AI Client

Recurso de cliente de inteligência artificial.

Permite integrar com fornecedores de IA compatíveis com a API OpenAI, suportando chat, streaming, embeddings e ferramentas MCP (Model Context Protocol).

const client = _ai.client('openai')
client.model('gpt-4o')

const messages = _val.list()
    .add(_val.map().set('role', 'user').set('content', 'Olá!'))

const result = client.chat(messages)
_out.json(result)

chat

chat(modelo: string, mensagens: Values) : Values

Descrição

Executa uma conversa especificando explicitamente o modelo a utilizar, sobrepondo o modelo configurado por omissão.

Como Usar

const messages = _val.list()
    .add(_val.map().set('role', 'user').set('content', 'Olá!'))

const resposta = client.chat('gpt-4o-mini', messages)
_out.json(resposta.toJSON())

Atributos

NOME	TIPO	DESCRIÇÃO
modelo	string	Identificador do modelo a usar nesta chamada.
mensagens	Values	Lista de mensagens da conversa.

Retorno

( Values )

Objeto com a resposta completa da API.

chat(modelo: string, mensagens: Values, opcoes: Values) : Values

Descrição

Executa uma conversa especificando explicitamente o modelo a utilizar, com opções adicionais, sobrepondo o modelo configurado por omissão.

Como Usar

const messages = _val.list()
    .add(_val.map().set('role', 'user').set('content', 'Olá!'))

const options = _val.map().set('temperature', 0.7)

const resposta = client.chat('gpt-4o-mini', messages, options)
_out.json(resposta.toJSON())

Atributos

NOME	TIPO	DESCRIÇÃO
modelo	string	Identificador do modelo a usar nesta chamada.
mensagens	Values	Lista de mensagens da conversa.
opcoes	Values	Opções adicionais: `temperature` (0.0–2.0), `max_tokens`, `top_p`.

Retorno

( Values )

Objeto com a resposta completa da API.

chat(modelo: string, mensagens: Values, opcoes: Values, callbackFerramenta: org.netuno.tritao.ai.client.Client$ToolCallback) : Values

Descrição

Executa uma conversa especificando explicitamente o modelo a utilizar, com opções adicionais e suporte a ferramentas MCP via callback, sobrepondo o modelo configurado por omissão.

Como Usar

const messages = _val.list()
    .add(_val.map().set('role', 'user').set('content', 'Olá!'))

const options = _val.map().set('temperature', 0.7)

const resposta = client.chat('gpt-4o-mini', messages, options, (toolName, args, mcpClient, tool) => {
    _log.info('Ferramenta invocada: ' + toolName)
    return null
})
_out.json(resposta.toJSON())

Atributos

NOME	TIPO	DESCRIÇÃO
modelo	string	Identificador do modelo a usar nesta chamada.
mensagens	Values	Lista de mensagens da conversa.
opcoes	Values	Opções adicionais: `temperature` (0.0–2.0), `max_tokens`, `top_p`.
callbackFerramenta	org.netuno.tritao.ai.client.Client$ToolCallback	Callback invocado antes de cada execução de ferramenta. Retorne null para execução normal ou um Values para sobrepor o resultado.

Retorno

( Values )

Objeto com a resposta completa da API.

chat(modelo: string, mensagens: Values, callbackFerramenta: org.netuno.tritao.ai.client.Client$ToolCallback) : Values

Descrição

Executa uma conversa especificando explicitamente o modelo a utilizar, com suporte a ferramentas MCP via callback, sobrepondo o modelo configurado por omissão.

Como Usar

const messages = _val.list()
    .add(_val.map().set('role', 'user').set('content', 'Que horas são?'))

const resposta = client.chat('gpt-4o-mini', messages, (toolName, args, mcpClient, tool) => {
    _log.info('Ferramenta invocada: ' + toolName)
    return null
})
_out.json(resposta.toJSON())

Atributos

NOME	TIPO	DESCRIÇÃO
modelo	string	Identificador do modelo a usar nesta chamada.
mensagens	Values	Lista de mensagens da conversa.
callbackFerramenta	org.netuno.tritao.ai.client.Client$ToolCallback	Callback invocado antes de cada execução de ferramenta. Retorne null para execução normal ou um Values para sobrepor o resultado.

