セマンティックカーネルのガイド

Microsoftのセマンティックカーネルの力の活用：インテリジェントAIエージェントの構築

AIにおける最近の進歩は、単純な質問をして、推論、計画、および行動を取り入れていることを超えて動いてきました。この進化は、Autogen、Langgraph、Crewaiなどのエージェントフレームワークによって促進され、大規模な言語モデル（LLM）が自律剤として機能できるようになります。 Microsoftのセマンティックカーネルは、このランドスケープ内の特に堅牢で開発者に優しいオプションとして際立っています。このチュートリアルでは、そのユニークな機能を調査し、他のアプローチとは対照的であり、独自のAIエージェントを構築することでガイドします。

学習目標

• セマンティックカーネルのコアアーキテクチャと機能を把握します。
• プラグインとAIサービスをシームレスにカーネルに統合します。
• セマンティックカーネルを使用して、シングルエージェントおよびマルチエージェントシステムの両方を実装します。
• フレームワーク内の関数呼び出しとオーケストレーションを理解します。
• セマンティックカーネルとAzure Openaiを使用して、インテリジェントエージェントを構築する実践的なスキルを開発します。

この記事は、Data Science Blogathonの一部です。

目次

• セマンティックカーネルの理解
• 「セマンティック」と「カーネル」が説明しました
• エージェントフレームワークと従来のAPI呼び出し
• セマンティックカーネルプラグインの探索
• セマンティックカーネルのプラグインの例
• シングルエージェントシステムアーキテクチャ
• マルチエージェントシステムアーキテクチャ
• 結論
• よくある質問

セマンティックカーネルの理解

セマンティックカーネルは、AIモデルと外部リソースの間のタスク、機能、および相互作用を調整するコアエンジン（「セマンティック」）とコアエンジン（「カーネル」）と組み合わせることができます。

「セマンティック」と「カーネル」が説明しました

セマンティックカーネルは、LLMS（GPTなど）と従来のプログラミングの間のギャップを橋渡しします。開発者は、構造化された方法で協力する機能、プラグイン、エージェントを定義します。それは許可します：

• 自然言語のプロンプトとAI機能の接続性と従来のコード関数。
• これらの組み合わせ機能を使用して、AI主導の推論、計画、およびタスクの実行。
• 専門的な役割のためのマルチエージェントコラボレーション。

エージェントフレームワークと従来のAPI呼び出し

重要な質問が発生します：Openai APIを直接使用して同様の結果を達成できませんか？可能ですが、エージェントフレームワークは利点を提供します。

企業ポリシー（HRおよびIT）のQ＆Aシステムを検討してください。従来のAPIは一貫性のない結果をもたらす可能性があります。エージェントフレームワークでは、専門的なエージェント（1つはHR用、1つは1つ）を許可し、より信頼性の高い応答をもたらします。

セマンティックカーネルプラグインの探索

chatgptやcopilotのプラグインと同様に、既存のAPIをAIの再利用可能なツールにパッケージ化します。これにより、AI機能が固有の制限を超えて拡張されます。

セマンティックカーネルレバレッジ関数呼び出し（最新のLLMSの機能）計画およびAPI実行のための。 LLMは関数を要求し、セマンティックカーネルがコードにリダイレクトされ、結果は最終的な応答生成のためにLLMに返還されます。

コード実装

必要なパッケージをインストールします：

ピップインストールセマンティックカーネルOpenai Pydantic

天気プラグインを示すPythonの例です。

 SKとしてsemantic_kernelをインポートします
semantic_kernel.connectors.ai.open_aiインポートazurechatcompletionから

def Weather_plugin（場所：str） - > str：
    Weather_data = {
        「ニューヨーク」：「サニー、25°C」、
        「ロンドン」：「曇り、18°C」、
        「東京」：「雨、22°C」
    }
    return weather_data.get（場所、 "天気データは利用できません。"）

kernel = sk.kernel（）
kernel.add_service（
    「Azure-Openai-chat」、
    azurechatcompletion（
        api_key = "your-zure-api-key"、
        endpoint = "your-zure-endpoint"、
        deployment_name = "your-deployment-name"
    ））
））

kernel.add_plugin（ "WeatherPlugin"、Weather_plugin）

場所= "ニューヨーク"
Response = kernel.invoke（ "WeatherPlugin"、場所）
print（f "天気の{location}：{response}"）

セマンティックカーネルのプラグインの例

この例は次のことを示しています。

• プラグインの定義： weather_pluginは、天気データの検索をシミュレートします。
• セマンティックカーネル統合：関数は、 kernel.add_plugin()を使用したプラグインとして追加されます。
• AI使用率：AIはこの関数を動的に呼び出します。

これは、プラグインが基本的なテキスト生成を超えてAI機能を拡大する方法を示しています。

シングルエージェントシステムアーキテクチャ

単一のエージェントは、複数のエージェントやオーケストレーターを必要とせずに、独立してユーザークエリを処理し、リクエストを処理し、情報を収集し、応答を生成します。 （簡潔にするために省略されたコードの例ですが、元の記事で入手できます。）

マルチエージェントシステムアーキテクチャ

マルチエージェントシステムは、多くの場合、オーケストレーターエージェントを採用して、どのエージェントが特定のリクエストを処理するかを決定します。

たとえば、1人のエージェントが銀行データ、別のヘルスケアデータを管理する場合があります。オーケストレーターは、クエリに基づいて呼び出すエージェントを決定します。 （簡潔にするために省略されたコードの例ですが、元の記事では入手できます。）あるいは、エージェントは明示的なオーケストレーターなしで協力できます。

結論

セマンティックカーネルは、エージェントフレームワークを通じてAIに力を与え、計画、推論、意思決定を可能にします。このチュートリアルは、プラグインの利点を強調し、エージェントと従来のAPIアプローチを対比し、単一エージェントおよびマルチエージェントのシステムアーキテクチャについて説明します。 AIが進化するにつれて、セマンティックカーネルのアプローチは、より効率的でコンテキスト対応のアプリケーションを構築するために重要です。

（BrevityのためにキーテイクアウトとFAQは省略されていますが、元の記事で入手できます。）コードの例はGitHubで入手できます（元の記事のリンク）。

以上がセマンティックカーネルのガイドの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。