引言
上一章我们熟悉了 OpenAI
的 function calling
的执行原理,这一章节我们讲解一下 function calling
在 Semantic Kernel
的应用。
在OpenAIPromptExecutionSettings
跟 LLM 交互过程中,ToolCallBehavior
的属性之前我们的章节有介绍过
-
ToolCallBehavior
:属性用于获取或设置如何处理工具调用的行为。c#// Enable auto function calling OpenAIPromptExecutionSettings openAIPromptExecutionSettings = new() { ToolCallBehavior = ToolCallBehavior.AutoInvokeKernelFunctions };
1.
EnableKernelFunctions
:会向模型提供内核的插件函数信息,但不会自动处理函数调用请求。模型需要显式发起函数调用请求,并系统会传播这些请求给适当的处理程序来执行。c#OpenAIPromptExecutionSettings settings = new() { ToolCallBehavior = ToolCallBehavior.EnableKernelFunctions }; var chatHistory = new ChatHistory(); ChatMessageContent result = await chat.GetChatMessageContentAsync(chatHistory, settings, kernel); //手动调用 IEnumerable<FunctionCallContent> functionCalls = FunctionCallContent.GetFunctionCalls(result);
EnableKernelFunctions:需要通过 FunctionCallContent 手动调用
2.
AutoInvokeKernelFunctions
:除了向模型提供内核的插件函数信息外,还会尝试自动处理任何函数调用请求。模型发起函数调用请求后,系统会自动执行相应的操作,并将结果返回给模型,而无需模型显式处理函数调用的过程。
模型推荐
建议使用 OpenAI
的最新模型(如 gpt-3.5-turbo-1106
或 gpt-4-1106-preview
)以获得最佳的工具调用体验。OpenAI
的最新模型通常具有更好的性能和更高的准确性,因此使用这些模型可以提高工具调用的效果。
我这里是公司提供的
Azure OpenAI
的服务,我自己通过yarp
代理了一层做了相关服务的认证
json
{
"InternalAzureOpenAI": {
"Endpoint": "https://localhost:7079",
"ModelId": "gpt-35-turbo-1106",
"ApiKey": "***"
}
}
实战
接下来我们会问一下大模型当前北京的天气情况
定义 Prompts
c#
var template = "我想知道现在北京的天气状况?";
定义 kernel
c#
var kernel = Kernel.CreateBuilder()
.AddAzureOpenAIChatCompletion(config.ModelId, endpoint: config.Endpoint, apiKey: config.ApiKey)
.Build();
注册 kernel function 到 plugins
定义方法
c#
static string GetWeatherForCity(string cityName)
{
return $"{cityName} 25°,天气晴朗。";
}
为 Kernel 提供插件
c#
kernel.ImportPluginFromFunctions("WeatherPlugin", new[]
{
kernel.CreateFunctionFromMethod(GetWeatherForCity, "GetWeatherForCity", "获取指定城市的天气")
});
手动调用 function calling
根据上面的描述 手动处理function calling
的关键实际上是ToolCallBehavior.EnableKernelFunctions
参数。
c#
OpenAIPromptExecutionSettings settings = new OpenAIPromptExecutionSettings()
{
Temperature = 0,
ToolCallBehavior = ToolCallBehavior.EnableKernelFunctions
};
需要用到Semantic Kernel
的IChatCompletionService
的会话服务
c#
var chatHistory = new ChatHistory();
chatHistory.AddSystemMessage("You are a useful assistant.");
chatHistory.AddUserMessage(template);
Console.WriteLine($"User: {template}");
var chat = kernel.GetRequiredService<IChatCompletionService>();
while (true)
{
ChatMessageContent result = await chat.GetChatMessageContentAsync(chatHistory, settings, kernel);
if (result.Content is not null)
{
Console.Write(result.Content);
}
IEnumerable<FunctionCallContent> functionCalls = FunctionCallContent.GetFunctionCalls(result);
if (!functionCalls.Any())
{
break;
}
chatHistory.Add(result); // Adding LLM response containing function calls(requests) to chat history as it's required by LLMs.
foreach (var functionCall in functionCalls)
{
try
{
FunctionResultContent resultContent = await functionCall.InvokeAsync(kernel); // Executing each function.
chatHistory.Add(resultContent.ToChatMessage());
}
catch (Exception ex)
{
chatHistory.Add(new FunctionResultContent(functionCall, ex).ToChatMessage());
}
}
Console.WriteLine();
}
输出
text
=====>手动function calling
User: 我想知道现在北京的天气状况?
Assistant:现在北京的天气是晴朗,气温为25°C。
自动调用 function calling
和手动的区别就是上面描述的OpenAIPromptExecutionSettings
配置的ToolCallBehavior
属性值不同
c#
OpenAIPromptExecutionSettings openAIPromptExecutionSettings = new OpenAIPromptExecutionSettings()
{
Temperature = 0,
ToolCallBehavior = ToolCallBehavior.AutoInvokeKernelFunctions
};
自动
function calling
从本质上来讲是隐藏了跟大模型多次交互的逻辑,有Semantic Kernel
框架自动帮我们调用
核心代码
c#
var chatHistory = new ChatHistory();
chatHistory.AddSystemMessage("You are a useful assistant.");
chatHistory.AddUserMessage(template);
Console.WriteLine($"User: {template}");
var chatService = kernel.GetRequiredService<IChatCompletionService>();
var result = await chatService.GetChatMessageContentAsync(chatHistory, openAIPromptExecutionSettings, kernel);
Console.Write("Assistant:" + result.ToString());
输出
text
=====>自动function calling
User: 我想知道现在北京的天气状况?
Assistant:北京现在的天气状况是晴朗,气温为25°C。
最后
在本章中,我们探讨了在 OpenAI
的 function calling
在 Semantic Kernel
中的应用。通过对 ToolCallBehavior
属性的设置,我们可以灵活地控制工具调用的行为,从手动调用到自动调用,为用户提供了更加便捷和高效的体验。
建议在实践中使用 OpenAI
的最新模型(如 gpt-3.5-turbo-1106
或 gpt-4-1106-preview
)以获得最佳的工具调用效果。同时,通过合理配置 OpenAIPromptExecutionSettings
中的参数,可以更好地适配不同的场景和需求。
希望本章内容能够帮助您更深入地理解 function calling
在 Semantic Kernel
中的运用,为您的项目和应用带来更多可能性和创新。
示例代码
本文源代码