聊天参与者 API

聊天参与者是专用助手，使用户能够通过特定领域专家扩展 VS Code 中的聊天功能。用户通过 @ 提及来调用聊天参与者，然后该参与者负责处理用户的自然语言提示。

在本扩展指南中，你将学习如何使用聊天参与者 API 创建聊天参与者。

VS Code 有几个内置的聊天参与者，例如 @vscode、@terminal 或 @workspace。它们经过优化，可以回答各自领域的问题。

聊天参与者与 语言模型工具 不同，语言模型工具是作为 LLM 编排解决用户聊天提示所需步骤的一部分来调用的。聊天参与者接收用户的提示并自行编排所需的任务。

为什么要在你的扩展中实现聊天参与者？

在你的扩展中实现聊天参与者有几个好处

• 通过专业的、特定领域知识和专业技能扩展聊天功能。例如，内置的 @vscode 参与者了解 VS Code 及其扩展 API。
• 通过管理端到端用户聊天提示和响应来拥有对话。
• 通过使用广泛的扩展 API 深入集成 VS Code。例如，使用 调试 API 获取当前调试上下文，并将其用作工具功能的一部分。
• 通过 Visual Studio Marketplace 分发和部署聊天参与者，为用户提供可靠、无缝的体验。用户无需单独的安装和更新过程。

如果你想提供可以作为自主、代理编码会话的一部分自动调用的特定领域功能，你可能会考虑实现 语言模型工具 或 MCP 服务器。有关不同选项以及如何决定采用哪种方法，请参阅 AI 可扩展性概述。

聊天用户体验的各个部分

以下屏幕截图显示了示例扩展在 Visual Studio Code 聊天体验中的不同聊天概念。

1. 使用 @ 语法调用 @cat 聊天参与者
2. 使用 / 语法调用 /teach 命令
3. 用户提供的查询，也称为用户提示
4. 图标和参与者 fullName，表示 Copilot 正在使用 @cat 聊天参与者
5. 由 @cat 提供的 Markdown 响应
6. Markdown 响应中包含的代码片段
7. @cat 响应中包含的按钮，该按钮调用一个 VS Code 命令
8. 聊天参与者提供的建议后续问题
9. 聊天输入字段，其中包含由聊天参与者的 description 属性提供的占位符文本

创建聊天参与者

实现聊天参与者包括以下部分

1. 在扩展的 package.json 文件中定义聊天参与者。
2. 实现请求处理程序以处理用户的聊天提示并返回响应。
3. （可选）实现聊天斜杠命令，为用户提供常见任务的速记符号。
4. （可选）定义建议的后续问题。
5. （可选）实现参与者检测，其中 VS Code 自动将聊天请求路由到适当的聊天参与者，而无需用户明确提及。

你可以从一个基本示例项目开始。

1. 注册聊天参与者

创建聊天扩展的第一步是在 package.json 中注册它，包含以下属性

• id：聊天参与者的唯一标识符，在 package.json 文件中定义。
• name：聊天参与者的短名称，用于聊天中的 @ 提及。
• fullName：聊天参与者的全名，显示在响应的标题区域。
• description：聊天参与者目的的简要描述，用作聊天输入字段中的占位符文本。
• isSticky：一个布尔值，指示聊天参与者在响应后是否在聊天输入字段中保持不变。

"contributes": {
        "chatParticipants": [
            {
                "id": "chat-sample.my-participant",
                "name": "my-participant",
                "fullName": "My Participant",
                "description": "What can I teach you?",
                "isSticky": true
            }
        ]
}

我们建议使用小写 name 和标题大小写 fullName 以与现有聊天参与者保持一致。获取有关聊天参与者的命名约定的更多信息。

2. 实现请求处理程序

使用 聊天参与者 API 实现聊天参与者。这包括以下步骤

1. 在扩展激活时，使用 vscode.chat.createChatParticipant 创建参与者。

   提供你在 package.json 中定义的 ID，以及指向你在下一步中实现的请求处理程序的引用。

   export function activate(context: vscode.ExtensionContext) {
     // Register the chat participant and its request handler
     const cat = vscode.chat.createChatParticipant('chat-sample.my-participant', handler);
   
     // Optionally, set some properties for @cat
     cat.iconPath = vscode.Uri.joinPath(context.extensionUri, 'cat.jpeg');
   