Retorno

( Values )

Objeto com a resposta completa da API.

chat(mensagens: Values) : Values

Descrição

Executa uma conversa com o modelo de IA configurado, enviando uma lista de mensagens e retornando a resposta completa.

Como Usar

const messages = _val.list()
    .add(_val.map().set('role', 'system').set('content', 'És um assistente útil.'))
    .add(_val.map().set('role', 'user').set('content', 'Qual é a capital de Portugal?'))

const resposta = client.chat(messages)
_out.json(resposta.toJSON())

Atributos

NOME	TIPO	DESCRIÇÃO
mensagens	Values	Lista de mensagens da conversa. Cada mensagem deve ter os campos `role` (system, user, assistant) e `content`.

Retorno

( Values )

Objeto com a resposta completa da API, incluindo choices, usage e demais metadados.

chat(mensagens: Values, opcoes: Values) : Values

Descrição

Executa uma conversa com o modelo de IA configurado, com opções adicionais como temperatura e max_tokens.

Como Usar

const messages = _val.list()
    .add(_val.map().set('role', 'user').set('content', 'Olá!'))

const options = _val.map()
    .set('temperature', 0.7)
    .set('max_tokens', 200)

const resposta = client.chat(messages, options)
_out.json(resposta.toJSON())

Atributos

NOME	TIPO	DESCRIÇÃO
mensagens	Values	Lista de mensagens da conversa.
opcoes	Values	Opções adicionais: `temperature` (0.0–2.0), `max_tokens`, `top_p`.

Retorno

( Values )

Objeto com a resposta completa da API.

chat(mensagens: Values, opcoes: Values, callbackFerramenta: org.netuno.tritao.ai.client.Client$ToolCallback) : Values

Descrição

Executa uma conversa com o modelo de IA configurado, com opções adicionais e suporte a ferramentas MCP via callback.

Como Usar

const messages = _val.list()
    .add(_val.map().set('role', 'user').set('content', 'Olá!'))

const options = _val.map().set('temperature', 0.7)

const resposta = client.chat(messages, options, (toolName, args, mcpClient, tool) => {
    _log.info('Ferramenta invocada: ' + toolName)
    return null
})
_out.json(resposta.toJSON())

Atributos

NOME	TIPO	DESCRIÇÃO
mensagens	Values	Lista de mensagens da conversa.
opcoes	Values	Opções adicionais: `temperature` (0.0–2.0), `max_tokens`, `top_p`.
callbackFerramenta	org.netuno.tritao.ai.client.Client$ToolCallback	Callback invocado antes de cada execução de ferramenta. Retorne null para execução normal ou um Values para sobrepor o resultado.

Retorno

( Values )

Objeto com a resposta completa da API.

chat(mensagens: Values, callbackFerramenta: org.netuno.tritao.ai.client.Client$ToolCallback) : Values

Descrição

Executa uma conversa com o modelo de IA configurado com suporte a ferramentas MCP via callback. O callback é invocado antes de cada chamada a uma ferramenta, permitindo interceptar ou sobrepor o resultado.

Como Usar

const messages = _val.list()
    .add(_val.map().set('role', 'user').set('content', 'Que horas são?'))

const resposta = client.chat(messages, (toolName, args, mcpClient, tool) => {
    _log.info('Ferramenta invocada: ' + toolName)
    return null // null = deixa o cliente executar normalmente
})
_out.json(resposta.toJSON())

Atributos

NOME	TIPO	DESCRIÇÃO
mensagens	Values	Lista de mensagens da conversa.
callbackFerramenta	org.netuno.tritao.ai.client.Client$ToolCallback	Callback invocado antes de cada execução de ferramenta. Retorne null para execução normal ou um Values para sobrepor o resultado.

