用Vercel AI SDK构建聊天机器人

想象一下构建一个能够实时响应、获取实时数据（如天气更新）并且轻松扩展的聊天机器人，同时保持低成本。

在这篇指南中，我们将使用 Vercel AI SDK、用于工具的 Agentic 适配器 和用于无服务器执行的 Supabase Edge Functions 来创建这样一个聊天机器人。由于 Supabase 的按调用计费模式和全球边缘部署，这种设置既强大又高效且经济实惠。

1、为什么选择这个技术栈？

以下是为什么这个组合是构建 AI 驱动应用程序的理想选择的原因：

Vercel AI SDK：一个 TypeScript 工具包，简化了 AI 集成，具有文本生成、工具调用和流式响应等功能。它在各种框架和运行时中都非常通用。
Agentic 适配器：通过实用工具（如 WeatherClient）扩展了 Vercel AI SDK，使您的聊天机器人能够根据用户查询获取实时世界数据。
Supabase Edge Functions：运行在 Deno 上的无服务器函数，全球部署以实现低延迟。它们按调用次数计费（每月有 500,000 次免费调用），而不是闲置时间，因此非常经济实惠。
后台处理：使用 EdgeRuntime.waitUntil 处理任务（如异步保存聊天历史记录），保持聊天机器人响应迅速。

2、你需要什么

开始之前，请准备好以下先决条件：

Vercel AI SDK —— 用于 AI 功能 (文档)。
Agentic 适配器 —— 添加工具（如天气查询）(@agentic/ai-sdk)。
Supabase Edge Functions —— 用于在 Deno 上的无服务器执行。
Supabase 数据库 —— 用于存储聊天历史记录。
OpenAI API 密钥 —— 提供语言模型 (openai.com)。
天气 API 密钥 —— 用于天气查询 (weatherapi.com)。
前端（可选） —— 一个 Next.js 界面与机器人交互。

3、设置你的 Supabase 项目

初始化一个 Supabase 项目并在其中创建一个聊天历史记录表。

运行以下命令：

supabase init  
supabase login  
supabase link --project-ref <your-project-ref>

在你的 Supabase 数据库中创建一个 chat_history 表：

create table chat_history (  
  id uuid default uuid_generate_v4() primary key,  
  user_id text,  
  message text,  
  response text,  
  created_at timestamp default now()  
);

该表将存储每次聊天互动。

4、创建一个 Supabase Edge 函数

生成一个新的 Edge 函数名为“chatbot”：

supabase functions new chatbot

这会创建 supabase/functions/chatbot/index.ts，我们将在其中添加逻辑。

5、编写聊天机器人逻辑

Supabase Edge 函数在 Deno 上运行，因此我们将使用 Deno 兼容的导入方式。打开 supabase/functions/chatbot/index.ts 并添加以下内容：

import { serve } from "https://deno.land/std@0.168.0/http/server.ts";  
import { streamText } from "https://esm.sh/ai@3.4.18";  
import { openai } from "https://esm.sh/@ai-sdk/openai@0.0.68";  
import { createAISDKTools } from "https://esm.sh/@agentic/ai-sdk@0.0.54";  
import { WeatherClient } from "https://esm.sh/@agentic/weather@0.0.23";  
import { createClient } from "https://esm.sh/@supabase/supabase-js@2.45.6";  
  
const supabase = createClient(  
  Deno.env.get("SUPABASE_URL")!,  
  Deno.env.get("SUPABASE_ANON_KEY")!  
);  
  
const weather = new WeatherClient({  
  apiKey: Deno.env.get("WEATHER_API_KEY")!,  
});  
serve(async (req) => {  
  if (req.method !== "POST") {  
    return new Response("Method not allowed", { status: 405 });  
  }  
  const { message, userId } = await req.json();  
  const { textStream } = await streamText({  
    model: openai("gpt-4o-mini"),  
    prompt: message,  
    tools: createAISDKTools(weather),  
    toolChoice: "auto",  
    temperature: 0,  
    system: "You are a helpful assistant. Be concise.",  
  });  
  // 在后台保存聊天历史  
  EdgeRuntime.waitUntil(  
    (async () => {  
      let fullResponse = "";  
      for await (const chunk of textStream) {  
        fullResponse += chunk;  
      }  
      await supabase.from("chat_history").insert({  
        user_id: userId,  
        message,  
        response: fullResponse,  
      });  
    })()  
  );  
  return new Response(textStream, {  
    headers: { "Content-Type": "text/plain" },  
  });  
});

