    await new Promise(resolve => setTimeout(resolve, 800));
    
    return {
      symbol,
      price: mockPrices[symbol as keyof typeof mockPrices] || null,
      currency: 'USD',
      timestamp: new Date().toISOString()
    };
  },
});

// 单位转换工具
const unitConversionTool = tool({
  description: '进行不同单位之间的转换',
  parameters: z.object({
    value: z.number().describe('要转换的数值'),
    fromUnit: z.string().describe('原始单位，如"cm"、"kg"、"celsius"'),
    toUnit: z.string().describe('目标单位，如"inch"、"lb"、"fahrenheit"'),
  }),
  execute: async ({ value, fromUnit, toUnit }) => {
    let result: number | null = null;
    
    // 实现单位转换逻辑
    if (fromUnit === 'cm' && toUnit === 'inch') {
      result = value / 2.54;
    } else if (fromUnit === 'inch' && toUnit === 'cm') {
      result = value * 2.54;
    } else if (fromUnit === 'celsius' && toUnit === 'fahrenheit') {
      result = (value * 9/5) + 32;
    } else if (fromUnit === 'fahrenheit' && toUnit === 'celsius') {
      result = (value - 32) * 5/9;
    } else if (fromUnit === 'kg' && toUnit === 'lb') {
      result = value * 2.20462;
    } else if (fromUnit === 'lb' && toUnit === 'kg') {
      result = value / 2.20462;
    }
    
    return {
      original: { value, unit: fromUnit },
      converted: result !== null ? { value: parseFloat(result.toFixed(2)), unit: toUnit } : null,
      success: result !== null
    };
  },
});

async function startInvestmentAssistant() {
  console.log('欢迎使用智能投资助手！我可以帮你查询股票价格和进行单位转换。');
  console.log('输入"退出"结束对话。\n');
  
  while (true) {
    const userInput = await terminal.question('你: ');
    
    if (userInput.toLowerCase() === '退出') {
      console.log('感谢使用，再见！');
      terminal.close();
      break;
    }
    
    messages.push({ role: 'user', content: userInput });
    
    try {
      const result = streamText({
        model: openai('gpt-4o'),
        messages,
        tools: {
          getStockPrice: stockPriceTool,
          convertUnit: unitConversionTool
        },
        maxSteps: 3,
        onStepFinish: (step) => {
          console.log('\n[工具调用信息]:', JSON.stringify(step, null, 2));
        }
      });
      
      process.stdout.write('\n助手: ');
      let fullResponse = '';
      
      for await (const chunk of result.textStream) {
        fullResponse += chunk;
        process.stdout.write(chunk);
      }
      
      console.log('\n');
      messages.push({ role: 'assistant', content: fullResponse });
      
    } catch (error) {
      console.error('\n发生错误:', error);
    }
  }
}

startInvestmentAssistant().catch(console.error);

运行与测试

添加一个启动脚本到 package.json：

{
  "scripts": {
    "start": "tsx src/main.ts"
  }
}

运行应用：

pnpm start

尝试以下问题来测试功能：

• "苹果公司的股票价格是多少？"
• "把100美元转换成人民币是多少？"
• "微软股票价格用人民币计算是多少？"（这将触发多工具调用）

扩展思考：
如何添加更多金融相关工具，如汇率查询、市场新闻获取等，使助手更具实用性？考虑集成真实的金融 API 来提供实时数据。

场景扩展：从命令行到生产环境

常见问题排查

在开发 AI 应用时，你可能会遇到以下常见问题：

1. API 密钥错误

   • 症状：无法连接到 OpenAI 服务，出现认证错误
   • 解决方案：检查 .env 文件中的 API 密钥是否正确，确保没有额外的空格或引号

2. 工具调用不触发

   • 症状：AI 应该调用工具但没有调用
   • 解决方案：改进工具描述，确保问题明确需要工具支持，增加 maxSteps 值

3. 流式响应中断

   • 症状：响应突然停止或不完整
   • 解决方案：检查网络连接，添加超时处理，实现断点续传机制

4. 对话历史管理

   • 症状：对话上下文丢失或超出模型 token 限制
   • 解决方案：实现对话历史截断机制，只保留最近的关键对话

5. 工具返回结果处理

   • 症状：AI 无法正确解析工具返回的结果
   • 解决方案：标准化工具返回格式，提供更详细的结果描述

部署与扩展建议

要将你的 AI 应用从开发环境推向生产，可以考虑以下步骤：

1. Web 界面转换：使用 React、Vue 或其他前端框架构建友好的用户界面
2. API 封装：将功能封装为 REST 或 GraphQL API，供多个客户端使用
3. 用户认证：添加用户系统，为不同用户保存个性化对话历史
4. 性能优化：实现缓存机制，减少重复的 AI 模型调用
5. 监控与日志：添加应用监控和日志系统，追踪性能和使用情况

进阶学习路径

掌握了基础之后，你可以通过以下路径进一步提升：

1. 多模态交互：学习如何处理图像、音频等非文本输入，构建更丰富的交互体验
2. 检索增强生成(RAG)：结合知识库实现更准确、最新的 AI 响应
3. 自定义模型微调：根据特定领域数据微调模型，提高专业任务表现
4. 多模型协作：学习如何组合使用不同专长的模型，如文本模型、图像模型等
5. AI 代理系统：构建能够自主规划、执行复杂任务的 AI 代理

总结

通过本文，你已经了解了如何使用 Vercel AI SDK 构建功能丰富的 AI 应用。从基础的对话系统到集成实用工具，再到处理复杂的多步骤任务，Vercel AI SDK 提供了一套完整的解决方案。随着 AI 技术的不断发展，这些工具和技术将帮助你构建更智能、更有用的应用。

记住，最好的学习方式是实践。尝试扩展本文中的示例，添加新的工具，改进用户体验，或者将其部署为一个真正的产品。AI 应用开发正处于快速发展阶段，掌握这些技能将为你打开新的可能性。