Retorno

( Values )

Objeto com a resposta completa da API.

embeddings

embeddings(input: string) : Values

Descrição

Gera um embedding vetorial para um texto de entrada utilizando o modelo configurado.

Como Usar

const resultado = client.embeddings('O céu é azul.')
_out.json(resultado.toJSON())

Atributos

NOME	TIPO	DESCRIÇÃO
input	string	Texto de entrada para o qual será gerado o embedding.

Retorno

( Values )

Objeto com a resposta da API, incluindo os vetores gerados e metadados de uso.

embeddings(modelo: string, input: string) : Values

Descrição

Gera um embedding vetorial para um texto de entrada especificando explicitamente o modelo a utilizar.

Como Usar

const resultado = client.embeddings('text-embedding-3-small', 'O céu é azul.')
_out.json(resultado.toJSON())

Atributos

NOME	TIPO	DESCRIÇÃO
modelo	string	Identificador do modelo de embeddings a utilizar, por exemplo: `text-embedding-3-small`.
input	string	Texto de entrada para o qual será gerado o embedding.

Retorno

( Values )

Objeto com a resposta da API, incluindo os vetores gerados e metadados de uso.

embeddings(modelo: string, input: string, opcoes: Values) : Values

Descrição

Gera um embedding vetorial para um texto de entrada especificando explicitamente o modelo e opções adicionais.

Como Usar

const opcoes = _val.map().set('dimensions', 512)

const resultado = client.embeddings('text-embedding-3-small', 'O céu é azul.', opcoes)
_out.json(resultado.toJSON())

Atributos

NOME	TIPO	DESCRIÇÃO
modelo	string	Identificador do modelo de embeddings a utilizar, por exemplo: `text-embedding-3-small`.
input	string	Texto de entrada para o qual será gerado o embedding.
opcoes	Values	Opções adicionais: `dimensions` (número de dimensões do vetor), `encoding_format` (`float` ou `base64`), `user` (identificador do utilizador).

Retorno

( Values )

Objeto com a resposta da API, incluindo os vetores gerados e metadados de uso.

embeddings(modelo: string, entradas: Values) : Values

Descrição

Gera embeddings vetoriais para múltiplos textos de entrada especificando explicitamente o modelo a utilizar. A lista deve conter apenas valores de texto.

Como Usar

const textos = _val.list()
    .add('O céu é azul.')
    .add('A relva é verde.')

const resultado = client.embeddings('text-embedding-3-small', textos)
_out.json(resultado.toJSON())

Atributos

NOME	TIPO	DESCRIÇÃO
modelo	string	Identificador do modelo de embeddings a utilizar, por exemplo: `text-embedding-3-small`.
entradas	Values	Lista de textos de entrada. Cada elemento deve ser um texto simples.

Retorno

( Values )

Objeto com a resposta da API, incluindo os vetores gerados para cada texto e metadados de uso.

embeddings(modelo: string, entradas: Values, opcoes: Values) : Values

Descrição

Gera embeddings vetoriais para múltiplos textos de entrada especificando explicitamente o modelo a utilizar e opções adicionais. A lista deve conter apenas valores de texto.

Como Usar

const textos = _val.list()
    .add('O céu é azul.')
    .add('A relva é verde.')

const opcoes = _val.map().set('dimensions', 512)

const resultado = client.embeddings('text-embedding-3-small', textos, opcoes)
_out.json(resultado.toJSON())

Atributos

NOME	TIPO	DESCRIÇÃO
modelo	string	Identificador do modelo de embeddings a utilizar, por exemplo: `text-embedding-3-small`.
entradas	Values	Lista de textos de entrada. Cada elemento deve ser um texto simples.
opcoes	Values	Opções adicionais: `dimensions` (número de dimensões do vetor), `encoding_format` (`float` ou `base64`), `user` (identificador do utilizador).

