Payara Micro 集成

LangChain4j 可以无缝集成到 Payara Micro 应用中，利用 Jakarta EE 和 MicroProfile 的标准特性进行依赖注入与配置管理。

本指南演示如何创建 JAX-RS 资源，直接实例化并使用 LangChain4j 模型，同时由 MicroProfile Config 管理配置。

Maven 依赖

首先，在 pom.xml 中添加 langchain4j 核心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>1.18.1</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

可以通过在 MicroProfile 配置文件（位于 src/main/resources/META-INF/microprofile-config.properties）中提供各模型对应的属性来配置多个 AI 模型，示例如下：

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

实现聊天资源

在这种方法中，每个 JAX-RS 资源负责各自的 AI 模型实例。该模式会对每个提供商复用。

RestConfiguration 类扩展 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，都有一个 JAX-RS Resource 类，它会：

使用 @Inject 和 @ConfigProperty 注入配置属性。
使用带有 @PostConstruct 注解的方法，在属性注入完成后构建模型实例。
创建 @GET 端点以与模型交互。

@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);
    }
}

同样的模式也用于 GeminiChatModelResource 和 DeepSeekChatModelResource。

请注意，后者复用了 OpenAiChatModel 类，仅将 baseUrl 改为 deepseek API，体现了该库的灵活性。

API 文档

示例项目包含 Swagger UI，可用于交互式浏览和测试 API 端点。

webapp 文件夹中的 index.html 文件将 Swagger UI 配置为加载 Payara Micro 在 /openapi 端点自动生成的 OpenAPI 规范：

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

在项目根目录打开终端。
设置 API 密钥所需的环境变量。应用需要这些变量以向 AI 服务进行身份验证。你必须配置：
- OPENAI_API_KEY
- GEMINI_KEY
- DEEPSEEK_API_KEY
执行以下 Maven 命令：mvn clean package payara-micro:start

服务器启动后，可以通过两种方式测试端点：

如果你使用 IntelliJ IDEA（Ultimate Edition）或其他具备类似功能的 IDE，可以直接从 .http 文件执行请求：

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

b. IDE 会在每个请求定义旁显示一个绿色的小“播放”图标：

c. 点击要运行的请求旁的图标。API 的响应会直接显示在 IDE 的工具窗口中：
使用 AI 聊天界面

在浏览器中访问 http://localhost:8080/。这将打开一个交互式**聊天页面**，你可以在浏览器中直接浏览和测试可用端点：

Maven 依赖​

配置多个模型​

实现聊天资源​

API 文档​

运行示例应用​

前置条件：​

执行步骤​