Aracılığıyla paylaş

Temsilci Yanıtlarını Akış Halinde Yayınlama

Akışlı Yanıt nedir?

Akışlı yanıt, ileti içeriğini küçük, artımlı öbekler halinde teslim eder. Bu yaklaşım, tüm yanıtın yüklenmesini beklemek yerine ileti açılırken görüntülemesine ve iletiyle etkileşim kurmasına izin vererek kullanıcı deneyimini geliştirir. Kullanıcılar, hızlı yanıt verme ve etkileşim duygusunu geliştirerek bilgileri hemen işlemeye başlayabilir. Sonuç olarak, gecikmeleri en aza indirir ve kullanıcıların iletişim süreci boyunca daha fazla etkileşim kurmasını sağlar.

Akış Referansları

Semantik Çekirdekte Akış

Anlam Çekirdeğinde akışı destekleyen AI Hizmetleri , tam olarak biçimlendirilmiş iletiler için kullanılanlara kıyasla farklı içerik türleri kullanır. Bu içerik türleri, akış verilerinin artımlı doğasını işlemek için özel olarak tasarlanmıştır. Aynı içerik türleri, Aracı Çerçevesi içinde benzer amaçlarla da kullanılır. Bu, akış bilgileriyle ilgilenirken her iki sistem arasında tutarlılık ve verimlilik sağlar.

Tavsiye

API başvurusu:

Tavsiye

API başvurusu:

Özellik şu anda Java'da kullanılamıyor.

ChatCompletionAgent'dan akışlı yanıt

Bir ChatCompletionAgentakış yanıtı çağrılırken, tam yanıt alındıktan sonra ChatHistory içindeki AgentThread güncellenir. Yanıt akış olarak iletilmiş olsa da, geçmiş kayıtlar yalnızca iletinin tamamını kaydeder. Bu, ChatHistory'ın tutarlılık için tamamen oluşmuş yanıtları yansıtmasını sağlar.

// Define agent
ChatCompletionAgent agent = ...;

ChatHistoryAgentThread agentThread = new();

// Create a user message
var message = ChatMessageContent(AuthorRole.User, "<user input>");

// Generate the streamed agent response(s)
await foreach (StreamingChatMessageContent response in agent.InvokeStreamingAsync(message, agentThread))
{
  // Process streamed response(s)...
}

// It's also possible to read the messages that were added to the ChatHistoryAgentThread.
await foreach (ChatMessageContent response in agentThread.GetMessagesAsync())
{
  // Process messages...
}

from semantic_kernel.agents import ChatCompletionAgent, ChatHistoryAgentThread

# Define agent
agent = ChatCompletionAgent(...)

# Create a thread object to maintain the conversation state.
# If no thread is provided one will be created and returned with
# the initial response.
thread: ChatHistoryAgentThread = None

# Generate the streamed agent response(s)
async for response in agent.invoke_stream(messages="user input", thread=thread)
{
  # Process streamed response(s)...
  thread = response.thread
}

Özellik şu anda Java'da kullanılamıyor.

OpenAIAssistantAgent'dan akışlı yanıt

Bir OpenAIAssistantAgent'den akışlı bir yanıt çağrılırken, asistan konuşma durumunu uzak bir iş parçacığı olarak tutar. Gerekirse uzak iş parçacığından iletileri okumak mümkündür.

// Define agent
OpenAIAssistantAgent agent = ...;

// Create a thread for the agent conversation.
OpenAIAssistantAgentThread agentThread = new(assistantClient);

// Create a user message
var message = new ChatMessageContent(AuthorRole.User, "<user input>");

// Generate the streamed agent response(s)
await foreach (StreamingChatMessageContent response in agent.InvokeStreamingAsync(message, agentThread))
{
  // Process streamed response(s)...
}

// It's possible to read the messages from the remote thread.
await foreach (ChatMessageContent response in agentThread.GetMessagesAsync())
{
  // Process messages...
}

// Delete the thread when it is no longer needed
await agentThread.DeleteAsync();

Mevcut bir Id kullanarak bir iş parçacığı oluşturmak için OpenAIAssistantAgentThread'ın constructor'una geçirin.

// Define agent
OpenAIAssistantAgent agent = ...;

// Create a thread for the agent conversation.
OpenAIAssistantAgentThread agentThread = new(assistantClient, "your-existing-thread-id");

// Create a user message
var message = new ChatMessageContent(AuthorRole.User, "<user input>");

// Generate the streamed agent response(s)
await foreach (StreamingChatMessageContent response in agent.InvokeStreamingAsync(message, agentThread))
{
  // Process streamed response(s)...
}

// It's possible to read the messages from the remote thread.
await foreach (ChatMessageContent response in agentThread.GetMessagesAsync())
{
  // Process messages...
}

// Delete the thread when it is no longer needed
await agentThread.DeleteAsync();

from semantic_kernel.agents import AssistantAgentThread, AzureAssistantAgent, OpenAIAssistantAgent

# Define agent
agent = OpenAIAssistantAgent(...)  # or = AzureAssistantAgent(...)

# Create a thread for the agent conversation.
# If no thread is provided one will be created and returned with
# the initial response.
thread: AssistantAgentThread = None

# Generate the streamed agent response(s)
async for response in agent.invoke_stream(messages="user input", thread=thread):
  # Process streamed response(s)...
  thread = response.thread

# Read the messages from the remote thread
async for response in thread.get_messages():
  # Process messages

# Delete the thread
await thread.delete()

Mevcut bir thread_id kullanarak bir iş parçacığı oluşturmak için AssistantAgentThread'ın constructor'una geçirin.

from semantic_kernel.agents import AssistantAgentThread, AzureAssistantAgent, OpenAIAssistantAgent

# Define agent
agent = OpenAIAssistantAgent(...)  # or = AzureAssistantAgent(...)

# Create a thread for the agent conversation.
# If no thread is provided one will be created and returned with
# the initial response.
thread = AssistantAgentThread(client=client, thread_id="your-existing-thread-id")

# Generate the streamed agent response(s)
async for response in agent.invoke_stream(messages="user input", thread=thread):
  # Process streamed response(s)...
  thread = response.thread

# Delete the thread
await thread.delete()

Özellik şu anda Java'da kullanılamıyor.

