Spring AI项目中禁用Azure OpenAI聊天客户端自动配置的解决方案

在Spring AI项目中集成Azure OpenAI服务时，开发者可能会遇到一个常见问题：即使明确设置了禁用自动配置的属性，系统仍然会尝试自动配置聊天客户端，导致出现API密钥缺失的错误。本文将深入分析这一问题，并提供完整的解决方案。

问题现象

当开发者在Spring Boot应用中集成Azure OpenAI服务时，即使已经在application.properties文件中设置了以下配置：

spring.ai.chat.client.enabled=false
spring.ai.azure.openai.chat.enabled=false

应用启动时仍然会抛出异常，提示"Either API key or OpenAI API key must not be empty"。这表明自动配置机制仍在运行，而开发者期望的是完全手动配置聊天客户端。

问题根源

经过深入分析，发现问题出在项目依赖的选择上。许多开发者会错误地引入starter依赖：

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-azure-openai-spring-boot-starter</artifactId>
</dependency>

starter依赖会自动引入Spring Boot的自动配置机制，即使开发者设置了禁用属性，某些核心配置仍然会被自动处理。这正是导致问题的根本原因。

正确解决方案

要完全实现手动配置，应该使用非starter的基础依赖：

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-azure-openai</artifactId>
</dependency>

这种依赖方式不会引入自动配置机制，允许开发者完全控制客户端的创建和配置过程。

完整手动配置示例

采用正确依赖后，可以按照以下方式手动配置Azure OpenAI聊天客户端：

// 从数据库或其他自定义来源获取配置
String apiKey = configRepository.getAzureOpenAiApiKey();
String endpoint = configRepository.getAzureOpenAiEndpoint();
String modelName = configRepository.getModelName();

// 手动构建客户端
var openAIClient = new OpenAIClientBuilder()
    .credential(new AzureKeyCredential(apiKey))
    .endpoint(endpoint)
    .buildClient();

// 配置聊天选项
var openAIChatOptions = AzureOpenAiChatOptions.builder()
    .deploymentName(modelName)
    .temperature(0.4)
    .maxTokens(200)
    .build();

// 创建聊天模型
var chatModel = new AzureOpenAiChatModel(openAIClient, openAIChatOptions);

// 使用模型
ChatResponse response = chatModel.call(
    new Prompt("生成一段技术文档摘要"));

最佳实践建议

1. 明确配置来源：如果配置需要从数据库获取，建议创建一个配置服务层统一管理这些值。

2. 环境隔离：即使手动配置，也建议区分开发、测试和生产环境的配置。

3. 异常处理：为API调用添加适当的异常处理和重试机制。

4. 性能考量：考虑使用连接池或缓存机制优化客户端实例的创建。

通过以上方式，开发者可以完全掌控Azure OpenAI客户端的配置过程，实现更灵活的集成方案，满足从数据库等自定义来源读取配置的需求。