语义内核指南

利用微软语义内核的力量：构建智能AI代理

AI的最新进展已超越了简单的提问，拥抱推理，计划和动作。这种演变是由Autogen，Langgraph和Crewai等代理框架推动的，赋予了大型语言模型（LLMS）以充当自主代理。微软的语义内核是该景观中特别强大且对开发人员友好的选择。本教程探讨了其独特的功能，将其与其他方法对比，并引导您建立自己的AI代理。

学习目标

• 掌握语义内核的核心架构和功能。
• 将插件和AI服务无缝集成到内核中。
• 使用语义内核实现单一代理和多代理系统。
• 了解框架内的功能调用和编排。
• 在使用语义内核和Azure Openai建立智能代理方面发展实用技能。

本文是数据科学博客马拉松的一部分。

目录

• 了解语义内核
• “语义”和“内核”解释了
• 代理框架与传统API调用
• 探索语义内核插件
• 语义内核中的插件示例
• 单代理系统体系结构
• 多代理系统体系结构
• 结论
• 常见问题

了解语义内核

语义内核将自然语言处理（“语义”）的力量与核心引擎（“内核”）相结合，该发动机策划了AI模型和外部资源之间的任务，功能和交互。

“语义”和“内核”解释了

语义内核桥接LLM（例如GPT）和传统编程之间的差距。开发人员定义了以结构化方式合作的功能，插件和代理。它允许：

• 自然语言提示和AI功能与传统代码函数的结合。
• AI驱动的推理，计划和任务执行使用这些组合功能。
• 专业角色的多代理协作。

代理框架与传统API调用

出现一个关键问题：我们不能直接使用OpenAI API获得类似的结果吗？虽然可能，但代理框架提供了优势。

考虑公司政策（HR和IT）的问答系统。传统的API可能会产生不一致的结果。代理框架允许专门的代理（一种用于HR，一个用于其中），从而产生了更可靠的响应。

探索语义内核插件

类似于Chatgpt或Copilot中的插件，将现有API包装为可重复使用的AI工具。这扩展了AI功能超出其固有的局限性。

语义内核利用函数调用（现代LLMS的功能）用于计划和API执行。 LLM请求功能，语义内核重定向到您的代码，结果被馈回LLM以获得最终响应生成。

代码实现

安装必要的软件包：

 PIP安装语义内核Openai Pydantic

这是一个展示天气插件的python示例：

导入Semantic_kernel作为SK
来自semantic_kernel.connectors.ai.open_ai导入azurechatcompletion

DEF Weather_plugin（位置：str） - > str：
    atheathe_data = {
        “纽约”：“ Sunny，25°C”，
        “伦敦”：“多云，18°C”，
        “东京”：“多雨，22°C”
    }
    返回Weather_data.get（位置，“不可用的天气数据。”）

内核= sk.kernel（）
kernel.add_service（
    “ Azure-Openai-Chat”，
    azurechatcompletion（
        api_key =“ your-azure-api-key”，
        端点=“ your-azure-endpoint”，
        deployment_name =“您的deployment-name”
    ）
）

kernel.add_plugin（“ Weatherplugin”，Weather_plugin）

位置=“纽约”
响应= kernel.invoke（“ Weatherplugin”，位置）
打印（f“ {location}中的天气：{wendesp}”）

语义内核中的插件示例

此示例展示：

• 插件定义： weather_plugin模拟天气数据检索。
• 语义内核集成：使用kernel.add_plugin()将函数添加为插件。
• AI利用率：AI动态调用此功能。

这说明了插件如何将AI功能扩展到基本文本生成之外。

单代理系统体系结构

单个代理商独立处理用户查询，处理请求，收集信息并生成响应，而无需多个代理或编排。 （为简洁而省略了示例代码，但在原始文章中可用。）

多代理系统体系结构

多代理系统通常会使用编排代理来确定哪种代理处理特定请求。

例如，一个代理可以管理银行数据，另一个医疗保健数据。编排者决定根据查询来调用哪个代理。 （为简洁而省略了示例代码，但在原始文章中可用。

结论

语义内核通过其代理框架赋予AI的能力，从而实现了计划，推理和决策。该教程强调了插件的好处，对比了代理和传统的API方法，并解释了单一代理和多代理系统体系结构。随着AI的发展，语义内核的方法对于构建更有效和上下文感知的应用至关重要。

（为简洁起见，省略了关键要点和常见问题解答，但在原始文章中可用。）代码示例可在GitHub上找到（原始文章中的链接）。

以上是语义内核指南的详细内容。更多信息请关注PHP中文网其他相关文章！