关键功能：

Deno 导入：使用基于 URL 的导入以确保 Deno 兼容性。
流式传输：streamText 提供实时响应。
工具：WeatherClient 在需要时获取天气数据。
后台任务：EdgeRuntime.waitUntil 在不阻塞用户的情况下保存历史记录。

6、设置环境变量

在 supabase/functions/chatbot 中创建一个 .env.local 文件：

SUPABASE_URL=<your-supabase-url>  
SUPABASE_ANON_KEY=<your-supabase-anon-key>  
OPENAI_API_KEY=<your-openai-api-key>  
WEATHER_API_KEY=<your-weatherapi.com-key>

部署这些密钥：

supabase secrets set --env-file ./supabase/functions/chatbot/.env.local

7、部署 Edge 函数

本地测试：

supabase functions serve chatbot --env-file ./supabase/functions/chatbot/.env.local

部署到 Supabase：

supabase functions deploy chatbot

现在你的聊天机器人已经在全球范围内上线！

8、添加前端（可选）

为了一个简单的界面，可以使用 Next.js。在 pages/index.tsx 中：

import { useState } from "react";  
import { createClient } from "@supabase/supabase-js";  
  
const supabase = createClient(process.env.NEXT_PUBLIC_SUPABASE_URL!, process.env.NEXT_PUBLIC_SUPABASE_ANON_KEY!);  
export default function Chatbot() {  
  const [message, setMessage] = useState("");  
  const [response, setResponse] = useState("");  
  const handleSubmit = async (e) => {  
    e.preventDefault();  
    const { data: { user } } = await supabase.auth.getUser();  
    const res = await fetch("https://<your-project-ref>.supabase.co/functions/v1/chatbot", {  
      method: "POST",  
      headers: { "Content-Type": "application/json" },  
      body: JSON.stringify({ message, userId: user?.id }),  
    });  
    const reader = res.body?.getReader();  
    const decoder = new TextDecoder();  
    setResponse("");  
    while (true) {  
      const { done, value } = await reader.read();  
      if (done) break;  
      setResponse((prev) => prev + decoder.decode(value));  
    }  
  };  
  return (  
    <form onSubmit={handleSubmit}>  
      <input value={message} onChange={(e) => setMessage(e.target.value)} />  
      <button type="submit">发送</button>  
      <p>{response}</p>  
    </form>  
  );  
}

这提供了一个基本的界面来发送消息并查看响应。

9、进行测试

使用天气查询进行测试：

curl -X POST https://<your-project-ref>.supabase.co/functions/v1/chatbot -H "Content-Type: application/json" -d '{"message": "What is the weather in San Francisco?", "userId": "test-user"}'

期望的响应类似于：“San Francisco 的天气是 62°F 和晴朗。”

为什么这种方法有效

成本效益高：Supabase 每月提供 500,000 次免费调用。
实时：通过 streamText 实现流式响应。
高效：后台任务不会阻塞用户。
可扩展：全球边缘部署确保低延迟。

10、结束语

你已经使用 Vercel AI SDK、Agentic 工具和 Supabase Edge Functions 构建了一个现代的 AI 驱动的聊天机器人。它功能强大、价格实惠且准备就绪以扩展。根据需要添加更多工具或增强界面——祝编码愉快！

原文链接：Build an AI-Powered Chatbot with Vercel AI SDK and Supabase Edge Functions

汇智网翻译整理，转载请标明出处