Retorno

( Values )

Objeto com a resposta da API, incluindo os vetores gerados para cada texto e metadados de uso.

embeddings(entradas: Values) : Values

Descrição

Gera embeddings vetoriais para múltiplos textos de entrada utilizando o modelo configurado. A lista deve conter apenas valores de texto.

Como Usar

const textos = _val.list()
    .add('O céu é azul.')
    .add('A relva é verde.')

const resultado = client.embeddings(textos)
_out.json(resultado.toJSON())

Atributos

NOME	TIPO	DESCRIÇÃO
entradas	Values	Lista de textos de entrada. Cada elemento deve ser um texto simples.

Retorno

( Values )

Objeto com a resposta da API, incluindo os vetores gerados para cada texto e metadados de uso.

embeddings(entradas: Values, opcoes: Values) : Values

Descrição

Gera embeddings vetoriais para múltiplos textos de entrada utilizando o modelo configurado, com opções adicionais. A lista deve conter apenas valores de texto.

Como Usar

const textos = _val.list()
    .add('O céu é azul.')
    .add('A relva é verde.')

const opcoes = _val.map().set('dimensions', 512)

const resultado = client.embeddings(textos, opcoes)
_out.json(resultado.toJSON())

Atributos

NOME	TIPO	DESCRIÇÃO
entradas	Values	Lista de textos de entrada. Cada elemento deve ser um texto simples.
opcoes	Values	Opções adicionais: `dimensions` (número de dimensões do vetor), `encoding_format` (`float` ou `base64`), `user` (identificador do utilizador).

Retorno

( Values )

Objeto com a resposta da API, incluindo os vetores gerados para cada texto e metadados de uso.

getMaxToolLoops

getMaxToolLoops() : int

Descrição

Obtém o número máximo de ciclos de chamadas a ferramentas configurado.

Como Usar

const maxCiclos = client.getMaxToolLoops()
_out.print(maxCiclos)

Retorno

( int )

Número máximo de ciclos de ferramentas.

instance

instance() : com.openai.client.OpenAIClient

Descrição

Obtém a instância interna do cliente OpenAI para uso avançado direto com a biblioteca subjacente.

Como Usar

const openAIClient = client.instance()

Retorno

( com.openai.client.OpenAIClient )

Instância do cliente OpenAI.

isInitialized

isInitialized() : boolean

Descrição

Verifica se o cliente de IA foi inicializado com sucesso para o fornecedor configurado.

Como Usar

if (!client.isInitialized()) {
    _log.error('Cliente não inicializado.')
}

Retorno

( boolean )

Verdadeiro se o cliente está inicializado.

maxToolLoops

maxToolLoops(maxCiclos: int) : boolean

Descrição

Define o número máximo de ciclos de chamadas a ferramentas (tool loops) durante uma conversa. Evita ciclos infinitos quando o modelo continua a invocar ferramentas sucessivamente.

Como Usar

client.maxToolLoops(5)

Atributos

NOME	TIPO	DESCRIÇÃO
maxCiclos	int	Número máximo de ciclos de ferramentas. Deve ser pelo menos 1.

Retorno

( boolean )

Verdadeiro se o valor foi aplicado com sucesso, falso se o valor for inválido.

mcp

mcp(configuracoes: Values) : void

Descrição

Configura os servidores MCP (Model Context Protocol) a utilizar nas operações de chat e stream. Cada servidor expõe ferramentas que o modelo pode invocar automaticamente durante a conversa. As ferramentas ficam disponíveis com o prefixo nomeDoServidor__nomeDaFerramenta.

