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：
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。
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。
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(, 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。
response_message = response["choices"]["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"]["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 进行标注。
using Microsoft.SemanticKernel;
using System.Threading.Tasks;
public class CalculatorPlugin
{
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。
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。
[*] 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
来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！
页:
[1]