     // Add the chat request handler here
   }
   

2. 在 activate 函数中，定义 vscode.ChatRequestHandler 请求处理程序。

   请求处理程序负责处理 VS Code 聊天视图中的用户聊天请求。每当用户在聊天输入字段中输入提示时，都会调用聊天请求处理程序。

   const handler: vscode.ChatRequestHandler = async (
     request: vscode.ChatRequest,
     context: vscode.ChatContext,
     stream: vscode.ChatResponseStream,
     token: vscode.CancellationToken
   ): Promise<ICatChatResult> => {
     // Chat request handler implementation goes here
   };
   

3. 从 vscode.ChatRequest 确定用户的意图。

   要确定用户请求的意图，你可以引用 vscode.ChatRequest 参数以访问用户的提示文本、命令和聊天位置。

   或者，你可以利用语言模型来确定用户意图，而不是使用传统逻辑。作为 request 对象的一部分，你将获得用户在聊天模型下拉列表中选择的语言模型实例。了解如何在扩展中使用 语言模型 API。

   以下代码片段显示了首先使用命令，然后使用用户提示来确定用户意图的基本结构

   const handler: vscode.ChatRequestHandler = async (
     request: vscode.ChatRequest,
     context: vscode.ChatContext,
     stream: vscode.ChatResponseStream,
     token: vscode.CancellationToken
   ): Promise<ICatChatResult> => {
     // Test for the `teach` command
     if (request.command == 'teach') {
       // Add logic here to handle the teaching scenario
       doTeaching(request.prompt, request.variables);
     } else {
       // Determine the user's intent
       const intent = determineUserIntent(request.prompt, request.variables, request.model);
   
       // Add logic here to handle other scenarios
     }
   };
   

4. 添加逻辑以处理用户请求。

   通常，聊天扩展使用 request.model 语言模型实例来处理请求。在这种情况下，你可能需要调整语言模型提示以匹配用户意图。

   或者，你可以通过调用后端服务、使用传统编程逻辑或结合所有这些选项来实现扩展逻辑。例如，你可以调用网络搜索来收集额外信息，然后将其作为上下文提供给语言模型。

   在处理当前请求时，你可能需要引用以前的聊天消息。例如，如果以前的响应返回了一个 C# 代码片段，用户的当前请求可能是“用 Python 提供代码”。了解如何使用聊天消息历史记录。

   如果你想根据聊天输入的位置（聊天视图、快速聊天、内联聊天）以不同的方式处理请求，你可以使用 vscode.ChatRequest 的 location 属性。例如，如果用户从终端内联聊天发送请求，你可能会查找 shell 命令。而如果用户使用聊天视图，你可以返回更详细的响应。

5. 将聊天响应返回给用户。

   处理完请求后，你必须在聊天视图中向用户返回响应。你可以使用流式传输来响应用户查询。

   响应可以包含不同的内容类型：Markdown、图像、引用、进度、按钮和文件树。

   

   扩展可以通过以下方式使用响应流

   stream.progress('Picking the right topic to teach...');
   stream.markdown(`\`\`\`typescript
   const myStack = new Stack();
   myStack.push(1); // pushing a number on the stack (or let's say, adding a fish to the stack)
   myStack.push(2); // adding another fish (number 2)
   console.log(myStack.pop()); // eating the top fish, will output: 2
   \`\`\`
   So remember, Code Kitten, in a stack, the last fish in is the first fish out - which we tech cats call LIFO (Last In, First Out).`);
   
   stream.button({
     command: 'cat.meow',
     title: vscode.l10n.t('Meow!'),
     arguments: []
   });
   

   获取有关支持的聊天响应输出类型的更多信息。

   实际上，扩展通常会向语言模型发送请求。一旦它们从语言模型获得响应，它们可能会进一步处理它，并决定是否将任何内容流回给用户。VS Code 聊天 API 是基于流的，并且与流式 语言模型 API 兼容。这允许扩展持续报告进度和结果，目标是提供流畅的用户体验。了解如何使用 语言模型 API。

