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

No.	文章
1	大模型之Spring AI实战系列（一）：基础认知篇 - 开启智能应用开发之旅
2	大模型之Spring AI实战系列（二）：Spring Boot + OpenAI 打造聊天应用全攻略
3	大模型之Spring AI实战系列（三）：Spring Boot + OpenAI 实现聊天应用上下文记忆功能
4	大模型之Spring AI实战系列（四）：Spring Boot + OpenAI 使用OpenAI Embedding实现文本向量化
5	大模型之Spring AI实战系列（五）：Spring Boot + OpenAI 构建带角色设定的智能对话系统
6	大模型之Spring AI实战系列（六）：Spring Boot + OpenAI 利用PromptTemplate构建动态提示词系统
7	大模型之Spring AI实战系列（七）：Spring Boot + OpenAI 构建结构化输出的AI响应系统
8	大模型之Spring AI实战系列（八）：Spring Boot + OpenAI 使用Whisper实现语音转文本功能
9	大模型之Spring AI实战系列（九）：Spring Boot + OpenAI 使用TTS实现文本转语音功能
10	大模型之Spring AI实战系列（十）：Spring Boot + OpenAI 使用 DALL·E实现文本生成图像功能
11	大模型之Spring AI实战系列（十一）：Spring Boot + OpenAI 集成本地向量数据库Chroma
12	大模型之Spring AI实战系列（十二）：Spring Boot + OpenAI 构建基于RAG的智能问答系统
13	大模型之Spring AI实战系列（十三）：Spring Boot + OpenAI 基于 Tool Calling 实现单个外部工具调用
14	大模型之Spring AI实战系列（十四）：Spring Boot + OpenAI 支持多个 Tool 的插件化调用实践
15	大模型之 Spring AI实战系列（十五）：Spring AI Tools 初体验——搭建首个可调用工具
16	大模型之 Spring AI实战系列（十六）：Spring AI Tools 初级开发——解锁天气查询与数据库操作工具
17	大模型之 Spring AI实战系列（十七）：Spring AI Tools 高级技巧——异步调用、事务控制与错误处理攻略
18	大模型之 Spring AI实战系列（十八）：Spring AI Tools 进阶实战——深度集成 RESTful API 联通外部服务
19	大模型之Spring AI实战系列（十九）：Spring Boot + 智谱AI 一站式开发指南，带你玩转大模型
20	大模型之Spring AI实战系列（二十）：Spring AI + MCP + Brave Search 实战指南
21	大模型之Spring AI实战系列（二十一）：Spring AI + MCP + 本地文件系统实战指南
22	大模型之Spring AI实战系列（二十二）：Spring AI + MCP + SQLite 数据库实战指南
23	大模型之Spring AI实战系列（二十三）：Spring AI + MCP + 自定义MCP服务开发实战
24	大模型之Spring AI实战系列（二十四）：Spring Boot + OpenAI 集成DeepSeek模型构建智能对话应用
25	大模型之Spring AI实战系列（二十五）：Spring Boot + DeepSeekAPI构建DeepSeek模型智能对话应用
26	大模型之Spring AI实战系列（二十六）：Spring Boot + DeepSeek 实战指南：构建AI聊天应用
27	大模型之Spring AI实战系列（二十七）：Spring Boot + DeepSeek 实战指南：构建智能代码生成器
28	大模型之Spring AI实战系列（二十八）：Spring Boot + DeepSeek 实战指南：构建推理系统与思维链解析
29	大模型之Spring AI实战系列（二十九）：Spring Boot + DeepSeek 实战指南：构建多轮对话系统
30	大模型之Spring AI实战系列（三十）：Spring Boot + DeepSeek 实战指南：系统提示词设计
31	大模型之Spring AI实战系列（三十一）：Spring Boot + DeepSeek 实战指南：结构化输出处理与实战应用
32	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
一、开发环境准备
- （一）Java 版本要求
- （二）Maven 构建工具
- （三）DeepSeek API Key
二、POM依赖引入
三、配置文件详解
四、核心代码详解
- （一）应用启动类：【DeepSeekApplication.java】
- （二）接口服务定义：【WeatherService.java】
- （二）工具注册配置：【WeatherTools.java】
- （三）控制器实现：【FunctionCallingController.java】
五、部署与测试
- （一）启动应用
- （二）测试接口
六、总结

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.aigroupId>
        <artifactId>spring-ai-starter-model-deepseekartifactId>
    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：

定义工具名称常量CURRENT_WEATHER_TOOL
使用@Bean注解注册天气查询工具
提供详细的JavaDoc文档说明
实现温度单位枚举类型
定义请求和响应记录类
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：

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
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