当前位置:   article > 正文

开源模型应用落地-FastAPI-助力模型交互-WebSocket篇(五)_fastapi 开源物联网平台

fastapi 开源物联网平台

一、前言

    使用 FastAPI 可以帮助我们更简单高效地部署 AI 交互业务。FastAPI 提供了快速构建 API 的能力,开发者可以轻松地定义模型需要的输入和输出格式,并编写好相应的业务逻辑。

    FastAPI 的异步高性能架构,可以有效支持大量并发的预测请求,为用户提供流畅的交互体验。此外,FastAPI 还提供了容器化部署能力,开发者可以轻松打包 AI 模型为 Docker 镜像,实现跨环境的部署和扩展。

    总之,使用 FastAPI 可以大大提高 AI 应用程序的开发效率和用户体验,为 AI 模型的部署和交互提供全方位的支持。

    LangChain基础入门:开源模型应用落地-FastAPI-助力模型交互-WebSocket篇(一),本篇学习如何集成LangChain进行模型交互,并使用工具获取实时信息


二、术语

2.1.FastAPI

    FastAPI 是一个用于构建 API 的现代、快速(高性能)的 Python Web 框架。它是基于标准 Python 类型注释的 ASGI (Asynchronous Server Gateway Interface) 框架。

FastAPI 具有以下主要特点:

  1. 快速: FastAPI 使用 ASGI 服务器和 Starlette 框架,在性能测试中表现出色。它可以与 Uvicorn 一起使用,提供非常高的性能。

  2. 简单: FastAPI 利用 Python 类型注释,使 API 定义变得简单且直观。开发人员只需要定义输入和输出模型,FastAPI 会自动生成 API 文档。

  3. 现代: FastAPI 支持 OpenAPI 标准,可以自动生成 API 文档和交互式文档。它还支持 JSON Schema 和数据验证。

  4. 全功能: FastAPI 提供了路由、依赖注入、数据验证、安全性、测试等功能,是一个功能齐全的 Web 框架。

  5. 可扩展: FastAPI 被设计为可扩展的。开发人员可以轻松地集成其他库和组件,如数据库、身份验证等。

2.2.WebSocket

    是一种计算机通信协议,它提供了在单个 TCP 连接上进行全双工通信的机制。它是 HTML5 一个重要的组成部分。

WebSocket 协议主要有以下特点:

  1. 全双工通信:WebSocket 允许客户端和服务器之间进行双向实时通信,即数据可以同时在两个方向上流动。这与传统的 HTTP 请求-响应模型不同,HTTP 中数据只能单向流动。

  2. 持久性连接:WebSocket 连接是一种持久性的连接,一旦建立就会一直保持,直到客户端或服务器主动关闭连接。这与 HTTP 的连接是短暂的不同。

  3. 低开销:相比 HTTP 请求-响应模型,WebSocket 在建立连接时需要较少的数据交换,因此网络开销较小。

  4. 实时性:由于 WebSocket 连接是持久性的,且数据可以双向流动,因此 WebSocket 非常适用于需要实时、低延迟数据交互的应用场景,如聊天应用、实时游戏、股票行情等。

2.3.Tool

    Tool(工具)是为了增强其语言模型的功能和实用性而设计的一系列辅助手段,用于扩展模型的能力。例如代码解释器(Code Interpreter)和知识检索(Knowledge Retrieval)等都属于其工具。

2.4.langchain预置的tools

    https://github.com/langchain-ai/langchain/tree/v0.1.16/docs/docs/integrations/tools

   基本这些工具能满足大部分需求,具体使用参见:


三、前置条件

3.1. 创建虚拟环境&安装依赖

  增加Google Search的依赖包

  1. conda create -n fastapi_test python=3.10
  2. conda activate fastapi_test
  3. pip install fastapi websockets uvicorn
  4. pip install --quiet langchain-core langchain-community langchain-openai
  5. pip install google-search-results

3.2. 注册Google Search API账号

1. 输入注册信息

可以使用Google账号登录,但仍要执行下面的认证操作

2. 需要认证邮箱

3. 需要认证手机

4. 认证成功

3.3. 生成Google Search API的KEY


四、技术实现

4.1. Google Search小试

  1. # -*- coding: utf-8 -*-
  2. import os
  3. from langchain_community.utilities.serpapi import SerpAPIWrapper
  4. os.environ["SERPAPI_API_KEY"] = "xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"
  5. serp = SerpAPIWrapper()
  6. result = serp.run("广州的实时气温如何?")
  7. print("实时搜索结果:", result)