3. 注册斜杠命令

聊天参与者可以贡献斜杠命令，这些命令是扩展提供的特定功能的快捷方式。用户可以通过使用 / 语法在聊天中引用斜杠命令，例如 /explain。

回答问题时的任务之一是确定用户意图。例如，VS Code 可以推断 使用 Node.js Express Pug TypeScript 创建新工作区 意味着你想要一个新项目，但 @workspace /new Node.js Express Pug TypeScript 更明确、简洁，并节省了输入时间。如果你在聊天输入字段中输入 /，VS Code 会提供一个包含其描述的注册命令列表。

聊天参与者可以通过在 package.json 中添加斜杠命令及其描述来贡献它们

"contributes": {
    "chatParticipants": [
        {
            "id": "chat-sample.cat",
            "name": "cat",
            "fullName": "Cat",
            "description": "Meow! What can I teach you?",
            "isSticky": true,
            "commands": [
                {
                    "name": "teach",
                    "description": "Pick at random a computer science concept then explain it in purfect way of a cat"
                },
                {
                    "name": "play",
                    "description": "Do whatever you want, you are a cat after all"
                }
            ]
        }
    ]
}

获取有关斜杠命令命名约定的更多信息。

4. 注册后续请求

在每次聊天请求之后，VS Code 会调用后续提供程序以获取建议的后续问题以显示给用户。然后用户可以选择后续问题，并立即将其发送到聊天扩展。使用 ChatFollowupProvider API 注册类型为 ChatFollowup 的后续提示。

以下代码片段显示了如何在聊天扩展中注册后续请求

cat.followupProvider = {
    provideFollowups(result: ICatChatResult, context: vscode.ChatContext, token: vscode.CancellationToken) {
        if (result.metadata.command === 'teach') {
            return [{
                prompt: 'let us play',
                label: vscode.l10n.t('Play with the cat')
            } satisfies vscode.ChatFollowup];
        }
    }
};

5. 实现参与者检测

为了使聊天参与者更容易使用自然语言，你可以实现参与者检测。参与者检测是一种自动将用户问题路由到合适的参与者的方法，而无需在提示中明确提及参与者。例如，如果用户问“如何向我的项目添加登录页面？”，该问题将自动路由到 @workspace 参与者，因为它能够回答有关用户项目的问题。

VS Code 使用聊天参与者描述和示例来确定将聊天提示路由到哪个参与者。你可以在扩展 package.json 文件中的 disambiguation 属性中指定此信息。disambiguation 属性包含一个检测类别列表，每个类别都包含描述和示例。

你可以为整个聊天参与者、特定命令或两者的组合定义参与者检测。

以下代码片段显示了如何在参与者级别实现参与者检测。

"contributes": {
    "chatParticipants": [
        {
            "id": "chat-sample.cat",
            "fullName": "Cat",
            "name": "cat",
            "description": "Meow! What can I teach you?",

            "disambiguation": [
                {
                    "category": "cat",
                    "description": "The user wants to learn a specific computer science topic in an informal way.",
                    "examples": [
                        "Teach me C++ pointers using metaphors",
                        "Explain to me what is a linked list in a simple way",
                        "Can you explain to me what is a function in programming?"
                    ]
                }
            ]
        }
    ]
}

类似地，你还可以通过为 commands 属性中的一个或多个项目添加 disambiguation 属性来在命令级别配置参与者检测。

应用以下准则来提高扩展的参与者检测准确性

• 具体：描述和示例应尽可能具体，以避免与其他参与者冲突。避免在参与者和命令信息中使用通用术语。
• 使用示例：示例应代表适合参与者的问题类型。使用同义词和变体以涵盖广泛的用户查询。
• 使用自然语言：描述和示例应以自然语言编写，就像你在向用户解释参与者一样。
• 测试检测：使用各种示例问题测试参与者检测，并验证是否与内置聊天参与者没有冲突。

使用聊天消息历史记录

参与者可以访问当前聊天会话的消息历史记录。参与者只能访问提及它的消息。history 项可以是 ChatRequestTurn 或 ChatResponseTurn。例如，使用以下代码片段检索用户在当前聊天会话中发送给你的参与者的所有以前的请求

const previousMessages = context.history.filter(h => h instanceof vscode.ChatRequestTurn);