Akış Yanıtı ile Ara Mesajları İşleme

Akış yanıtlarının doğası, LLM modellerinin artımlı metin öbekleri döndürmesine olanak tanır ve yanıtın tamamının tamamlanmasını beklemeden kullanıcı arabiriminde veya konsolda daha hızlı işlemeye olanak tanır. Buna ek olarak, çağıran işlev çağrılarının sonuçları gibi ara içeriği işlemek isteyebilir. Bu, akış yanıtını çağırırken bir geri çağırma işlevi sağlayarak elde edilebilir. Geri çağırma işlevi, içinde ChatMessageContentkapsüllenmiş tüm iletileri alır.

AzureAIAgent için geri çağırma belgeleri yakında sunulacaktır.

on_intermediate_message içinde agent.invoke_stream(...) geri çağırmanın yapılandırılması, çağırıcıya, aracının son tepkisini oluşturma süreci sırasında üretilen ara mesajları almasına olanak tanır.

import asyncio
from typing import Annotated

from semantic_kernel.agents import AzureResponsesAgent
from semantic_kernel.contents import ChatMessageContent, FunctionCallContent, FunctionResultContent
from semantic_kernel.functions import kernel_function


# Define a sample plugin for the sample
class MenuPlugin:
    """A sample Menu Plugin used for the concept sample."""

    @kernel_function(description="Provides a list of specials from the menu.")
    def get_specials(self, menu_item: str) -> Annotated[str, "Returns the specials from the menu."]:
        return """
        Special Soup: Clam Chowder
        Special Salad: Cobb Salad
        Special Drink: Chai Tea
        """

    @kernel_function(description="Provides the price of the requested menu item.")
    def get_item_price(
        self, menu_item: Annotated[str, "The name of the menu item."]
    ) -> Annotated[str, "Returns the price of the menu item."]:
        return "$9.99"

# This callback function will be called for each intermediate message,
# which will allow one to handle FunctionCallContent and FunctionResultContent.
# If the callback is not provided, the agent will return the final response
# with no intermediate tool call steps.
async def handle_streaming_intermediate_steps(message: ChatMessageContent) -> None:
    for item in message.items or []:
        if isinstance(item, FunctionResultContent):
            print(f"Function Result:> {item.result} for function: {item.name}")
        elif isinstance(item, FunctionCallContent):
            print(f"Function Call:> {item.name} with arguments: {item.arguments}")
        else:
            print(f"{item}")

# Simulate a conversation with the agent
USER_INPUTS = [
    "Hello",
    "What is the special soup?",
    "What is the special drink?",
    "How much is it?",
    "Thank you",
]


async def main():
    # 1. Create the client using OpenAI resources and configuration
    client, model = AzureResponsesAgent.setup_resources()

    # 2. Create a Semantic Kernel agent for the OpenAI Responses API
    agent = AzureResponsesAgent(
        ai_model_id=model,
        client=client,
        instructions="Answer questions about the menu.",
        name="Host",
        plugins=[MenuPlugin()],
    )

    # 3. Create a thread for the agent
    # If no thread is provided, a new thread will be
    # created and returned with the initial response
    thread = None

    try:
        for user_input in user_inputs:
            print(f"# {AuthorRole.USER}: '{user_input}'")

            first_chunk = True
            async for response in agent.invoke_stream(
                messages=user_input,
                thread=thread,
                on_intermediate_message=handle_streaming_intermediate_steps,
            ):
                thread = response.thread
                if first_chunk:
                    print(f"# {response.name}: ", end="", flush=True)
                    first_chunk = False
                print(response.content, end="", flush=True)
            print()
    finally:
        await thread.delete() if thread else None

if __name__ == "__main__":
    asyncio.run(main())

Aşağıda aracı çağırma işleminden alınan örnek çıkış gösterilmektedir:

Sample Output:

# AuthorRole.USER: 'Hello'
# Host: Hello! How can I assist you with the menu today?
# AuthorRole.USER: 'What is the special soup?'
Function Call:> MenuPlugin-get_specials with arguments: {}
Function Result:>
        Special Soup: Clam Chowder
        Special Salad: Cobb Salad
        Special Drink: Chai Tea
        for function: MenuPlugin-get_specials
# Host: The special soup today is Clam Chowder. Would you like to know more about it or hear about other specials?
# AuthorRole.USER: 'What is the special drink?'
# Host: The special drink today is Chai Tea. Would you like more details or are you interested in ordering it?
# AuthorRole.USER: 'How much is that?'
Function Call:> MenuPlugin-get_item_price with arguments: {"menu_item":"Chai Tea"}
Function Result:> $9.99 for function: MenuPlugin-get_item_price
# Host: The special drink, Chai Tea, is $9.99. Would you like to order one or need information on something else?
# AuthorRole.USER: 'Thank you'
# Host: You're welcome! If you have any more questions or need help with the menu, just let me know. Enjoy your day!

Özellik şu anda Java'da kullanılamıyor.

Sonraki Adımlar

Aracılarla şablonları kullanma

Aracı düzenleme

  • Last updated on