使用Semantic Kernel框架和C#.NET 实现大模型Function Calling

最近研究Function Call，总结了一篇文章，分享给大家

一、GPT-4中实现函数调用功能

定义函数：首先，开发一个函数。例如，一个获取天气信息的函数可能如下：

复制代码

def get_current_weather(location, unit='Celsius'):
    # 此处实现获取天气信息的逻辑
    return {"location": location, "temperature": "22", "unit": unit, "description": "晴朗"}

描述函数：为GPT-4提供函数的描述，包括函数名称、功能描述以及参数信息。这有助于模型理解函数的用途和如何调用它。

复制代码

function_descriptions = [
    {
        "name": "get_current_weather",
        "description": "获取指定地点的当前天气信息",
        "parameters": {
            "type": "object",
            "properties": {
                "location": {
                    "type": "string",
                    "description": "地点名称"
                },
                "unit": {
                    "type": "string",
                    "enum": ["Celsius", "Fahrenheit"],
                    "description": "温度单位，默认为摄氏度"
                }
            },
            "required": ["location"]
        }
    }
]

与GPT-4交互：将用户输入、函数描述以及模型名称传递给GPT-4。模型将根据用户输入和函数描述，决定是否需要调用函数，并返回相应的响应。

复制代码

import openai
import json

openai.api_key = 'YOUR_OPENAI_API_KEY'

def chat_with_gpt(messages, functions):
    response = openai.ChatCompletion.create(
        model="gpt-4-0613",
        messages=messages,
        functions=functions,
        function_call="auto"  # 模型将根据需要决定是否调用函数
    )
    return response

# 用户输入
user_message = {"role": "user", "content": "请告诉我北京的当前天气。"}

# 与模型交互
response = chat_with_gpt([user_message], function_descriptions)

处理模型响应：检查模型的响应，确定是否需要调用函数。如果模型返回了函数调用信息，则提取函数名称和参数，并调用相应的函数。

复制代码

response_message = response["choices"][0]["message"]

if "function_call" in response_message:
    # 提取函数名称和参数
    function_name = response_message["function_call"]["name"]
    function_args = json.loads(response_message["function_call"]["arguments"])

    # 调用相应的函数
    if function_name == "get_current_weather":
        function_response = get_current_weather(
            location=function_args.get("location"),
            unit=function_args.get("unit", "Celsius")
        )

        # 将函数响应传递回模型，获取最终的回答
        messages = [
            user_message,
            response_message,  # 包含函数调用信息
            {
                "role": "function",
                "name": function_name,
                "content": json.dumps(function_response)
            }
        ]
        final_response = chat_with_gpt(messages, function_descriptions)
        answer = final_response["choices"][0]["message"]["content"]
        print(answer)
else:
    # 模型直接提供了回答
    answer = response_message["content"]
    print(answer)

GPT-4并不会直接执行函数调用，而是根据提供的函数描述，生成包含函数名称和参数的JSON对象。然后，我们需要在应用程序中解析该对象，并实际调用相应的函数。

根据函数返回的结果，放到Prompt中，调用大模型API，生成新的内容返回给用户。

二、使用Semantic Kernel框架和C#.NET 实现Function Calling

在 Semantic Kernel 框架中，大模型可以通过 Function Calling （函数调用）来执行插件（Plugins）中的功能。以下示例，展示如何在 Semantic Kernel 中让大模型调用一个 插件函数（Function Call）。

设计一个计算插件，包含一个 add_numbers 方法，让大模型可以调用它来执行加法运算。

首先安装Semantic Kernel Nuget包

dotnet add package Microsoft.SemanticKernel

在 Semantic Kernel 中，插件就是一个包含方法的 C# 类，并使用 [KernelFunction] 进行标注。

复制代码

using Microsoft.SemanticKernel;
using System.Threading.Tasks;

public class CalculatorPlugin
{
    [KernelFunction("add_numbers")]
    public int AddNumbers(int a, int b)
    {
        return a + b;
    }
}

在 Program.cs 或 Main 方法中，初始化 Semantic Kernel 并注册这个插件。

复制代码

using System;
using System.Threading.Tasks;
using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.Connectors.OpenAI;

class Program
{
    static async Task Main(string[] args)
    {
        // 1. 创建 Kernel 实例
        var kernel = Kernel.CreateBuilder()
            .AddOpenAIChatCompletion(
                "gpt-4-turbo",  // OpenAI 模型名称
                "your-openai-api-key") // 替换为你的 API Key
            .Build();

        // 2. 加载插件（CalculatorPlugin）
        var plugin = kernel.ImportPluginFromObject(new CalculatorPlugin(), "Calculator");

        // 3. 让大模型调用 `add_numbers`
        var result = await kernel.InvokeAsync("Calculator", "add_numbers", new()
        {
            { "a", 5 },
            { "b", 10 }
        });

        Console.WriteLine($"Function Call Result: {result}");
    }
}

执行 dotnet run，输出结果：Function Call Result: 15

代码执行原理说明

Semantic Kernel 提供了 插件（Plugins） 机制，让大模型可以调用 .NET 代码中的方法。
[KernelFunction("add_numbers")] 让大模型知道这个函数可以被调用。
kernel.ImportPluginFromObject(new CalculatorPlugin(), "Calculator") 把 CalculatorPlugin 作为插件加载到 Semantic Kernel 里。
kernel.InvokeAsync("Calculator", "add_numbers", new() { { "a", 5 }, { "b", 10 } }) 让大模型调用 add_numbers 并传入参数。

周国庆

2025/3/18