历史记录不会自动包含在提示中，由参与者决定是否在将消息传递给语言模型时将历史记录作为附加上下文添加。

支持的聊天响应输出类型

要向聊天请求返回响应，你可以在 ChatRequestHandler 上使用 ChatResponseStream 参数。

以下列表提供了聊天视图中聊天响应的输出类型。聊天响应可以组合多种不同的输出类型。

• Markdown

  呈现 Markdown 文本的片段，可以是纯文本或图像。你可以使用 CommonMark 规范中的任何 Markdown 语法。使用 ChatResponseStream.markdown 方法并提供 Markdown 文本。

  示例代码片段

  // Render Markdown text
  stream.markdown('# This is a title \n');
  stream.markdown('This is stylized text that uses _italics_ and **bold**. ');
  stream.markdown('This is a [link](https://vscode.js.cn).\n\n');
  stream.markdown('![VS Code](https://vscode.js.cn/assets/favicon.ico)');
  

• 代码块

  呈现一个支持智能感知、代码格式化和交互式控件的代码块，以将代码应用于活动编辑器。要显示代码块，请使用 ChatResponseStream.markdown 方法并应用代码块的 Markdown 语法（使用反引号）。

  示例代码片段

  // Render a code block that enables users to interact with
  stream.markdown('```bash\n');
  stream.markdown('```ls -l\n');
  stream.markdown('```');
  

• 命令链接

  在聊天响应中内联呈现一个链接，用户可以选择该链接以调用 VS Code 命令。要显示命令链接，请使用 ChatResponseStream.markdown 方法并使用链接的 Markdown 语法 [链接文本](command:commandId)，其中你在 URL 中提供命令 ID。例如，以下链接打开命令面板：[命令面板](command:workbench.action.showCommands)。

  为了防止从服务加载 Markdown 文本时发生命令注入，你必须使用一个 vscode.MarkdownString 对象，其 isTrusted 属性设置为受信任的 VS Code 命令 ID 列表。此属性是使命令链接正常工作所必需的。如果未设置 isTrusted 属性或未列出命令，则命令链接将无法工作。

  示例代码片段

  // Use command URIs to link to commands from Markdown
  let markdownCommandString: vscode.MarkdownString = new vscode.MarkdownString(
    `[Use cat names](command:${CAT_NAMES_COMMAND_ID})`
  );
  markdownCommandString.isTrusted = { enabledCommands: [CAT_NAMES_COMMAND_ID] };
  
  stream.markdown(markdownCommandString);
  

  如果命令带有参数，你需要首先对参数进行 JSON 编码，然后将 JSON 字符串编码为 URI 组件。然后，将编码后的参数作为查询字符串附加到命令链接。

  // Encode the command arguments
  const encodedArgs = encodeURIComponent(JSON.stringify(args));
  
  // Use command URIs with arguments to link to commands from Markdown
  let markdownCommandString: vscode.MarkdownString = new vscode.MarkdownString(
    `[Use cat names](command:${CAT_NAMES_COMMAND_ID}?${encodedArgs})`
  );
  markdownCommandString.isTrusted = { enabledCommands: [CAT_NAMES_COMMAND_ID] };
  
  stream.markdown(markdownCommandString);
  

• 命令按钮

  呈现一个调用 VS Code 命令的按钮。该命令可以是内置命令，也可以是你在扩展中定义的命令。使用 ChatResponseStream.button 方法并提供按钮文本和命令 ID。

  示例代码片段

  // Render a button to trigger a VS Code command
  stream.button({
    command: 'my.command',
    title: vscode.l10n.t('Run my command')
  });
  

• 文件树

  呈现一个文件树控件，允许用户预览单个文件。例如，在提议创建新工作区时显示工作区预览。使用 ChatResponseStream.filetree 方法并提供文件树元素数组和文件的基本位置（文件夹）。

  示例代码片段

  // Create a file tree instance
  var tree: vscode.ChatResponseFileTree[] = [
    {
      name: 'myworkspace',
      children: [{ name: 'README' }, { name: 'app.js' }, { name: 'package.json' }]
    }
  ];
  
  // Render the file tree control at a base location
  stream.filetree(tree, baseLocation);
  

• 进度消息

  在长时间运行的操作期间呈现进度消息，为用户提供中间反馈。例如，报告多步操作中每个步骤的完成情况。使用 ChatResponseStream.progress 方法并提供消息。

  示例代码片段

  // Render a progress message
  stream.progress('Connecting to the database.');
  

