跳至主要內容

Payara Micro 集成

LangChain4j 可以无缝集成到 Payara Micro 应用程序中，利用 Jakarta EE 和 MicroProfile 的标准功能进行依赖注入和配置。

本指南演示了如何创建直接实例化和使用 LangChain4j 模型的 JAX-RS 资源，并通过 MicroProfile Config 管理配置。

Maven 依赖

首先，在 pom.xml 文件中添加核心 langchain4j 依赖以及所需的具体模型集成模块：

<properties>
    <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
    <maven.compiler.release>21</maven.compiler.release>
    <jakartaee-api.version>10.0.0</jakartaee-api.version>
    <payara.version>6.2025.5</payara.version>
    <version.langchain4j>1.4.0</version.langchain4j>
</properties>

<dependencies>
    <dependency>
        <groupId>dev.langchain4j</groupId>
        <artifactId>langchain4j-open-ai</artifactId>
        <version>${version.langchain4j}</version>
    </dependency>
    
    <dependency>
        <groupId>dev.langchain4j</groupId>
        <artifactId>langchain4j-google-ai-gemini</artifactId>
        <version>${version.langchain4j}</version>
    </dependency>
    
    <dependency>
        <groupId>jakarta.platform</groupId>
        <artifactId>jakarta.jakartaee-api</artifactId>
        <version>${jakartaee-api.version}</version>
        <scope>provided</scope>
    </dependency>
</dependencies>

配置多个模型

你可以在 MicroProfile 配置文件中为多个 AI 模型提供各自的属性，该配置文件位于 src/main/resources/META-INF/microprofile-config.properties，例如：

openai.api.key=${OPENAI_API_KEY}
openai.chat.model=gpt-4o-mini

google-ai-gemini.chat-model.api-key=${GEMINI_KEY}
google-ai-gemini.chat-model.model-name=gemini-2.0-flash-lite

deepseek.api.key=${DEEPSEEK_API_KEY}
deepseek.chat.model=deepseek-reasoner

实现 Chat 资源

在这种方式下，每个 JAX-RS 资源负责各自的 AI 模型实例。每个提供者的模式都相同。

RestConfiguration 类继承 jakarta.ws.rs.core.Application，并为所有 REST 端点定义基础路径 /api：

import jakarta.ws.rs.ApplicationPath;
import jakarta.ws.rs.core.Application;

@ApplicationPath("api")
public class RestConfiguration extends Application {
}

对于每个模型，我们都有一个 JAX-RS 资源类：

  • 使用 @Inject 和 @ConfigProperty 注入配置属性。
  • 使用带有 @PostConstruct 注解的方法在属性注入后构建模型实例。
  • 创建一个 @GET 端点与模型交互。
@Path("openai")
public class OpenAiChatModelResource {

    @Inject
    @ConfigProperty(name = "openai.api.key")
    private String openAiApiKey;

    @Inject
    @ConfigProperty(name = "openai.chat.model")
    private String modelName;

    private OpenAiChatModel chatModel;

    @PostConstruct
    public void init() {
        chatModel = OpenAiChatModel.builder()
                .apiKey(openAiApiKey)
                .modelName(modelName)
                .build();
    }

    @GET
    @Path("chat")
    @Produces(MediaType.TEXT_PLAIN)
    public String chat(@QueryParam("message") @DefaultValue("Hello") String message) {
        return chatModel.generate(message);
    }
}

同样的模式适用于 GeminiChatModelResource 和 DeepSeekChatModelResource。

需要注意的是，DeepSeek 的实现复用了 OpenAiChatModel 类，只是更改了 baseUrl 指向 deepseek API，展示了该库的灵活性。

API 文档

示例项目包含了一个 Swagger UI，用于交互式地探索和测试 API 端点。

webapp 文件夹中的 index.html 文件配置了 Swagger UI，使其加载 Payara Micro 自动生成的 OpenAPI 规范，该规范位于 /openapi 端点：

openapi: 3.0.0
info:
  title: Deployed Resources
  version: 1.0.0
...
        
endpoints:
/:
- /api/deepseek/chat
- /api/gemini/chat
- /api/openai/chat
components: {}

运行示例应用

该项目已配置为使用 Payara Micro Maven 插件运行。

前置条件:

  • Java SE 21+
  • Maven 执行环境

执行步骤

  1. 在项目根目录打开终端。

  2. 设置所需的 API key 环境变量，应用程序需要这些变量来验证 AI 服务：

    • OPENAI_API_KEY
    • GEMINI_KEY
    • DEEPSEEK_API_KEY

  3. 执行以下 Maven 命令：
    mvn clean package payara-micro:start

当服务器启动后，可以通过以下两种方式测试端点：

  1. 使用 IntelliJ IDEA（旗舰版）或其他支持类似功能的 IDE 直接从 .http 文件执行请求：

    a. 打开位于 src/test/resources/ 的 test.http 文件。

    b. IDE 会在每个请求定义旁边显示一个绿色的“运行”小图标：

    c. 点击你想运行的请求旁边的图标，API 响应将直接显示在 IDE 的工具窗口中：

  2. 使用 AI Chat 界面

    打开浏览器并访问 http://localhost:8080/。这会打开一个交互式 聊天页面，你可以在其中直接探索和测试可用端点：

最近更新