【Day16】Dify 入門 (2)：讓 Agent 使用自定義工具吧！(內含一咪咪 FastAPI)

2024 iThome 鐵人賽

DAY 16

生成式 AI

Python 新手的 AI 之旅：從零開始打造屬於你的 AI / LLM 應用系列第 16 篇

16th鐵人賽

海狸大師

2024-09-30 01:34:49

220 瀏覽

分享至

前言

我們昨天有使用 Dify 幫你設定好的外部工具，像是 duckduckgo 的服務。

到目前為止我們已經很熟悉 API 是怎麼運作的，不過幾乎都是去呼叫別人寫好的 API，如果我們要串接自己寫的 API 那該怎麼做呢？接下來我會用 FastAPI 這個超級方便的 Python Web 框架，來寫一個水果的 API，然後透過 Dify 去串接這個水果的 API。

不過在實際撰寫之前，我們要先知道 OpenAPI 這個東東 (注意：不是 OpenAI，是 OpenAPI)

OpenAPI 與 Swagger

OpenAPI 是一種用於描述 RESTful API 的規範。它允許開發者使用標準格式 (YAML 或 JSON) 清晰地定義 API 的結構、端點、請求和回傳格式等。有了 OpenAPI 統一 API 的描述，可以讓不同的開發者、工具和平台能夠更容易地理解和使用 API。

有關 READful API 的詳細介紹，可以參考這篇文章

以下是 OpenAPI Yaml 格式的範例，可以發現它很清楚的定義了 server, api 名稱, 資料格式類型等等

openapi: 3.0.0
info:
  title: Sample API
  description: A sample API for demonstration purposes
  version: 1.0.0
servers:
  - url: http://localhost:8000
paths:
  /items:
    get:
      summary: Get a list of items
      responses:
        '200':
          description: A list of items
          content:
            application/json:
              schema:
                type: array
                items:
                  type: object
                  properties:
                    id:
                      type: integer
                    name:
                      type: string

那什麼是 Swagger 呢？是一個開源的 API 描述規範及相關工具套件，主要用來設計、建構、記錄和使用 RESTful API。它最初由 Wordnik 開發，現在已經變成 OpenAPI Specification (OAS) 的一部分了。

我們今天會用到 Swagger UI 這個 Swagger 的組件，可以直接在網頁上測試寫好的 API

FastAPI

FastAPI 是一個現代化的 Python Web 框架，專為構建高效能的 API 而設計。它基於 Starlette 和 Pydantic，提供簡潔的語法和自動數據驗證，使開發者能夠快速創建 RESTful API。使用 FastAPI，你能夠輕鬆定義數據模型、管理路由，並自動生成清晰的 OpenAPI 文檔和 Swagger UI。

FastAPI 除了語法簡單、資料型別驗證、支援非同步操作，更屌的是，你寫好的 API 可以直接透過 /docs 這個路由來測試，用 /openapi.json 來產生標準格式檔案，既強大又容易學習。

開始實作

用 FastAPI 來查詢水果價格

首先要安裝套件

pip install fastapi uvicorn

在程式碼中引入我們會用到的套件、常數

from fastapi import FastAPI, HTTPException
from pydantic import BaseModel

MAX_ITEMS = 10
DEFAULT_SKIP = 0

定義水果 model，這邊的 model 並不是機器學習的那個模型，而是指「資料庫結構」。我們會寫一個水果 model，裡頭有價格和名稱兩個屬性，然後繼承 BaseModel 類別。

# 定義水果模型
class Fruit(BaseModel):
	name: str
	price: float

用一個 list 當成模擬的資料庫

# 模擬資料庫
FRUIT_DATABASE: list[Fruit] = [
	Fruit(name="蘋果", price=10.0),
	Fruit(name="香蕉", price=5.0),
	Fruit(name="橘子", price=8.0),
	Fruit(name="芭樂", price=7.0),
	Fruit(name="西瓜", price=15.0),
	Fruit(name="梨子", price=6.0),
	Fruit(name="櫻桃", price=20.0),
	Fruit(name="葡萄", price=12.0),
	Fruit(name="橙子", price=9.0),
	Fruit(name="柚子", price=11.0),
]

再來就是設定這個 App 的資訊，好讓 FastAPI 可以幫我們撰寫規格，這邊比較重要的是 description 和 servers，有了 description 模型會更清楚這個 API 的功用；server 則是讓 Dify 知道要使用什麼 url

app = FastAPI(
	title="水果 API",
	description="一個用來回傳水果資料的 API",
	version="1.0.0",
	servers=[
		{"url": "http://localhost:8000", "description": "本地伺服器"},
	]
)