• 参考

  在引用列表中添加外部 URL 或编辑器位置的引用，以指示你作为上下文使用的信息。使用 ChatResponseStream.reference 方法并提供引用位置。

  示例代码片段

  const fileUri: vscode.Uri = vscode.Uri.file('/path/to/workspace/app.js'); // On Windows, the path should be in the format of 'c:\\path\\to\\workspace\\app.js'
  const fileRange: vscode.Range = new vscode.Range(0, 0, 3, 0);
  const externalUri: vscode.Uri = vscode.Uri.parse('https://vscode.js.cn');
  
  // Add a reference to an entire file
  stream.reference(fileUri);
  
  // Add a reference to a specific selection within a file
  stream.reference(new vscode.Location(fileUri, fileRange));
  
  // Add a reference to an external URL
  stream.reference(externalUri);
  

• 内联引用

  添加对 URI 或编辑器位置的内联引用。使用 ChatResponseStream.anchor 方法并提供锚点位置和可选标题。要引用符号（例如，类或变量），你将使用编辑器中的位置。

  示例代码片段

  const symbolLocation: vscode.Uri = vscode.Uri.parse('location-to-a-symbol');
  
  // Render an inline anchor to a symbol in the workspace
  stream.anchor(symbolLocation, 'MySymbol');
  

重要：图像和链接仅在它们源自受信任域列表中的域时才可用。获取有关 VS Code 中的链接保护的更多信息。

实现工具调用

为了响应用户请求，聊天扩展可以调用语言模型工具。了解更多关于 语言模型工具 和 工具调用流程 的信息。

你可以通过两种方式实现工具调用

• 使用 @vscode/chat-extension-utils 库 来简化在聊天扩展中调用工具的过程。
• 自行实现工具调用，这让你对工具调用过程有更多的控制权。例如，在将工具响应发送到 LLM 之前执行额外的验证或以特定方式处理工具响应。

使用聊天扩展库实现工具调用

你可以使用 @vscode/chat-extension-utils 库 来简化在聊天扩展中调用工具的过程。

在你的 聊天参与者 的 vscode.ChatRequestHandler 函数中实现工具调用。

1. 确定当前聊天上下文的相关工具。你可以使用 vscode.lm.tools 访问所有可用的工具。

   以下代码片段显示了如何过滤工具，仅选择具有特定标签的工具。

   const tools =
     request.command === 'all'
       ? vscode.lm.tools
       : vscode.lm.tools.filter(tool => tool.tags.includes('chat-tools-sample'));
   

2. 使用 sendChatParticipantRequest 将请求和工具定义发送到 LLM。

   const libResult = chatUtils.sendChatParticipantRequest(
     request,
     chatContext,
     {
       prompt: 'You are a cat! Answer as a cat.',
       responseStreamOptions: {
         stream,
         references: true,
         responseText: true
       },
       tools
     },
     token
   );
   

   ChatHandlerOptions 对象具有以下属性

   • prompt: (可选) 聊天参与者提示的说明。
   • model: (可选) 用于请求的模型。如果未指定，则使用聊天上下文中的模型。
   • tools: (可选) 要考虑用于请求的工具列表。
   • requestJustification: (可选) 描述发出请求原因的字符串。
   • responseStreamOptions: (可选) 启用 sendChatParticipantRequest 将响应流回 VS Code。或者，你还可以启用引用和/或响应文本。

3. 从 LLM 返回结果。这可能包含错误详细信息或工具调用元数据。

   return await libResult.result;
   

此工具调用示例的完整源代码可在 VS Code 扩展示例存储库中找到。

自行实现工具调用

对于更高级的场景，你也可以自行实现工具调用。或者，你可以使用 @vscode/prompt-tsx 库来编写 LLM 提示。通过自行实现工具调用，你可以对工具调用过程有更多的控制权。例如，在将工具响应发送到 LLM 之前执行额外的验证或以特定方式处理工具响应。

在 VS Code 扩展示例存储库中查看使用 prompt-tsx 实现工具调用的完整源代码。

衡量成功

我们建议你通过添加对“无帮助”用户反馈事件和参与者处理的总请求数的遥测日志记录来衡量参与者的成功。初始参与者成功指标可以定义为：无帮助反馈计数 / 总请求数。

const logger = vscode.env.createTelemetryLogger({
  // telemetry logging implementation goes here
});

cat.onDidReceiveFeedback((feedback: vscode.ChatResultFeedback) => {
  // Log chat result feedback to be able to compute the success metric of the participant
  logger.logUsage('chatResultFeedback', {
    kind: feedback.kind
  });
});