调用结果:

4.2. 非流式输出

    本章代码将开源模型应用落地-FastAPI-助力模型交互-WebSocket篇(三)基础上进行拓展

服务端:

  1. import uvicorn
  2. import os
  3. from typing import Annotated
  4. from fastapi import (
  5. Depends,
  6. FastAPI,
  7. WebSocket,
  8. WebSocketException,
  9. WebSocketDisconnect,
  10. status,
  11. )
  12. from langchain.agents import create_structured_chat_agent, AgentExecutor
  13. from langchain_community.utilities import SerpAPIWrapper
  14. from langchain_core.prompts import ChatPromptTemplate, SystemMessagePromptTemplate, HumanMessagePromptTemplate
  15. from langchain_core.tools import tool
  16. from langchain_openai import ChatOpenAI
  17. os.environ["OPENAI_API_KEY"] = 'sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx' #你的Open AI Key
  18. os.environ["SERPAPI_API_KEY"] = "xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"
  19. class ConnectionManager:
  20. def __init__(self):
  21. self.active_connections: list[WebSocket] = []
  22. async def connect(self, websocket: WebSocket):
  23. await websocket.accept()
  24. self.active_connections.append(websocket)
  25. def disconnect(self, websocket: WebSocket):
  26. self.active_connections.remove(websocket)
  27. async def send_personal_message(self, message: str, websocket: WebSocket):
  28. await websocket.send_text(message)
  29. async def broadcast(self, message: str):
  30. for connection in self.active_connections:
  31. await connection.send_text(message)
  32. manager = ConnectionManager()
  33. app = FastAPI()
  34. async def authenticate(
  35. websocket: WebSocket,
  36. userid: str,
  37. secret: str,
  38. ):
  39. if userid is None or secret is None:
  40. raise WebSocketException(code=status.WS_1008_POLICY_VIOLATION)
  41. print(f'userid: {userid},secret: {secret}')
  42. if '12345' == userid and 'xxxxxxxxxxxxxxxxxxxxxxxxxx' == secret:
  43. return 'pass'
  44. else:
  45. return 'fail'
  46. @tool
  47. def search(query:str):
  48. """只有需要了解实时信息或不知道的事情的时候才会使用这个工具,需要传入要搜索的内容。"""
  49. serp = SerpAPIWrapper()
  50. result = serp.run(query)
  51. print("实时搜索结果:", result)
  52. return result
  53. def get_prompt():
  54. template='''
  55. Respond to the human as helpfully and accurately as possible. You have access to the following tools:
  56. {tools}
  57. Use a json blob to specify a tool by providing an action key (tool name) and an action_input key (tool input).
  58. Valid "action" values: "Final Answer" or {tool_names}
  59. Provide only ONE action per $JSON_BLOB, as shown:
  60. ```
  61. {{
  62. "action": $TOOL_NAME,
  63. "action_input": $INPUT
  64. }}
  65. ```
  66. Follow this format:
  67. Question: input question to answer
  68. Thought: consider previous and subsequent steps
  69. Action:
  70. ```
  71. $JSON_BLOB
  72. ```
  73. Observation: action result
  74. ... (repeat Thought/Action/Observation N times)
  75. Thought: I know what to respond
  76. Action:
  77. ```
  78. {{
  79. "action": "Final Answer",
  80. "action_input": "Final response to human"
  81. }}
  82. Begin! Reminder to ALWAYS respond with a valid json blob of a single action. Use tools if necessary. Respond directly if appropriate. Format is Action:```$JSON_BLOB```then Observation
  83. '''
  84. system_message_prompt = SystemMessagePromptTemplate.from_template(template)
  85. human_template='''
  86. {input}
  87. {agent_scratchpad}
  88. (reminder to respond in a JSON blob no matter what)
  89. '''
  90. human_message_prompt = HumanMessagePromptTemplate.from_template(human_template)
  91. prompt = ChatPromptTemplate.from_messages([system_message_prompt, human_message_prompt])
  92. return prompt
  93. async def chat(query):
  94. global llm,tools
  95. agent = create_structured_chat_agent(
  96. llm, tools, get_prompt()
  97. )
  98. agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True, handle_parsing_errors=True)
  99. result = agent_executor.invoke({"input": query})
  100. print(result['output'])
  101. yield result['output']
  102. @app.websocket("/ws")
  103. async def websocket_endpoint(*,websocket: WebSocket,userid: str,permission: Annotated[str, Depends(authenticate)],):
  104. await manager.connect(websocket)
  105. try:
  106. while True:
  107. text = await websocket.receive_text()
  108. if 'fail' == permission:
  109. await manager.send_personal_message(
  110. f"authentication failed", websocket
  111. )
  112. else:
  113. if text is not None and len(text) > 0:
  114. async for msg in chat(text):
  115. await manager.send_personal_message(msg, websocket)
  116. except WebSocketDisconnect:
  117. manager.disconnect(websocket)
  118. print(f"Client #{userid} left the chat")
  119. await manager.broadcast(f"Client #{userid} left the chat")
  120. if __name__ == '__main__':
  121. tools = [search]
  122. llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0, max_tokens=512)
  123. uvicorn.run(app, host='0.0.0.0',port=7777)