Tipos de transporte suportados:

remote: liga a um servidor MCP via HTTP Streamable (SSE/HTTP)
stdio: inicia um processo local e comunica via stdin/stdout

Como Usar

// Servidor MCP remoto via HTTP
const servidores = _val.list()
    .add(
        _val.map()
            .set('type', 'remote')
            .set('name', 'meuServidor')
            .set('url', 'https://mcp.exemplo.com')
            .set('endpoint', '/mcp')
            .set('headers',
                _val.map().set('Authorization', 'Bearer SEU_TOKEN')
            )
    )

client.mcp(servidores)

const messages = _val.list()
    .add(_val.map().set('role', 'user').set('content', 'Usa a ferramenta disponível.'))

const resposta = client.chat(messages)
_out.json(resposta.toJSON())

Atributos

NOME	TIPO	DESCRIÇÃO
configuracoes	Values	Lista de configurações de servidores MCP. Cada entrada é um objeto com os seguintes campos:

		Campos comuns:
		- `type` (obrigatório): tipo de transporte — `remote` ou `stdio`
		- `name` (opcional): nome do servidor, usado como prefixo nas ferramentas. Se omitido, é gerado automaticamente

		Para `type: remote`:
		- `url` (obrigatório): URL base do servidor MCP, por exemplo `https://mcp.exemplo.com`
		- `endpoint` (opcional): caminho do endpoint MCP. Por omissão: `/mcp`
		- `headers` (opcional): objeto com cabeçalhos HTTP adicionais, por exemplo `Authorization`

		Para `type: stdio`:
		- `command` (obrigatório): comando a executar
		- `args` (opcional): lista de argumentos do comando
		- `env` (opcional): objeto com variáveis de ambiente

Retorno

( void )

model

model(modelo: string) : boolean

Descrição

Define o modelo de IA a utilizar nas operações de chat, stream e embeddings. O modelo é validado contra a lista de modelos disponíveis no fornecedor.

Como Usar

const ok = client.model('gpt-4o')
if (!ok) {
    _log.error('Modelo inválido ou não disponível.')
}

Atributos

NOME	TIPO	DESCRIÇÃO
modelo	string	Identificador do modelo a utilizar, por exemplo: `gpt-4o`.

Retorno

( boolean )

Verdadeiro se o modelo é válido e foi definido, falso caso contrário.

models

models() : Values

Descrição

Lista todos os modelos disponíveis no fornecedor de IA configurado.

Como Usar

const modelos = client.models()
_out.json(modelos.toJSON())

Retorno

( Values )

Lista de modelos disponíveis, cada um como um objeto com os seus metadados.

provider

provider(fornecedor: string) : boolean

Descrição

Muda o fornecedor de IA e reinicializa o cliente com as configurações do novo fornecedor definidas no ficheiro de configuração da aplicação.

Como Usar

const trocou = client.provider('anthropic')
if (trocou) {
    _log.info('Fornecedor alterado com sucesso.')
}

Atributos

NOME	TIPO	DESCRIÇÃO
fornecedor	string	Nome do fornecedor de IA conforme definido nas configurações da aplicação.

Retorno

( boolean )

Verdadeiro se o fornecedor foi trocado com sucesso, falso caso contrário.

stream

stream(modelo: string, mensagens: Values, aoToken: java.util.function.Consumer<Values>) : void

Descrição

Executa uma conversa em streaming especificando explicitamente o modelo a utilizar, sobrepondo o modelo configurado por omissão, processando cada token à medida que é gerado.

Como Usar

const messages = _val.list()
    .add(_val.map().set('role', 'user').set('content', 'Conte-me uma história curta.'))

client.stream('gpt-4o-mini', messages, (chunk) => {
    _out.print(chunk.get('choices').get(0).get('delta').get('content'))
})

Atributos

NOME	TIPO	DESCRIÇÃO
modelo	string	Identificador do modelo a usar nesta chamada.
mensagens	Values	Lista de mensagens da conversa.
aoToken	java.util.function.Consumer	Callback invocado para cada token recebido, recebendo o fragmento da resposta como argumento.

Retorno

( void )

stream(modelo: string, mensagens: Values, aoToken: java.util.function.Consumer<Values>, callbackFerramenta: org.netuno.tritao.ai.client.Client$ToolCallback) : void

Descrição

Executa uma conversa em streaming especificando explicitamente o modelo a utilizar, com suporte a ferramentas MCP via callback, sobrepondo o modelo configurado por omissão, processando cada token à medida que é gerado.

