Spring AI与DeepSeek实战四：系统API调用

一、概述

在 AI 应用开发中，工具调用 Tool Calling 是增强大模型能力的核心技术。通过让模型与外部 API 或工具交互，可实现 实时信息检索（如天气查询、新闻获取）、系统操作（如创建任务、发送邮件）等功能。

Spring AI 作为企业级 AI 开发框架，在 1.0.0.M6 版本中进行了重要升级：废弃 Function Calling 引入 Tool Calling 以更贴合行业术语；本文结合 Spring AI 与大模型，演示如何通过 Tool Calling 实现系统 API 调用，同时处理多轮对话中的会话记忆。

关于 Spring AI 与 DeepSeek 的集成，以及 API-KEY 的申请等内容，可参考文章《Spring AI与DeepSeek实战一：快速打造智能对话应用》

二、函数调用原理

大模型仅负责 决定是否调用工具 和 提供参数，实际执行逻辑由客户端（Spring 应用）实现，确保工具调用的可控性与安全性。

2.1. 工具元数据注入

在发起Chat Request时，将工具描述（name/description）、参数结构（input schema）等元数据封装至请求体，建立大模型的工具调用能力基线。

2.2. 模型决策响应

大模型根据上下文推理生成工具调用指令（tool_calls字段），返回包含选定工具名称及结构化参数的中间响应。

2.3. 服务端路由执行

Spring AI模块解析工具调用指令，通过服务发现机制定位目标工具实例，注入参数并触发同步/异步执行。

2.4. 执行结果标准化

工具返回原始执行结果后，系统进行数据类型校验、异常捕获和JSON序列化处理，生成模型可解析的标准化数据结构。

2.5. 上下文增强推理

将标准化结果作为新增上下文（tool_outputs）回传大模型，触发基于增强上下文的二次推理流程。

2.6. 终端响应生成

模型综合初始请求与工具执行结果，生成最终自然语言响应，完成工具增强的对话闭环。

三、核心代码

3.1. 定义工具

创建类 TestTools 并用 @Tool 注解定义 tool 的描述

public static class TestTools {

    @Tool(description = "获取今天日期")

    String getCurrentDateTime() {

        System.out.println("======getCurrentDateTime");

        return LocalDate.now().format(DateTimeFormatter.ofPattern("yyyy年MM月dd日"));

    }

    @Tool(description = "获取当前温度")

    String getCurrentTemperature(MyToolReques  toolReques) {

        System.out.println("======getCurrentTemperature: " + toolReques.localName + "__" + toolReques.date);

        return toolReques.date + toolReques.localName + "温度为20摄氏度";

    }

    public record MyToolReques(String localName, String date) {}

}

这里定义了两个方法，并通过注解的 description 参数告诉大模型方法的用途。

record 类型是 Java17 的新特性，可用于替代传统的 POJO 类。

3.2. 创建对话接口

private ChatMemory chatMemory = new InMemoryChatMemory();

private MessageChatMemoryAdvisor messageChatMemoryAdvisor = new MessageChatMemoryAdvisor(chatMemory);

@GetMapping(value = "/chat")

public String chat(@RequestParam String input, String sessionId, HttpServletResponse response) {

    response.setCharacterEncoding("UTF-8");

    return chatClient.prompt().user(input)

            .tools(new TestTools())

            .advisors(messageChatMemoryAdvisor)

            .advisors(spec -> spec

                    .param(MessageChatMemoryAdvisor.CHAT_MEMORY_CONVERSATION_ID_KEY, sessionId))

            .call()

            .content();

}

tools 给大模型注册可以调用的方法。
MessageChatMemoryAdvisor 实现聊天记忆，InMemoryChatMemory 为 SpringAI 自带的实现（基于内存）。
可以使用 CHAT_MEMORY_CONVERSATION_ID_KEY 参数指定对话ID，不同的会话ID用于隔离记忆。

3.3. 测试

通过后台打印信息可以看到大模型会自动识别，先调用 getCurrentDate 方法获取今天日期，再调用 getCurrentTemperature 方法获取天气。

======getCurrentDate

======getCurrentTemperature: 广州__2025年04月13日

加一个聊天框，测试多轮对话效果：

第二次会话直接输入广州大模型就知道我要问什么了，说明聊天记忆功能已生效。

四、总结

本文以问天气为场景，通过 Tool Calling 实现系统 API 调用，同时实现多轮对话中的会话记忆。需要注意的是 InMemoryChatMemory 只能作为测试使用，在企业应用中需要使用其他实现方式，把聊天记录存储在 Redis 或者 数据库中，并且需要考虑消息的保存时间、容量、如何清除等问题。

五、完整代码

Gitee地址：

https://gitee.com/zlt2000/zlt-spring-ai-app

Github地址：

https://github.com/zlt2000/zlt-spring-ai-app