Mi az a Planner?
Ha több beépülő modult is használ, az AI-ügynöknek módot kell találnia arra, hogy együtt használják őket a felhasználó igényeinek megoldásához. Itt jön a tervezés.
A Szemantic Kernel már a kezdetekkor bevezette a tervezők fogalmát, amelyek arra kérték az AI-t, hogy válassza ki a meghívandó függvényeket. A Szemantikus Kernel bevezetése óta azonban az OpenAI natív módot vezetett be a modell számára egy függvény meghívására vagy "meghívására": függvényhívásra. Más AI-modellek, például a Gemini, a Claude és a Mistral azóta alapvető képességként használják a függvényhívást, így modellfüggvények közötti támogatott funkcióként működnek.
Ezen fejlesztések miatt a Szemantic Kernel úgy fejlődött, hogy a függvényhívást használja a feladatok tervezésének és végrehajtásának elsődleges módjaként.
Fontos
A függvényhívás csak a 0613 vagy újabb OpenAI-modellekben érhető el. Ha régebbi modellt használ (pl. 0314), ez a funkció hibát ad vissza. Javasoljuk, hogy használja a legújabb OpenAI-modelleket a funkció előnyeinek kihasználásához.
Hogyan hoz létre "tervet" a függvényhívás?
A legegyszerűbb esetben a függvényhívás csupán egy módja annak, hogy az AI meghívjon egy függvényt a megfelelő paraméterekkel. Vegyük például egy felhasználó szeretné bekapcsolni a villanykörte. Feltéve, hogy az AI rendelkezik a megfelelő beépülő modulval, meghívhatja a függvényt a fény bekapcsolásához.
Szerepkör | Üzenet |
---|---|
🔵Felhasználó | Kapcsolja be a lámpát #1 |
🔴Asszisztens (függvényhívás) | Lights.change_state(1, { "isOn": true }) |
🟢Eszköz | { "id": 1, "name": "Table Lamp", "isOn": true, "brightness": 100, "hex": "FF0000" } |
🔴Asszisztens | A lámpa be van kapcsolva |
De mi a teendő, ha a felhasználó nem ismeri a fény azonosítóját? Vagy mi a teendő, ha a felhasználó bekapcsolja az összes lámpát? Itt jön a tervezés. A mai LLM-modellek képesek iteratív módon meghívni a függvényeket a felhasználó szükségletének megoldásához. Ez egy visszajelzési ciklus létrehozásával érhető el, ahol az AI meghívhat egy függvényt, ellenőrizheti az eredményt, majd eldöntheti, hogy mi a következő lépés.
Egy felhasználó például megkérheti az AI-t, hogy "váltson" egy villanykörtét. Az AI-nek először ellenőriznie kell a villanykörte állapotát, mielőtt eldöntené, hogy be- vagy kikapcsolja-e.
Szerepkör | Üzenet |
---|---|
🔵Felhasználó | Kapcsolja ki az összes lámpát |
🔴Asszisztens (függvényhívás) | Lights.get_lights() |
🟢Eszköz | { "lights": [ { "id": 1, "name": "Table Lamp", "isOn": true, "brightness": 100, "hex": "FF0000" }, { "id": 2, "name": "Ceiling Light", "isOn": false, "brightness": 0, "hex": "FFFFFF" } ] } |
🔴Asszisztens (függvényhívás) | Lights.change_state(1, { "isOn": false }) Lights.change_state(2, { "isOn": true }) |
🟢Eszköz | { "id": 1, "name": "Table Lamp", "isOn": false, "brightness": 0, "hex": "FFFFFF" } |
🟢Eszköz | { "id": 2, "name": "Ceiling Light", "isOn": true, "brightness": 100, "hex": "FF0000" } |
🔴Asszisztens | A fények ki vannak kapcsolva |
Feljegyzés
Ebben a példában párhuzamos függvényhívást is láthatott. Az AI itt hívhat egyszerre több függvényt. Ez egy hatékony funkció, amely segíthet az AI-nek az összetett feladatok gyorsabb megoldásában. Az OpenAI-modellekhez 1106-ban adták hozzá.
Az automatikus tervezési ciklus
A szemantikai kernel nélküli függvényhívás támogatása viszonylag összetett. Olyan hurkot kell írnia, amely a következőket hajtja végre:
- JSON-sémák létrehozása az egyes függvényekhez
- Adja meg az LLM-nek az előző csevegési előzményeket és függvénysémákat
- Az LLM válaszának elemzése annak megállapításához, hogy üzenettel szeretne-e válaszolni, vagy függvényt szeretne meghívni
- Ha az LLM függvényt szeretne meghívni, elemeznie kell a függvény nevét és paramétereit az LLM válaszából
- A függvény meghívása a megfelelő paraméterekkel
- Adja vissza a függvény eredményeit, hogy az LLM meg tudja határozni, hogy mi legyen a következő lépés
- Ismételje meg a 2–6. lépést, amíg az LLM el nem dönti, hogy elvégezte a feladatot, vagy segítségre van szüksége a felhasználótól
A Szemantic Kernelben a ciklus automatizálásával megkönnyítjük a függvényhívás használatát. Ez lehetővé teszi, hogy a felhasználó igényeinek kielégítéséhez szükséges beépülő modulok létrehozására összpontosítson.
Feljegyzés
A függvényhívási ciklus működésének megértése elengedhetetlen a teljesítményt nyújtó és megbízható AI-ügynökök létrehozásához. A ciklus működésének részletes ismertetését a függvényhívásról szóló cikkben találja.