Como Usar

const messages = _val.list()
    .add(_val.map().set('role', 'user').set('content', 'Que horas são?'))

client.stream('gpt-4o-mini', messages, (chunk) => {
    _out.print(chunk.get('choices').get(0).get('delta').get('content'))
}, (toolName, args, mcpClient, tool) => {
    _log.info('Ferramenta invocada: ' + toolName)
    return null
})

Atributos

NOME	TIPO	DESCRIÇÃO
modelo	string	Identificador do modelo a usar nesta chamada.
mensagens	Values	Lista de mensagens da conversa.
aoToken	java.util.function.Consumer	Callback invocado para cada token recebido, recebendo o fragmento da resposta como argumento.
callbackFerramenta	org.netuno.tritao.ai.client.Client$ToolCallback	Callback invocado antes de cada execução de ferramenta. Retorne null para execução normal ou um Values para sobrepor o resultado.

Retorno

( void )

stream(modelo: string, mensagens: Values, opcoes: Values, aoToken: java.util.function.Consumer<Values>) : void

Descrição

Executa uma conversa em streaming especificando explicitamente o modelo a utilizar, com opções adicionais, sobrepondo o modelo configurado por omissão, processando cada token à medida que é gerado.

Como Usar

const messages = _val.list()
    .add(_val.map().set('role', 'user').set('content', 'Olá!'))

const options = _val.map().set('temperature', 0.7)

client.stream('gpt-4o-mini', messages, options, (chunk) => {
    _out.print(chunk.get('choices').get(0).get('delta').get('content'))
})

Atributos

NOME	TIPO	DESCRIÇÃO
modelo	string	Identificador do modelo a usar nesta chamada.
mensagens	Values	Lista de mensagens da conversa.
opcoes	Values	Opções adicionais: `temperature` (0.0–2.0), `max_tokens`, `top_p`.
aoToken	java.util.function.Consumer	Callback invocado para cada token recebido, recebendo o fragmento da resposta como argumento.

Retorno

( void )

stream(modelo: string, mensagens: Values, opcoes: Values, aoToken: java.util.function.Consumer<Values>, callbackFerramenta: org.netuno.tritao.ai.client.Client$ToolCallback) : void

Descrição

Executa uma conversa em streaming especificando explicitamente o modelo a utilizar, com opções adicionais e suporte a ferramentas MCP via callback, sobrepondo o modelo configurado por omissão, processando cada token à medida que é gerado.

Como Usar

const messages = _val.list()
    .add(_val.map().set('role', 'user').set('content', 'Olá!'))

const options = _val.map().set('temperature', 0.7)

client.stream('gpt-4o-mini', messages, options, (chunk) => {
    _out.print(chunk.get('choices').get(0).get('delta').get('content'))
}, (toolName, args, mcpClient, tool) => {
    _log.info('Ferramenta invocada: ' + toolName)
    return null
})

Atributos

NOME	TIPO	DESCRIÇÃO
modelo	string	Identificador do modelo a usar nesta chamada.
mensagens	Values	Lista de mensagens da conversa.
opcoes	Values	Opções adicionais: `temperature` (0.0–2.0), `max_tokens`, `top_p`.
aoToken	java.util.function.Consumer	Callback invocado para cada token recebido, recebendo o fragmento da resposta como argumento.
callbackFerramenta	org.netuno.tritao.ai.client.Client$ToolCallback	Callback invocado antes de cada execução de ferramenta. Retorne null para execução normal ou um Values para sobrepor o resultado.

Retorno

( void )

stream(mensagens: Values, aoToken: java.util.function.Consumer<Values>) : void

Descrição

Executa uma conversa em streaming com o modelo de IA configurado, processando cada token à medida que é gerado.

Como Usar

const messages = _val.list()
    .add(_val.map().set('role', 'user').set('content', 'Conte-me uma história curta.'))

client.stream(messages, (chunk) => {
    _out.print(chunk.get('choices').get(0).get('delta').get('content'))
})

Atributos

NOME	TIPO	DESCRIÇÃO
mensagens	Values	Lista de mensagens da conversa.
aoToken	java.util.function.Consumer	Callback invocado para cada token recebido, recebendo o fragmento da resposta como argumento.

