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：

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

复制代码

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。

1. function_descriptions = [
2.     {
3.         "name": "get_current_weather",
4.         "description": "获取指定地点的当前天气信息",
5.         "parameters": {
6.             "type": "object",
7.             "properties": {
8.                 "location": {
9.                     "type": "string",
10.                     "description": "地点名称"
11.                 },
12.                 "unit": {
13.                     "type": "string",
14.                     "enum": ["Celsius", "Fahrenheit"],
15.                     "description": "温度单位，默认为摄氏度"
16.                 }
17.             },
18.             "required": ["location"]
19.         }
20.     }
21. ]

复制代码

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。

1. import openai
2. import json
4. openai.api_key = 'YOUR_OPENAI_API_KEY'
6. def chat_with_gpt(messages, functions):
7.     response = openai.ChatCompletion.create(
8.         model="gpt-4-0613",
9.         messages=messages,
10.         functions=functions,
11.         function_call="auto"  # 模型将根据需要决定是否调用函数
12.     )
13.     return response
15. # 用户输入
16. user_message = {"role": "user", "content": "请告诉我北京的当前天气。"}
18. # 与模型交互
19. response = chat_with_gpt([user_message], function_descriptions)

复制代码

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。

1. response_message = response["choices"][0]["message"]
3. if "function_call" in response_message:
4.     # 提取函数名称和参数
5.     function_name = response_message["function_call"]["name"]
6.     function_args = json.loads(response_message["function_call"]["arguments"])
8.     # 调用相应的函数
9.     if function_name == "get_current_weather":
10.         function_response = get_current_weather(
11.             location=function_args.get("location"),
12.             unit=function_args.get("unit", "Celsius")
13.         )
15.         # 将函数响应传递回模型，获取最终的回答
16.         messages = [
17.             user_message,
18.             response_message,  # 包含函数调用信息
19.             {
20.                 "role": "function",
21.                 "name": function_name,
22.                 "content": json.dumps(function_response)
23.             }
24.         ]
25.         final_response = chat_with_gpt(messages, function_descriptions)
26.         answer = final_response["choices"][0]["message"]["content"]
27.         print(answer)
28. else:
29.     # 模型直接提供了回答
30.     answer = response_message["content"]
31.     print(answer)

复制代码

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。

1. using Microsoft.SemanticKernel;
2. using System.Threading.Tasks;
4. public class CalculatorPlugin
5. {
6.     [KernelFunction("add_numbers")]
7.     public int AddNumbers(int a, int b)
8.     {
9.         return a + b;
10.     }
11. }

复制代码

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

1. using System;
2. using System.Threading.Tasks;
3. using Microsoft.SemanticKernel;
4. using Microsoft.SemanticKernel.Connectors.OpenAI;
6. class Program
7. {
8.     static async Task Main(string[] args)
9.     {
10.         // 1. 创建 Kernel 实例
11.         var kernel = Kernel.CreateBuilder()
12.             .AddOpenAIChatCompletion(
13.                 "gpt-4-turbo",  // OpenAI 模型名称
14.                 "your-openai-api-key") // 替换为你的 API Key
15.             .Build();
17.         // 2. 加载插件（CalculatorPlugin）
18.         var plugin = kernel.ImportPluginFromObject(new CalculatorPlugin(), "Calculator");
20.         // 3. 让大模型调用 `add_numbers`
21.         var result = await kernel.InvokeAsync("Calculator", "add_numbers", new()
22.         {
23.             { "a", 5 },
24.             { "b", 10 }
25.         });
27.         Console.WriteLine($"Function Call Result: {result}");
28.     }
29. }

复制代码

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
 
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！