Automatikus függvényhívás használata
Ha automatikus függvényhívást szeretne használni a Szemantic Kernelben, a következőket kell tennie:
- A beépülő modul regisztrálása a kernellel
- Végrehajtási beállításokat tartalmazó objektum létrehozása, amely arra utasítja az AI-t, hogy automatikusan hívja meg a függvényeket
- A csevegés befejező szolgáltatásának meghívása a csevegési előzményekkel és a kernellel
using System.ComponentModel;
using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.ChatCompletion;
using Microsoft.SemanticKernel.Connectors.OpenAI;
// 1. Create the kernel with the Lights plugin
var builder = Kernel.CreateBuilder().AddAzureOpenAIChatCompletion(modelId, endpoint, apiKey);
builder.Plugins.AddFromType<LightsPlugin>("Lights");
Kernel kernel = builder.Build();
var chatCompletionService = kernel.GetRequiredService<IChatCompletionService>();
// 2. Enable automatic function calling
OpenAIPromptExecutionSettings openAIPromptExecutionSettings = new()
{
ToolCallBehavior = ToolCallBehavior.AutoInvokeKernelFunctions
};
var history = new ChatHistory();
string? userInput;
do {
// Collect user input
Console.Write("User > ");
userInput = Console.ReadLine();
// Add user input
history.AddUserMessage(userInput);
// 3. Get the response from the AI with automatic function calling
var result = await chatCompletionService.GetChatMessageContentAsync(
history,
executionSettings: openAIPromptExecutionSettings,
kernel: kernel);
// Print the results
Console.WriteLine("Assistant > " + result);
// Add the message from the agent to the chat history
history.AddMessage(result.Role, result.Content ?? string.Empty);
} while (userInput is not null)
import asyncio
from semantic_kernel import Kernel
from semantic_kernel.functions import kernel_function
from semantic_kernel.connectors.ai.open_ai import AzureChatCompletion
from semantic_kernel.connectors.ai.function_call_behavior import FunctionCallBehavior
from semantic_kernel.connectors.ai.chat_completion_client_base import ChatCompletionClientBase
from semantic_kernel.contents.chat_history import ChatHistory
from semantic_kernel.functions.kernel_arguments import KernelArguments
from semantic_kernel.connectors.ai.open_ai.prompt_execution_settings.azure_chat_prompt_execution_settings import (
AzureChatPromptExecutionSettings,
)
async def main():
# 1. Create the kernel with the Lights plugin
kernel = Kernel()
kernel.add_service(AzureChatCompletion(
deployment_name="your_models_deployment_name",
api_key="your_api_key",
base_url="your_base_url",
))
kernel.add_plugin(
LightsPlugin(),
plugin_name="Lights",
)
chat_completion : AzureChatCompletion = kernel.get_service(type=ChatCompletionClientBase)
# 2. Enable automatic function calling
execution_settings = AzureChatPromptExecutionSettings(tool_choice="auto")
execution_settings.function_call_behavior = FunctionCallBehavior.EnableFunctions(auto_invoke=True, filters={})
# Create a history of the conversation
history = ChatHistory()
userInput = None
while True:
# Collect user input
userInput = input("User > ")
# Terminate the loop if the user says "exit"
if userInput == "exit":
break
# Add user input to the history
history.add_user_message(userInput)
# 3. Get the response from the AI with automatic function calling
result = (await chat_completion.get_chat_message_contents(
chat_history=history,
settings=execution_settings,
kernel=kernel,
arguments=KernelArguments(),
))[0]
# Print the results
print("Assistant > " + str(result))
# Add the message from the agent to the chat history
history.add_message(result)
# Run the main function
if __name__ == "__main__":
asyncio.run(main())
Ha automatikus függvényhívást használ, az automatikus tervezési ciklus minden lépését kezeli a rendszer, és hozzáadja az ChatHistory
objektumhoz. A függvényhívási ciklus befejezése után megvizsgálhatja az ChatHistory
objektumot, hogy lássa a Szemantic Kernel által végrehajtott összes függvényhívást és eredményt.
Mi a helyzet a lépésenkénti és a kezelősáv-tervezőket hívó függvényekkel?
A Stepwise és a Handlebars planners továbbra is elérhető a Szemantic Kernelben. Azt javasoljuk azonban, hogy a legtöbb feladathoz használjon függvényhívást, mivel hatékonyabb és könnyebben használható. A Stepwise és a Handlebars tervezők is elavultak lesznek a Szemantic Kernel jövőbeli kiadásában.
Mielőtt megszüntetnénk ezeket a tervezőket, útmutatást adunk a meglévő tervezők függvényhívásra való migrálásához. Ha kérdése van a folyamatról, forduljon hozzánk a Szemantic Kernel GitHub-adattár vitafórumán .
Figyelemfelhívás
Ha új AI-ügynököt hoz létre, javasoljuk, hogy ne használja a Stepwise vagy a Handlebars tervezőt. Ehelyett használjon függvényhívást, mivel hatékonyabb és könnyebben használható.
Következő lépések
Most, hogy megismerte, hogyan működnek a tervezők a Szemantic Kernelben, többet tudhat meg arról, hogyan befolyásolja az AI-ügynököt, hogy a felhasználók nevében a legjobban megtervezhesse és végrehajthassa a feladatokat.