大模型之Spring AI实战系列（三十二）：Spring Boot + DeepSeek 实战指南：工具函数（Function Call）实战应用

系列篇章💥

前言

随着人工智能技术的飞速发展，大模型在各个领域的应用日益广泛，为开发者带来了前所未有的机遇和挑战。在众多的框架和平台中，Spring Boot以其简洁、高效的特点，成为了构建企业级应用的首选之一。而DeepSeek作为一款强大的人工智能平台，提供了丰富的API接口和功能，能够满足各种复杂的应用需求。本文将深入探讨如何将Spring Boot与DeepSeek相结合，通过工具函数（Function Call）的实战应用，帮助读者快速掌握这一前沿技术，实现高效、智能的应用开发。

一、开发环境准备

（一）Java 版本要求

本项目采用Java 17进行编译和运行，请务必确保你的开发环境已成功安装JDK 17。你可以在命令行中输入以下命令进行检查：

java -version

输出应类似如下内容：

openjdk version "17.0.8" 2023-07-18
OpenJDK Runtime Environment (build 17.0.8+7)
OpenJDK 64-Bit Server VM (build 17.0.8+7, mixed mode, sharing)

（二）Maven 构建工具

确保你已安装 Maven 并配置好环境变量：

mvn -v

输出应类似如下内容：

Apache Maven 3.8.8 (4c87b05d9aedce574290d1acc98575ed5eb6cd39)
Maven home: D:\Program Files (x86)\apache-maven-3.8.8
Java version: 17.0.12, vendor: Oracle Corporation, runtime: D:\Program Files\jdk-17.0.12
Default locale: zh_CN, platform encoding: GBK
OS name: "windows 10", version: "10.0", arch: "amd64", family: "windows"

（三）DeepSeek API Key

你需要注册 DeepSeek 官网 获取 API Key，并设置为环境变量：

export DEEPSEEK_API_KEY="your_deepseek_api_key"

注意：出于安全考虑，不建议将密钥硬编码在代码中，推荐使用环境变量或配置中心进行管理。

二、POM依赖引入

引入DeepSeek集成依赖包

<dependencies>
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-starter-model-deepseek</artifactId>
    </dependency>
</dependencies>

此依赖包用于实现DeepSeek 的集成，为后续与DeepSeek 进行交互提供了必要的支持。

三、配置文件详解

在application.yml中配置DeepSeek服务的基本信息：

server:
  port: 8080
spring:
  ai:
    deepseek:
      api-key: ${DEEPSEEK_API_KEY}
      base-url: https://api.deepseek.com
      chat:
        options:
          model: deepseek-chat
          temperature: 0.8

关键配置说明：

• 使用环境变量DEEPSEEK_API_KEY管理敏感信息，避免硬编码
• 设置temperature为0.8，平衡创造性和准确性
• 默认使用deepseek-chat模型，但在代码中会动态切换到deepseek-reasoner

四、核心代码详解

（一）应用启动类：【DeepSeekApplication.java】

这是 Spring Boot 的启动类，非常简洁：

@SpringBootApplication
public class DeepSeekApplication {

    public static void main(String[] args) {
        SpringApplication.run(DeepSeekApplication.class, args);
    }

}

Spring Boot会自动扫描并加载所有的Controller、Service等Bean，为项目的启动和运行奠定基础。它通过@SpringBootApplication注解开启了Spring Boot的自动配置功能，使得项目能够快速搭建起一个完整的Spring应用环境。

（二）接口服务定义：【WeatherService.java】

public class WeatherService implements Function<WeatherService.WeatherRequest, WeatherService.WeatherResponse> {
    public WeatherResponse apply(WeatherRequest request) {
        return new WeatherResponse(30.0, Unit.C);
    }

    public enum Unit { C, F }
    public record WeatherRequest(String location, Unit unit) {}
    public record WeatherResponse(double temp, Unit unit) {}
}

（二）工具注册配置：【WeatherTools.java】

@Configuration(proxyBeanMethods = false)
class WeatherTools {

    public static final String CURRENT_WEATHER_TOOL = "currentWeather";

    @Bean(CURRENT_WEATHER_TOOL)
    @Description("Get the weather in location")
    Function<WeatherRequest, WeatherResponse> currentWeather() {
        return request -> {
            Assert.notNull(request, "Weather request cannot be null");
            double temperature = fetchTemperature(request.location());
            return new WeatherResponse(temperature, request.unit());
        };
    }

    public enum Unit {
        C, F
    }

    public record WeatherRequest(String location, WeatherService.Unit unit) {}

    public record WeatherResponse(double temp, WeatherService.Unit unit) {}

    private double fetchTemperature(String location) {
        return (Math.random() * 30 + 10); // 温度范围10~40°C
    }
}

这个配置类完成了以下重要功能：

1. 定义工具名称常量CURRENT_WEATHER_TOOL
2. 使用@Bean注解注册天气查询工具
3. 提供详细的JavaDoc文档说明
4. 实现温度单位枚举类型
5. 定义请求和响应记录类
6. 包含模拟的温度获取方法

（三）控制器实现：【FunctionCallingController.java】

/**
 * 函数调用控制器
 *
 * 该控制器用于演示如何使用 DeepSeek 模型进行函数调用（工具调用）。
 * 提供了两种不同的函数调用方式：
 * - /function/tool/test1：直接注册并调用天气查询工具
 * - /function/tool/test2：通过工具名称调用已注册的天气查询工具
 *
 * @author 寻道AI小兵
 */
@RestController
@RequestMapping("/function/tool")
public class FunctionCallingController {
    private static final Logger logger = LoggerFactory.getLogger(FunctionCallingController.class);

    private final DeepSeekChatModel chatModel;