Retorno

( void )

stream(mensagens: Values, aoToken: java.util.function.Consumer<Values>, callbackFerramenta: org.netuno.tritao.ai.client.Client$ToolCallback) : void

Descrição

Executa uma conversa em streaming com o modelo de IA configurado, com suporte a ferramentas MCP via callback, processando cada token à medida que é gerado.

Como Usar

const messages = _val.list()
    .add(_val.map().set('role', 'user').set('content', 'Que horas são?'))

client.stream(messages, (chunk) => {
    _out.print(chunk.get('choices').get(0).get('delta').get('content'))
}, (toolName, args, mcpClient, tool) => {
    _log.info('Ferramenta invocada: ' + toolName)
    return null
})

Atributos

NOME	TIPO	DESCRIÇÃO
mensagens	Values	Lista de mensagens da conversa.
aoToken	java.util.function.Consumer	Callback invocado para cada token recebido, recebendo o fragmento da resposta como argumento.
callbackFerramenta	org.netuno.tritao.ai.client.Client$ToolCallback	Callback invocado antes de cada execução de ferramenta. Retorne null para execução normal ou um Values para sobrepor o resultado.

Retorno

( void )

stream(mensagens: Values, opcoes: Values, aoToken: java.util.function.Consumer<Values>) : void

Descrição

Executa uma conversa em streaming com o modelo de IA configurado, com opções adicionais, processando cada token à medida que é gerado.

Como Usar

const messages = _val.list()
    .add(_val.map().set('role', 'user').set('content', 'Olá!'))

const options = _val.map().set('temperature', 0.7)

client.stream(messages, options, (chunk) => {
    _out.print(chunk.get('choices').get(0).get('delta').get('content'))
})

Atributos

NOME	TIPO	DESCRIÇÃO
mensagens	Values	Lista de mensagens da conversa.
opcoes	Values	Opções adicionais: `temperature` (0.0–2.0), `max_tokens`, `top_p`.
aoToken	java.util.function.Consumer	Callback invocado para cada token recebido, recebendo o fragmento da resposta como argumento.

Retorno

( void )

stream(mensagens: Values, opcoes: Values, aoToken: java.util.function.Consumer<Values>, callbackFerramenta: org.netuno.tritao.ai.client.Client$ToolCallback) : void

Descrição

Executa uma conversa em streaming com o modelo de IA configurado, com opções adicionais e suporte a ferramentas MCP via callback, processando cada token à medida que é gerado.

Como Usar

const messages = _val.list()
    .add(_val.map().set('role', 'user').set('content', 'Olá!'))

const options = _val.map().set('temperature', 0.7)

client.stream(messages, options, (chunk) => {
    _out.print(chunk.get('choices').get(0).get('delta').get('content'))
}, (toolName, args, mcpClient, tool) => {
    _log.info('Ferramenta invocada: ' + toolName)
    return null
})

Atributos

NOME	TIPO	DESCRIÇÃO
mensagens	Values	Lista de mensagens da conversa.
opcoes	Values	Opções adicionais: `temperature` (0.0–2.0), `max_tokens`, `top_p`.
aoToken	java.util.function.Consumer	Callback invocado para cada token recebido, recebendo o fragmento da resposta como argumento.
callbackFerramenta	org.netuno.tritao.ai.client.Client$ToolCallback	Callback invocado antes de cada execução de ferramenta. Retorne null para execução normal ou um Values para sobrepor o resultado.

