在现代 AI 应用开发中，函数调用是一项强大的功能，它允许 AI 模型直接与应用程序的功能进行交互。Microsoft Semantic Kernel 作为一个开源框架，提供了简单而强大的方式来集成这一能力。本文将详细介绍如何在 Semantic Kernel 中使用聊天完成（Chat Completion）进行函数调用，帮助开发者构建更智能、更实用的 AI 应用。

什么是函数调用？

函数调用（Function Calling）允许 AI 模型识别何时应该调用预定义的函数，并以结构化的方式提供必要的参数。这使得 AI 能够：

• 执行特定任务
• 获取外部信息
• 触发应用程序中的操作

在 Semantic Kernel 中，这一功能与大型语言模型（LLM）的能力无缝集成，使开发体验更加流畅。

Semantic Kernel 环境准备

首先，我们需要创建一个新的 C# 项目并安装必要的 NuGet 包：

基础知识：创建 Kernel 实例

在使用函数调用之前，我们需要初始化 Semantic Kernel：

C#
// 创建更安全的Semantic Kernel配置
var kernelBuilder = Kernel.CreateBuilder();
kernelBuilder.AddOpenAIChatCompletion(
    modelId: "deepseek-chat",
    apiKey: Environment.GetEnvironmentVariable("DEEPSEEK_API_KEY") ?? "sk-xxxxx",
    endpoint: new Uri("https://api.deepseek.com/v1")
);

// 构建内核
var kernel = kernelBuilder.Build();

完整示例：天气查询与学习计划生成应用

下面是一个完整的应用示例，结合了上述所有功能：

C#
#pragma warning disable SKEXP0010
using System.ComponentModel;
using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.ChatCompletion;
using Microsoft.SemanticKernel.Connectors.OpenAI;

namespace AppFunction
{
    class Program
    {
        static async Task Main(string[] args)
        {
            // 创建更安全的Semantic Kernel配置
            var kernelBuilder = Kernel.CreateBuilder();
            kernelBuilder.AddOpenAIChatCompletion(
                modelId: "deepseek-chat",
                apiKey: Environment.GetEnvironmentVariable("DEEPSEEK_API_KEY") ?? "sk-xxxx",
                endpoint: new Uri("https://api.deepseek.com/v1")
            );

            // 构建内核
            var kernel = kernelBuilder.Build();

            // 注册学习计划生成插件  
            string studyPlanPrompt = @"  
            根据用户问题，生成一个与{{$topic}}相关的学习计划。  
            计划应包括：  
            1. 入门基础知识  
            2. 中级概念  
            3. 高级主题  
            4. 推荐资源  

            用户问题: {{$input}}  
            ";

            // 创建函数  
            var studyPlanFunction = kernel.CreateFunctionFromPrompt(
                promptTemplate: "Generate a study plan for {{$subject}}",
                executionSettings: new OpenAIPromptExecutionSettings
                {
                    MaxTokens = 1000
                },
                functionName: "GenerateStudyPlan",
                description: "Creates a personalized study plan"
            );


            kernel.ImportPluginFromFunctions("StudyPlanPlugin", new[] { studyPlanFunction });

            // 创建交互式聊天循环  
            var chatHistory = new ChatHistory();
            chatHistory.AddSystemMessage("我是您的智能助手，为您生成学习计划。");

            Console.WriteLine("欢迎使用智能助手！输入 'exit' 退出。");

            // 在聊天循环中添加函数调用逻辑
            while (true)
            {
                Console.Write("\n您的问题: ");
                string userInput = Console.ReadLine();

                if (userInput.ToLower() == "exit")
                    break;

                // 添加用户消息  
                chatHistory.AddUserMessage(userInput);

                // 设置函数调用设置  
                var settings = new OpenAIPromptExecutionSettings
                {
                    ToolCallBehavior = ToolCallBehavior.AutoInvokeKernelFunctions,
                    FunctionChoiceBehavior = FunctionChoiceBehavior.Auto() // 启用自动函数选择
                };

                try
                {
                    // 获取聊天完成服务  
                    var chatCompletionService = kernel.GetRequiredService<IChatCompletionService>();

                    // 设置函数调用设置  
                    var settings1 = new OpenAIPromptExecutionSettings
                    {
                        FunctionChoiceBehavior = FunctionChoiceBehavior.Auto() // 推荐使用这种方式
                    };

                    // 准备参数
                    var arguments = new KernelArguments(settings1)
                    {
                        ["subject"] = userInput
                    };

                    // 调用学习计划生成函数
                    var studyPlanResult = await kernel.InvokeAsync(
                        studyPlanFunction,
                        arguments
                    );

                    // 输出学习计划
                    Console.WriteLine("\n生成的学习计划：");
                    Console.WriteLine(studyPlanResult.GetValue<string>());

                    // 使用流式响应继续聊天  
                    var response = chatCompletionService.GetStreamingChatMessageContentsAsync(
                        chatHistory: chatHistory,
                        executionSettings: settings,
                        kernel: kernel
                    );

                    // 收集完整响应用于添加到历史记录  
                    string fullResponse = "";

                    await foreach (var content in response)
                    {
                        Console.Write(content.Content);
                        fullResponse += content.Content;
                    }

                    // 将响应添加到聊天历史  
                    chatHistory.AddAssistantMessage(fullResponse);
                }
                catch (Exception ex)
                {
                    Console.WriteLine($"\n发生错误: {ex.Message}");
                }

            }

        }
    }


}

实际应用场景

Microsoft Semantic Kernel 的函数调用功能可应用于多种场景：

• 内容创建应用：生成文章、学习计划、营销文案等内容
• 客户服务机器人：查询订单状态、处理退款请求、回答产品问题
• 数据分析助手：分析数据、生成报表、提供数据洞察
• 个人助理：管理日程安排、设置提醒、查询天气、预订服务
• 教育应用：生成学习材料、提供定制学习路径、回答学术问题

总结

Microsoft Semantic Kernel 提供了一种优雅的方式来实现 AI 模型与应用程序功能的集成。通过聊天完成中的函数调用，开发者可以创建更加智能、交互性更强的应用程序，使 AI 能够执行实际的操作而不仅仅是生成文本。

要开始使用这些功能，请确保：

1. 使用支持函数调用的模型
2. 为函数和参数提供清晰的描述
3. 妥善处理函数调用结果
4. 将函数调用结果整合到对话流程中

通过掌握这些技术，你将能够利用 Microsoft Semantic Kernel 的全部潜力，创建真正智能且实用的 AI 应用程序。