客户端:

  1. <!DOCTYPE html>
  2. <html>
  3. <head>
  4. <title>Chat</title>
  5. </head>
  6. <body>
  7. <h1>WebSocket Chat</h1>
  8. <form action="" onsubmit="sendMessage(event)">
  9. <label>USERID: <input type="text" id="userid" autocomplete="off" value="12345"/></label>
  10. <label>SECRET: <input type="text" id="secret" autocomplete="off" value="xxxxxxxxxxxxxxxxxxxxxxxxxx"/></label>
  11. <br/>
  12. <button onclick="connect(event)">Connect</button>
  13. <hr>
  14. <label>Message: <input type="text" id="messageText" autocomplete="off"/></label>
  15. <button>Send</button>
  16. </form>
  17. <ul id='messages'>
  18. </ul>
  19. <script>
  20. var ws = null;
  21. function connect(event) {
  22. var userid = document.getElementById("userid")
  23. var secret = document.getElementById("secret")
  24. ws = new WebSocket("ws://localhost:7777/ws?userid="+userid.value+"&secret=" + secret.value);
  25. ws.onmessage = function(event) {
  26. var messages = document.getElementById('messages')
  27. var message = document.createElement('li')
  28. var content = document.createTextNode(event.data)
  29. message.appendChild(content)
  30. messages.appendChild(message)
  31. };
  32. event.preventDefault()
  33. }
  34. function sendMessage(event) {
  35. var input = document.getElementById("messageText")
  36. ws.send(input.value)
  37. input.value = ''
  38. event.preventDefault()
  39. }
  40. </script>
  41. </body>
  42. </html>

调用结果:

用户输入:你好

不需要触发工具调用

模型输出:你好!有什么我可以帮忙的吗?

用户输入:广州现在天气如何?

需要调用工具

模型输出:The current weather in Guangzhou is partly cloudy with a temperature of 95°F, 66% chance of precipitation, 58% humidity, and wind speed of 16 mph. This information was last updated on Monday at 1:00 PM.

PS:

1. 在AI交互中,LangChain框架并不是必须引入,此处引用仅用于简化Openai的交互流程。

2. 页面输出的样式可以根据实际需要进行调整,此处仅用于演示效果。

3. 目前还遗留两个问题,一是如何实现流式输出,二是如何更好维护prompt模版,篇幅有限,下回分解


五、附带说明

5.1. 如何避免模型用英文回复

在提示词模版加入:Remember to answer in Chinese.  暗示模型一定要以中文进行回复。

修改后的提示语为:

  1. Respond to the human as helpfully and accurately as possible. You have access to the following tools:
  2. {tools}
  3. Use a json blob to specify a tool by providing an action key (tool name) and an action_input key (tool input).
  4. Valid "action" values: "Final Answer" or {tool_names}
  5. Provide only ONE action per $JSON_BLOB, as shown:
  6. ```
  7. {{
  8. "action": $TOOL_NAME,
  9. "action_input": $INPUT
  10. }}
  11. ```
  12. Follow this format:
  13. Question: input question to answer
  14. Thought: consider previous and subsequent steps
  15. Action:
  16. ```
  17. $JSON_BLOB
  18. ```
  19. Observation: action result
  20. ... (repeat Thought/Action/Observation N times)
  21. Thought: I know what to respond
  22. Action:
  23. ```
  24. {{
  25. "action": "Final Answer",
  26. "action_input": "Final response to human"
  27. }}
  28. Begin! Reminder to ALWAYS respond with a valid json blob of a single action. Use tools if necessary. Respond directly if appropriate. Remember to answer in Chinese.Format is Action:```$JSON_BLOB```then Observation

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/人工智能uu/article/detail/796898
推荐阅读
相关标签
  

闽ICP备14008679号