시맨틱 커널 안내서

Microsoft의 시맨틱 커널의 힘을 활용 : 지능형 AI 에이전트 구축

AI의 최근 발전은 간단한 질문 응답, 추론, 계획 및 행동 조정을 수용했습니다. 이 진화는 Autogen, Langgraph 및 Crewai와 같은 에이전트 프레임 워크에 의해 촉진되며 LLM (Lange Language Model) (LLM)이 자율적 인 에이전트로서 기능 할 수 있도록 권한을 부여합니다. Microsoft의 시맨틱 커널은이 환경 내에서 특히 강력하고 개발자 친화적 인 옵션으로 두드러집니다. 이 튜토리얼은 고유 한 기능을 탐색하고 다른 접근 방식과 대조적이며 자신의 AI 에이전트를 구축하여 안내합니다.

학습 목표

• 시맨틱 커널의 핵심 아키텍처와 기능을 파악하십시오.
• 플러그인 및 AI 서비스를 커널에 원활하게 통합하십시오.
• 시맨틱 커널을 사용하여 단일 에이전트 및 다중 에이전트 시스템을 구현하십시오.
• 프레임 워크 내에서 기능 호출 및 오케스트레이션을 이해하십시오.
• 시맨틱 커널과 Azure Openai를 사용하여 지능형 에이전트를 구축하는 데 실용적인 기술을 개발하십시오.

이 기사는 Data Science Blogathon의 일부입니다.

목차

• 시맨틱 커널 이해
• "시맨틱"과 "커널"이 설명되었습니다
• 에이전트 프레임 워크 대 전통적인 API 호출
• 시맨틱 커널 플러그인 탐색
• 시맨틱 커널의 플러그인 예제
• 단일 에이전트 시스템 아키텍처
• 다중 에이전트 시스템 아키텍처
• 결론
• 자주 묻는 질문

시맨틱 커널 이해

Semantic Kernel은 자연 언어 처리의 힘 ( "Semantic")을 AI 모델과 외부 리소스 간의 작업, 기능 및 상호 작용을 조정하는 핵심 엔진 ( "커널")과 결합합니다.

"시맨틱"과 "커널"이 설명되었습니다

시맨틱 커널은 LLM (예 : GPT)과 전통적인 프로그래밍 간의 격차를 해소합니다. 개발자는 체계적인 방식으로 협력하는 기능, 플러그인 및 에이전트를 정의합니다. 허용 :

• 전통적인 코드 기능과 자연어 프롬프트 및 AI 기능의 결합.
• 이러한 결합 된 기능을 사용하여 AI 중심의 추론, 계획 및 작업 실행.
• 전문 역할을위한 다중 에이전트 협력.

에이전트 프레임 워크 대 전통적인 API 호출

주요 질문이 발생합니다 : OpenAI API를 직접 사용하여 비슷한 결과를 얻을 수 없습니까? 가능하지만 에이전트 프레임 워크는 이점을 제공합니다.

회사 정책 (HR 및 IT)에 대한 Q & A 시스템을 고려하십시오. 전통적인 API는 일관되지 않은 결과를 낳을 수 있습니다. 에이전트 프레임 워크를 사용하면 특수 에이전트 (하나는 HR, 하나)를 허용하여보다 신뢰할 수있는 응답이 발생합니다.

시맨틱 커널 플러그인 탐색

Chatgpt 또는 Copilot의 플러그인과 유사한 플러그인은 기존 API를 AI를위한 재사용 가능한 도구로 포장합니다. 이는 AI 기능을 고유 한 제한을 넘어 확장합니다.

시맨틱 커널은 계획 및 API 실행을위한 기능 호출 (최신 LLMS의 기능)을 활용합니다. LLM은 기능을 요청하고 시맨틱 커널이 코드로 리디렉션되며 결과는 최종 응답 생성을 위해 LLM에 공급됩니다.

코드 구현

필요한 패키지 설치 :

 Semantic Kernel Openai Pydantic을 설치하십시오

날씨 플러그인을 보여주는 파이썬 예는 다음과 같습니다.

 semantic_kernel을 SK로 가져옵니다
semantic_kernel.connectors.ai.open_ai import azurechatcompletion에서

def weather_plugin (위치 : str) -> str :
    Weather_Data = {
        "뉴욕": "Sunny, 25 ° C",
        "런던": "흐린, 18 ° C",
        "도쿄": "비오는, 22 ° C"
    }
    weather_data.get을 반환합니다 (위치, "날씨 데이터를 사용할 수 없습니다.")

kernel = sk.kernel ()
kernel.add_service (
    "Azure-Openai-Chat",
    azurechatcompletion (
        API_KEY = "Your-Azure-Api-Key",
        endpoint = "your-azure-endpoint",
        deployment_name = "귀하의 배포-이름"
    ))
))

kernel.add_plugin ( "Weatherplugin", Weather_plugin)

위치 = "뉴욕"
응답 = kernel.invoke ( "WeatherPlugin", 위치)
print (f "{location}의 날씨 : {응답}")

시맨틱 커널의 플러그인 예제

이 예제는 다음과 같습니다.

• 플러그인 정의 : weather_plugin 은 날씨 데이터 검색을 시뮬레이션합니다.
• 시맨틱 커널 통합 : 기능은 kernel.add_plugin() 사용하여 플러그인으로 추가됩니다.
• AI 사용 : AI는이 기능을 동적으로 호출합니다.

이것은 플러그인이 기본 텍스트 생성 이상의 AI 기능을 확장하는 방법을 보여줍니다.

단일 에이전트 시스템 아키텍처

단일 에이전트는 사용자 쿼리를 독립적으로 처리하고 요청을 처리하고 정보 수집 및 여러 에이전트 나 오케스트레이터를 필요로하지 않고 응답을 생성합니다. (예제 코드는 간결성에 대해 생략되었지만 원본 기사에서 사용할 수 있습니다.)

다중 에이전트 시스템 아키텍처

다중 에이전트 시스템은 종종 오케스트레이터 에이전트를 사용하여 특정 요청을 처리하는 에이전트를 결정합니다.

예를 들어, 한 에이전트가 은행 데이터, 다른 의료 데이터를 관리 할 수 ​​있습니다. 오케스트레이터는 쿼리를 기반으로 어떤 에이전트를 호출할지 결정합니다. (예제 코드는 간결성에 대해 생략되었지만 원본 기사에서 사용할 수 있습니다.) 또는 에이전트는 명시 적 오케스트레이터없이 공동 작업 할 수 있습니다.

결론

시맨틱 커널은 에이전트 프레임 워크를 통해 AI를 강화하여 계획, 추론 및 의사 결정을 가능하게합니다. 이 튜토리얼은 플러그인의 이점을 강조하고, 에이전트 및 기존 API 접근법을 대조하고, 단일 에이전트 및 다중 에이전트 시스템 아키텍처를 설명합니다. AI가 발전함에 따라 Semantic Kernel의 접근 방식은보다 효율적이고 상황을 인식하는 응용 프로그램을 구축하는 데 중요합니다.

(주요 테이크 아웃 및 FAQ는 간결하게 생략되었지만 원본 기사에서 사용할 수 있습니다.) 코드 예제는 Github (원본 기사 링크)에서 사용할 수 있습니다.

위 내용은 시맨틱 커널 안내서의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!