カーネルはセマンティック カーネルの中心的なコンポーネントです。 最も簡単なカーネルは、AI アプリケーションの実行に必要なすべてのサービスとプラグインを管理する依存関係挿入コンテナーです。 すべてのサービスとプラグインをカーネルに提供すると、必要に応じて AI によってシームレスに使用されます。
カーネルには、ネイティブ コードと AI サービスの両方を実行するために必要なすべてのサービスとプラグインがあるため、セマンティック カーネル SDK 内のほぼすべてのコンポーネントによって使用され、エージェントが機能します。 つまり、セマンティック カーネルでプロンプトまたはコードを実行すると、必要なサービスとプラグインを取得するためにカーネルが常に使用できるようになります。
これは非常に強力です。これは、開発者が AI エージェントを構成し、最も重要に監視できる 1 つの場所を持っていることを意味するためです。 たとえば、カーネルからプロンプトを呼び出すとします。 これを行うと、カーネルは...
- プロンプトを実行するための最適な AI サービスを選択します。
- 指定されたプロンプト テンプレートを使用してプロンプトをビルドします。
- AI サービスにプロンプトを送信します。
- 応答を受信して解析します。
- 最後に、LLM からの応答をアプリケーションに返します。
このプロセス全体を通して、これらの各手順でトリガーされるイベントとミドルウェアを作成できます。 つまり、ログ記録などのアクションを実行したり、状態の更新をユーザーに提供したり、最も重要な責任を負う AI を提供したりできます。 すべて 1 か所から。
カーネルをビルドする前に、まず、存在する 2 種類のコンポーネントについて理解しておく必要があります。
| コンポーネント | 説明 |
|---|---|
| サービス | これらは、AI サービス (チャット完了など) と、アプリケーションの実行に必要な他のサービス (ログ記録や HTTP クライアントなど) の両方で構成されます。 これは、すべての言語での依存関係の挿入をサポートできるように、.NET のサービス プロバイダー パターンの後にモデル化されました。 |
| プラグイン | これらは、作業を実行するために AI サービスとプロンプト テンプレートによって使用されるコンポーネントです。 たとえば、AI サービスでは、プラグインを使用してデータベースからデータを取得したり、外部 API を呼び出してアクションを実行したりできます。 |
カーネルの作成を開始するには、ファイルの先頭に必要なパッケージをインポートします。
using Microsoft.Extensions.DependencyInjection;
using Microsoft.Extensions.Logging;
using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.Plugins.Core;
次に、サービスとプラグインを追加できます。 Azure OpenAI チャットの完了、ロガー、時間プラグインを追加する方法の例を次に示します。
// Create a kernel with a logger and Azure OpenAI chat completion service
var builder = Kernel.CreateBuilder();
builder.AddAzureOpenAIChatCompletion(modelId, endpoint, apiKey);
builder.Services.AddLogging(c => c.AddDebug().SetMinimumLevel(LogLevel.Trace));
builder.Plugins.AddFromType<TimePlugin>();
Kernel kernel = builder.Build();
必要なパッケージをインポートします。
from semantic_kernel import Kernel
from semantic_kernel.connectors.ai.open_ai import AzureChatCompletion
from semantic_kernel.core_plugins.time_plugin import TimePlugin
次に、カーネルを作成できます。
# Initialize the kernel
kernel = Kernel()
最後に、必要なサービスとプラグインを追加できます。 Azure OpenAI チャットの完了、ロガー、時間プラグインを追加する方法の例を次に示します。
# Add the Azure OpenAI chat completion service
kernel.add_service(AzureChatCompletion(model_id, endpoint, api_key))
# Add a plugin
kernel.add_plugin(
TimePlugin(),
plugin_name="TimePlugin",
)
セマンティック カーネル インスタンスに登録した関数からの MCP サーバーの作成がサポートされるようになりました。
これを行うには、通常どおりにカーネルを作成し、そこから MCP サーバーを作成できます。
from semantic_kernel import Kernel
from semantic_kernel.connectors.ai.open_ai import OpenAIChatCompletion
from semantic_kernel.functions import kernel_function
from semantic_kernel.prompt_template import InputVariable, PromptTemplateConfig
kernel = Kernel()
@kernel_function()
def echo_function(message: str, extra: str = "") -> str:
"""Echo a message as a function"""
return f"Function echo: {message} {extra}"
kernel.add_service(OpenAIChatCompletion(service_id="default"))
kernel.add_function("echo", echo_function, "echo_function")
kernel.add_function(
plugin_name="prompt",
function_name="prompt",
prompt_template_config=PromptTemplateConfig(
name="prompt",
description="This is a prompt",
template="Please repeat this: {{$message}} and this: {{$extra}}",
input_variables=[
InputVariable(
name="message",
description="This is the message.",
is_required=True,
json_schema='{ "type": "string", "description": "This is the message."}',
),
InputVariable(
name="extra",
description="This is extra.",
default="default",
is_required=False,
json_schema='{ "type": "string", "description": "This is the message."}',
),
],
),
)
server = kernel.as_mcp_server(server_name="sk")