Retorno

( void )

chat​

chat(modelo: string, mensagens: Values) : Values​

Descrição​

Como Usar​

Atributos​

Retorno​

chat(modelo: string, mensagens: Values, opcoes: Values) : Values​

Descrição​

Como Usar​

Atributos​

Retorno​

chat(modelo: string, mensagens: Values, opcoes: Values, callbackFerramenta: org.netuno.tritao.ai.client.Client$ToolCallback) : Values​

Descrição​

Como Usar​

Atributos​

Retorno​

chat(modelo: string, mensagens: Values, callbackFerramenta: org.netuno.tritao.ai.client.Client$ToolCallback) : Values​

Descrição​

Como Usar​

Atributos​

Retorno​

chat(mensagens: Values) : Values​

Descrição​

Como Usar​

Atributos​

Retorno​

chat(mensagens: Values, opcoes: Values) : Values​

Descrição​

Como Usar​

Atributos​

Retorno​

chat(mensagens: Values, opcoes: Values, callbackFerramenta: org.netuno.tritao.ai.client.Client$ToolCallback) : Values​

Descrição​

Como Usar​

Atributos​

Retorno​

chat(mensagens: Values, callbackFerramenta: org.netuno.tritao.ai.client.Client$ToolCallback) : Values​

Descrição​

Como Usar​

Atributos​

Retorno​

embeddings​

embeddings(input: string) : Values​

Descrição​

Como Usar​

Atributos​

Retorno​

embeddings(modelo: string, input: string) : Values​

Descrição​

Como Usar​

Atributos​

Retorno​

embeddings(modelo: string, input: string, opcoes: Values) : Values​

Descrição​

Como Usar​

Atributos​

Retorno​

embeddings(modelo: string, entradas: Values) : Values​

Descrição​

Como Usar​

Atributos​

Retorno​

embeddings(modelo: string, entradas: Values, opcoes: Values) : Values​

Descrição​

Como Usar​

Atributos​

Retorno​

embeddings(entradas: Values) : Values​

Descrição​

Como Usar​

Atributos​

Retorno​

embeddings(entradas: Values, opcoes: Values) : Values​

Descrição​

Como Usar​

Atributos​

Retorno​

getMaxToolLoops​

getMaxToolLoops() : int​

Descrição​

chat

chat(modelo: string, mensagens: Values) : Values

Descrição

Como Usar

Atributos

Retorno

chat(modelo: string, mensagens: Values, opcoes: Values) : Values

Descrição

Como Usar

Atributos

Retorno

chat(modelo: string, mensagens: Values, opcoes: Values, callbackFerramenta: org.netuno.tritao.ai.client.Client$ToolCallback) : Values

Descrição

Como Usar

Atributos

Retorno

chat(modelo: string, mensagens: Values, callbackFerramenta: org.netuno.tritao.ai.client.Client$ToolCallback) : Values

Descrição

Como Usar

Atributos

Retorno

chat(mensagens: Values) : Values

Descrição

Como Usar

Atributos

Retorno

chat(mensagens: Values, opcoes: Values) : Values

Descrição

Como Usar

Atributos

Retorno

chat(mensagens: Values, opcoes: Values, callbackFerramenta: org.netuno.tritao.ai.client.Client$ToolCallback) : Values

Descrição

Como Usar

Atributos

Retorno

chat(mensagens: Values, callbackFerramenta: org.netuno.tritao.ai.client.Client$ToolCallback) : Values

Descrição

Como Usar

Atributos

Retorno

embeddings

embeddings(input: string) : Values

Descrição

Como Usar

Atributos

Retorno

embeddings(modelo: string, input: string) : Values

Descrição

Como Usar

Atributos

Retorno

embeddings(modelo: string, input: string, opcoes: Values) : Values

Descrição

Como Usar

Atributos

Retorno

embeddings(modelo: string, entradas: Values) : Values

Descrição

Como Usar

Atributos

Retorno

embeddings(modelo: string, entradas: Values, opcoes: Values) : Values

Descrição

Como Usar

Atributos

Retorno

embeddings(entradas: Values) : Values

Descrição

Como Usar

Atributos

Retorno

embeddings(entradas: Values, opcoes: Values) : Values

Descrição

Como Usar

Atributos

Retorno

getMaxToolLoops

getMaxToolLoops() : int

Descrição