任何其他用户与你的聊天响应的交互都应被视为积极指标（例如，用户选择聊天响应中生成的按钮）。由于 AI 是一种非确定性技术，因此通过遥测衡量成功至关重要。运行实验、测量并迭代改进你的参与者，以确保良好的用户体验。

准则和约定

准则

聊天参与者不应仅仅是问答机器人。在构建聊天参与者时，要有创造力并使用现有的 VS Code API 在 VS Code 中创建丰富的集成。用户也喜欢丰富便捷的交互，例如响应中的按钮、将用户带到聊天中参与者的菜单项。考虑人工智能可以帮助用户解决现实生活场景。

并非每个扩展都贡献一个聊天参与者都是有意义的。聊天中参与者过多可能会导致糟糕的用户体验。当你想控制完整的提示（包括对语言模型的指令）时，聊天参与者是最好的。你可以重用精心设计的 Copilot 系统消息，并且可以向其他参与者贡献上下文。

例如，语言扩展（如 C++ 扩展）可以通过各种其他方式做出贡献

• 贡献工具，将语言服务智能带到用户查询。例如，C++ 扩展可以将 #cpp 工具解析为工作区的 C++ 状态。这为 Copilot 语言模型提供了正确的 C++ 上下文，以提高 Copilot 对 C++ 答案的质量。
• 贡献智能操作，使用语言模型（可选地与传统语言服务知识结合）提供出色的用户体验。例如，C++ 可能已经提供了一个“提取到方法”智能操作，该操作使用语言模型为新方法生成合适的默认名称。

如果聊天扩展即将执行耗费资源的操作或即将编辑或删除无法撤消的内容，则应明确征求用户同意。为了获得出色的用户体验，我们不鼓励扩展贡献多个聊天参与者。每个扩展最多一个聊天参与者是一个在 UI 中扩展良好的简单模型。

聊天参与者命名约定

在任何面向用户的元素（例如属性、聊天响应或聊天用户界面）中引用你的聊天参与者时，建议不要使用术语参与者，因为它是 API 的名称。例如，@cat 扩展可以称为“GitHub Copilot 的猫扩展”。

斜杠命令命名约定

发布你的扩展

创建 AI 扩展后，你可以将扩展发布到 Visual Studio Marketplace

• 在发布到 VS Marketplace 之前，我们建议你阅读 Microsoft AI 工具和实践指南。这些指南提供了负责任地开发和使用 AI 技术的最佳实践。
• 通过发布到 VS Marketplace，你的扩展遵循 GitHub Copilot 扩展性可接受的开发和使用策略。
• 按照 发布扩展 中所述上传到 Marketplace。
• 如果你的扩展已经贡献了除聊天之外的功能，我们建议你不要在 扩展清单 中引入对 GitHub Copilot 的扩展依赖。这确保了不使用 GitHub Copilot 的扩展用户可以使用非聊天功能，而无需安装 GitHub Copilot。

通过 GitHub Apps 扩展 GitHub Copilot

或者，可以通过创建一个 GitHub App 来扩展 GitHub Copilot，该 App 在聊天视图中贡献一个聊天参与者。GitHub App 由一个服务支持，并在所有 GitHub Copilot 界面（例如 github.com、Visual Studio 或 VS Code）上运行。另一方面，GitHub App 无法完全访问 VS Code API。要了解更多关于通过 GitHub App 扩展 GitHub Copilot 的信息，请参阅 GitHub 文档。

使用语言模型

聊天参与者可以通过多种方式使用语言模型。一些参与者仅使用语言模型来获取自定义提示的答案，例如 示例聊天参与者。其他参与者则更高级，并且充当自主代理，在语言模型的帮助下调用多个工具。此类高级参与者的一个示例是内置的 @workspace，它了解你的工作区并可以回答有关它的问题。在内部，@workspace 由多个工具提供支持：GitHub 的知识图谱，结合语义搜索、本地代码索引和 VS Code 的语言服务。

相关内容

• 聊天参与者 API 参考
• 在你的扩展中使用语言模型 API
• 贡献一个语言模型工具