    /**
     * 构造函数注入 DeepSeekChatModel 实例
     *
     * @param chatModel Spring AI 提供的 DeepSeek 聊天模型实例
     */
    @Autowired
    public FunctionCallingController(DeepSeekChatModel chatModel) {
        this.chatModel = chatModel;
    }

    /**
     * 函数调用测试接口1 - 直接注册并调用工具
     *
     * 示例请求：GET /function/tool/test1
     *
     * 功能描述：
     * - 创建一个直接绑定到 WeatherService 的函数调用回调
     * - 构建包含工具调用选项的 ChatOptions
     * - 向 DeepSeek 模型发送带有工具调用能力的提示
     * - 返回模型处理后的文本响应
     *
     * @return 包含 Copenhagen 当前天气信息的文本响应
     */
    @GetMapping("/test1")
    public String functionCallingTest1() {

        // 创建函数调用回调，绑定到 WeatherService
        ToolCallback toolCallback = FunctionToolCallback
                .builder("currentWeather", new WeatherService())
                .description("Get the weather in location")
                .inputType(WeatherService.WeatherRequest.class)
                .build();

        // 构建包含工具调用选项的 ChatOptions
        ChatOptions chatOptions = ToolCallingChatOptions.builder()
                .toolCallbacks(toolCallback)
                .build();

        // 创建包含提示和工具调用配置的 Prompt 对象
        Prompt prompt = new Prompt("What's the weather like in Copenhagen?", chatOptions);

        // 调用 DeepSeek 模型处理请求
        ChatResponse response = chatModel.call(prompt);

        // 返回模型处理后的文本响应
        return response.getResult().getOutput().getText();
    }

    /**
     * 函数调用测试接口2 - 通过工具名称调用已注册工具
     *
     * 示例请求：GET /function/tool/test2
     *
     * 功能描述：
     * - 使用已注册的工具名称构建工具调用选项
     * - 向 DeepSeek 模型发送带有工具调用能力的提示
     * - 返回模型处理后的文本响应
     *
     * 注意事项：
     * - 这种方式依赖于已在 Spring 上下文中注册的工具
     * - 在本示例中需要确保 WeatherTools 配置类已被正确加载
     *
     * @return 包含 Copenhagen 当前天气信息的文本响应
     */
    @GetMapping("/test2")
    public String functionCallingTest2() {

        // 使用已注册工具名称构建工具调用选项
        ChatOptions chatOptions = ToolCallingChatOptions.builder()
                .toolNames("currentWeather")
                .build();

        // 创建包含提示和工具调用配置的 Prompt 对象
        Prompt prompt = new Prompt("What's the weather like in Copenhagen?", chatOptions);

        // 调用 DeepSeek 模型处理请求
        ChatResponse response = chatModel.call(prompt);

        // 返回模型处理后的文本响应
        return response.getResult().getOutput().getText();
    }
}

控制器提供了两种不同的实现方式：

1. 直接注册工具方式：通过functionCallingTest1方法演示

   • 创建函数调用回调
   • 构建包含工具调用选项的ChatOptions
   • 创建包含提示和工具调用配置的Prompt对象
   • 调用DeepSeek模型处理请求

2. 通过工具名称调用方式：通过functionCallingTest2方法演示

   • 使用已注册的工具名称构建工具调用选项
   • 向DeepSeek模型发送带有工具调用能力的提示
   • 返回模型处理后的文本响应

五、部署与测试

（一）启动应用

可以直接基于IntelliJ IDEA启动并运行Spring Boot应用程序，也可以进入项目根目录，执行 mvn clean package 进行打包，之后采用 java -jar xxx.jar 命令进行部署运行。运行成功后，应用将在 http://localhost:8080 启动。

（二）测试接口

完成上述步骤后，你可以运行项目并通过浏览器访问以下URL来测试接口是否正常工作：

可以使用Postman、curl或其他HTTP客户端测试API接口：

1./function/tool/test1：直接注册并调用天气查询工具

http://localhost:8080/function/tool/test1

响应输出：

The current temperature in Copenhagen is 30°C.

2./function/tool/test2：通过工具名称调用已注册的天气查询工具

http://localhost:8080/function/tool/test2

响应输出：

The current temperature in Copenhagen is approximately 34.1°C.

六、总结

通过本文的详细讲解，我们成功地将Spring Boot与DeepSeek进行了集成，并实现了工具函数（Function Call）的实战应用。从开发环境的准备到核心代码的实现，再到最终的部署与测试，每一步都为大家提供了清晰的指导。通过两种不同的函数调用方式的演示，大家可以灵活地选择适合自己的方法来实现功能。希望本文能够为大家在人工智能领域的开发实践提供有价值的参考，助力大家在未来的项目中更好地利用Spring Boot和DeepSeek的强大功能，开发出更加智能、高效的应用程序。

🎯🔖更多专栏系列文章：AI大模型提示工程完全指南、AI大模型探索之路（零基础入门）、AI大模型预训练微调进阶、AI大模型开源精选实践、AI大模型RAG应用探索实践🔥🔥🔥 其他专栏可以查看博客主页📑

😎 作者介绍：资深程序老猿，从业10年+、互联网系统架构师，目前专注于AIGC的探索（CSDN博客之星|AIGC领域优质创作者）
📖专属社群：欢迎关注【小兵的AI视界】公众号或扫描下方👇二维码，回复‘入群’ 即刻上车，获取邀请链接。
💘领取三大专属福利：1️⃣免费赠送AI+编程📚500本，2️⃣AI技术教程副业资料1套，3️⃣DeepSeek资料教程1套🔥（限前500人）
如果文章内容对您有所触动，别忘了点赞、⭐关注，收藏！加入我们，一起携手同行AI的探索之旅，开启智能时代的大门！