DevExpress Blazor UI组件使用了C#为Blazor Server和Blazor WebAssembly创建高影响力的用户体验，这个UI自建库提供了一套全面的原生Blazor UI组件（包括Pivot Grid、调度程序、图表、数据编辑器和报表等）。

现代AI驱动的应用程序通常会自动执行工具来响应用户查询，虽然这种自动化包含了llm的潜力并改善了用户体验，但在未经用户明确同意的情况下调用敏感操作（例如，修改数据库、发送电子邮件或对外部服务进行API调用）时，它可能会引入安全风险。

本文主要介绍了Tool Call Confirmation API（工具调用）层和DevExpress Blazor AI Chat组件的相关可自定义接口的目的，DevExpress的解决方案拦截AI发起的函数调用，生成详细的确认对话框，并在执行前需要用户批准，这种UI模式在GitHub Copilot Chat、Cursor、Claude和其他具有MCP支持的AI驱动应用程序中很常见。

在本文中，我们将带大家了解DevExpress的AI聊天确认系统、它的关键组件和自定义选项（当然还会向您展示如何使用DevExpress Blazor AI Chat控件将这个安全层添加到AI驱动的Blazor应用程序中）。

获取DevExpress v25.1正式版下载

挑战：平衡自动化和安全性

AI函数调用是一种强大的资源，它允许模型与应用程序功能无缝交互。然而必须负责任地使用这种能力，考虑以下使用场景：

• AI模型删除用户数据来响应不明确的请求。
• 非托管API调用会产生意想不到的成本或触发外部流程。
• 函数在用户不知情的情况下修改应用程序状态或UI。

本文中描述的技术在便利性和控制性之间取得了平衡：它保留了自动工具调用的好处，并为用户提供了对敏感或不可逆操作的明确权限。

开始前

在您的Blazor应用程序中创建和配置DevExpress Blazor Chat （DxAIChat）组件。

这个例子的目标是Azure OpenAI，但是这个解决方案与任何实现了来自 "Microsoft.Extensions.AI"库的IChatClient接口的AI服务兼容。

Program.cs中的以下代码定义了基本配置：

using Azure;
using Azure.AI.OpenAI;
using Microsoft.Extensions.AI;

var builder = WebApplication.CreateBuilder(args);

// Replace with your endpoint, API key, and model's deployment name
string azureOpenAIEndpoint = Environment.GetEnvironmentVariable("AZURE_OPENAI_ENDPOINT");
string azureOpenAIKey = Environment.GetEnvironmentVariable("AZURE_OPENAI_API_KEY");
string deploymentName = "your-model-deployment-name";

var azureChatClient = new AzureOpenAIClient(
new Uri(azureOpenAIEndpoint),
new AzureKeyCredential(azureOpenAIKey))
.GetChatClient(deploymentName)
.AsIChatClient();

builder.Services.AddDevExpressBlazor();
builder.Services.AddDevExpressAI();

架构概述

• IToolCallFilter
  在AI工具调用执行之前管理它们。
• CustomFunctionInvokingChatClient
  扩展用于调用工具的默认操作。
• CustomFunctionInvokingChatClientExtensions
  在构建聊天客户端时，Fluent API允许您通过一行配置来利用工具调用确认。
• 确认界面
  显示用于确认工具调用的对话框。

管理工具调用

DevExpress确认系统的核心是IToolCallFilter接口——这个接口定义了聊天器拦截和管理函数调用的方式。

public interface IToolCallFilter {
public event Action<FunctionInvocationContext, TaskCompletionSource<bool>> ToolCalled;

Task<bool> InvokeFunctionFilter(FunctionInvocationContext context);
}

MyToolCallFilter管理AI触发的操作，并仅在获得批准时执行敏感操作。API设计允许过滤器暂停函数执行，等待用户输入，并根据用户的决定继续或取消，TaskCompletionSource实例支持UI和过滤器逻辑之间的异步通信。

public class MyToolCallFilter : IToolCallFilter {
public event Action<FunctionInvocationContext, TaskCompletionSource<bool>> ToolCalled;

public Task<bool> InvokeFunctionFilter(FunctionInvocationContext context) {
if (ToolCalled is null)
return Task.FromResult(true);

var tcs = new TaskCompletionSource<bool>();
ToolCalled.Invoke(context, tcs);
return tcs.Task;
}
}

确认工具调用（CustomFunctionInvokingChatClient）

CustomFunctionInvokingChatClient类扩展了DevExpress Blazor AI Chat控件的默认操作：

• 拦截AI工具调用（定义一个自定义的FunctionInvoker委托）。
• 检查确认逻辑（过滤器是否已在服务集合中注册）。
• 在用户批准后进行。如果用户取消请求，CustomFunctionInvoker方法调用将返回取消消息，取代执行工具。该消息告诉LLM操作被中止，请求的信息不可用。

public class CustomFunctionInvokingChatClient : FunctionInvokingChatClient {
public CustomFunctionInvokingChatClient(IChatClient innerClient, ILoggerFactory? factory = null,
IServiceProvider? services = null)
: base(innerClient, factory, services) {
if(services == null) {
throw new ArgumentNullException(nameof(services), "Service provider cannot be null.");
}
FunctionInvoker = CustomFunctionInvoker;
}

private async ValueTask<object?> CustomFunctionInvoker(FunctionInvocationContext context,
CancellationToken cancellationToken) {
IToolCallFilter? filter = FunctionInvocationServices!.GetService<IToolCallFilter>();

if(await (filter?.InvokeFunctionFilter(context) ?? Task.FromResult(true))) {
return await context.Function.InvokeAsync(context.Arguments, cancellationToken);
}

return "The tool call was cancelled by the user. Do not attempt to invoke this tool again. Return a message indicating that the call was cancelled and that the weather information is unavailable at this time.";
}
}

未完待续，下期继续......

更多DevExpress线上公开课、中文教程资讯请上中文网获取