撰寫 API

這邊我們寫三個 API，一個是打招呼的 API，等一下在 Dify 中方便測試，第二個是根據 ID，也就是水果在 List 中的順序，去取得水果的資訊；最後一個是取得特定範圍的水果資訊。

@app.get("/", operation_id="get_welcome_message")
async def get_welcome_message() -> dict[str, str]:
	"""
	回傳歡迎訊息。
	
	Returns:
		Dict[str, str]: 包含歡迎訊息的字典。
	"""
	return {"message": "歡迎使用水果 API！"}

@app.get("/fruits/{fruit_id}", operation_id="get_fruit_by_id")
async def get_fruit_by_id(fruit_id: int) -> Fruit:
	"""
	根據 ID 取得特定水果的資訊。
	Args:
		fruit_id (int): 水果的 ID。
	Returns:
		Fruit: 對應 ID 的水果資訊。
	Raises:
		HTTPException: 如果找不到對應 ID 的水果，則拋出 404 錯誤。
	"""
	try:
		return FRUIT_DATABASE[fruit_id]
	except IndexError:
		raise HTTPException(status_code=404, detail="找不到指定 ID 的水果")
		
@app.get("/fruits/", operation_id="get_fruits")
async def get_fruits(skip: int = DEFAULT_SKIP, limit: int = MAX_ITEMS) -> list[Fruit]:
	"""
	取得水果列表
	Args:
		skip (int, optional): 要跳過的水果數量。默認為 0。
		limit (int, optional): 要返回的最大水果數量。默認為 10。
	Returns:
		List[Fruit]: 符合條件的水果列表。
	"""
	return FRUIT_DATABASE[skip : skip + limit]

if __name__ == "__main__":
	app.run()

稍微解釋一下這坨扣在做啥，以 get_fruit_by_id 為例，我們用了 python 的裝飾器 @app.get("/fruits/{fruit_id}", operation_id="get_fruit_by_id") 指的是使用 http GET 方法，路由為 /fruits/{fruit_id} ；這個 {fruit_id} 是我們可以去改的地方；最後 operation_id 則是定義這個操作在 OpenAPI 中要叫什麼名字。最後，這個 API 回傳的資料類型是 Fruit，也就是我們前面定義好的 model

注意：如果要在 Dify 中使用 function calling api 的 LLM，那 operation_id 就只能由英文、數字、底線組成，不能有空白喔 (如同一般的變數命名)

完整程式碼

用 Swagger UI 測試寫好的 API

用 uvicorn 來啟動服務

--reload: 每次修改檔案存檔都會自動重新啟動服務，而不用中斷服務
--host: host url，設定成 0.0.0.0 則可以讓外網連進來
--port: 就是 port 看你喜歡設多少

uvicorn main:app --reload --host=0.0.0.0 --port=8000

打開瀏覽器，輸入 http://localhost:8000/docs

我們可以來測試 API，舉例來說，我要測試 get fruit by id 我就把它點開 -> Try it out -> 填寫 id -> Execute

在瀏覽器中輸入 http://localhost:8000/openapi.json 取得 OpenAPI JSON Schema，看到這坨東西就對了，等等會用到它，你會發現剛剛寫得不論是 description, api 的註解還是資料格式都寫好在這個 JSON 了。如果你的 json 他沒有幫你排版可以用 JSON formatter來排版呦，強烈建議要排版一下

新增 Dify 自定義工具

到工具 -> 建立自定義工具工具

把剛剛的 JSON 資料貼上來，你應該會看到「可用工具」那邊多了一些東西，就是我們剛剛在程式碼中定義的 API route

重要：如果你是自己 build Dify 那就沒關係，但如果你是使用 docker 來 build Dify，那要把 Schema 中的 server url 從 http://localhost:8000 改成 http://host.docker.internal:8000 ，這樣才能訪問容器外的 API 喔！

改好之後可以來測試一下，用 get_welcome_message 進行測試，如果有回傳歡迎訊息表示有接通，已經快要成功了～

讓模型使用工具！

最後就是把工具引入，像昨天一樣

測試一下吧！這邊我用的是 gpt-4o-mini，跟他打招呼

問全部的水果

針對特定水果詢問

小結

今天的自建 API 的目的是讓你知道，除了使用別人寫好的 API 你也可以自己寫一個客製化的，我其實還有很多沒有講到，有機會一定要好好學一下 FastAPI。現在的模型越來越「聰明」，即使不是用 Prompt generator 產生的 API 描述，模型也大概能猜到這個 API 是做什麼的、什麼時候要呼叫，這也意味著你可以讓模型做任何事，只怕你沒有想像力而已。

明天來仔細介紹知識庫一番，也就是 Day8 提到的向量資料庫，我們已經距離一個完整的應用不遠了～～期待一下吧 🫶