上記で作成した server オブジェクトは mcp パッケージから取得されます。たとえば、リソースやその他の機能を追加することで、さらに拡張できます。 その後、たとえば Stdio で使用するためにオンラインにすることができます。
import anyio
from mcp.server.stdio import stdio_server
async def handle_stdin(stdin: Any | None = None, stdout: Any | None = None) -> None:
async with stdio_server() as (read_stream, write_stream):
await server.run(read_stream, write_stream, server.create_initialization_options())
anyio.run(handle_stdin)
または SSE を使用する場合:
import uvicorn
from mcp.server.sse import SseServerTransport
from starlette.applications import Starlette
from starlette.routing import Mount, Route
sse = SseServerTransport("/messages/")
async def handle_sse(request):
async with sse.connect_sse(request.scope, request.receive, request._send) as (read_stream, write_stream):
await server.run(read_stream, write_stream, server.create_initialization_options())
starlette_app = Starlette(
debug=True,
routes=[
Route("/sse", endpoint=handle_sse),
Mount("/messages/", app=sse.handle_post_message),
],
)
uvicorn.run(starlette_app, host="0.0.0.0", port=8000)
また、次のように MCP プロンプトとして公開することで、さまざまなセマンティック カーネル プロンプト テンプレートを利用することもできます。
from semantic_kernel.prompt_template import InputVariable, KernelPromptTemplate, PromptTemplateConfig
prompt = KernelPromptTemplate(
prompt_template_config=PromptTemplateConfig(
name="release_notes_prompt",
description="This creates the prompts for a full set of release notes based on the PR messages given.",
template=template,
input_variables=[
InputVariable(
name="messages",
description="These are the PR messages, they are a single string with new lines.",
is_required=True,
json_schema='{"type": "string"}',
)
],
)
)
server = kernel.as_mcp_server(server_name="sk_release_notes", prompts=[prompt])
カーネルは、 Kernel.builder()を使用してビルドできます。 これにより、必要な AI サービスとプラグインを追加できます。
Kernel kernel = Kernel.builder()
.withAIService(ChatCompletionService.class, chatCompletionService)
.withPlugin(lightPlugin)
.build();
C# では、依存関係の挿入を使用してカーネルを作成できます。 これを行うには、 ServiceCollection を作成し、サービスとプラグインを追加します。 依存関係挿入を使用してカーネルを作成する方法の例を次に示します。
ヒント
プラグイン コレクションは変更可能であるため、使用するたびに破棄されるように、カーネルを一時的なサービスとして作成することをお勧めします。 カーネルは非常に軽量であるため (サービスとプラグインのコンテナーに過ぎないため)、使用ごとに新しいカーネルを作成することはパフォーマンスの問題ではありません。
using Microsoft.SemanticKernel;
var builder = Host.CreateApplicationBuilder(args);
// Add the OpenAI chat completion service as a singleton
builder.Services.AddOpenAIChatCompletion(
modelId: "gpt-4",
apiKey: "YOUR_API_KEY",
orgId: "YOUR_ORG_ID", // Optional; for OpenAI deployment
serviceId: "YOUR_SERVICE_ID" // Optional; for targeting specific services within Semantic Kernel
);
// Create singletons of your plugins
builder.Services.AddSingleton(() => new LightsPlugin());
builder.Services.AddSingleton(() => new SpeakerPlugin());
// Create the plugin collection (using the KernelPluginFactory to create plugins from objects)
builder.Services.AddSingleton<KernelPluginCollection>((serviceProvider) =>
[
KernelPluginFactory.CreateFromObject(serviceProvider.GetRequiredService<LightsPlugin>()),
KernelPluginFactory.CreateFromObject(serviceProvider.GetRequiredService<SpeakerPlugin>())
]
);
// Finally, create the Kernel service with the service provider and plugin collection
builder.Services.AddTransient((serviceProvider)=> {
KernelPluginCollection pluginCollection = serviceProvider.GetRequiredService<KernelPluginCollection>();
return new Kernel(serviceProvider, pluginCollection);
});
ヒント
C# で依存関係の挿入を使用する方法の詳細なサンプルについては、 concept サンプルを参照してください。
カーネルを理解したら、それに追加できるさまざまな AI サービスについて学習できます。