의미 체계 커널 템플릿에서 에이전트 만들기(실험적)
Warning
의미 체계 커널 에이전트 프레임워크는 아직 개발 중이며 변경될 수 있습니다.
의미 체계 커널의 프롬프트 템플릿
에이전트의 역할은 주로 수신하는 지침에 따라 형성되며, 이는 해당 동작과 동작을 지시합니다. 프롬프트를 호출하는 Kernel 것과 마찬가지로 에이전트의 지침에는 실행 중에 동적으로 대체되는 템플릿 매개 변수(값과 함수 모두)가 포함될 수 있습니다. 이를 통해 유연하고 컨텍스트 인식 응답이 가능하므로 에이전트가 실시간 입력에 따라 출력을 조정할 수 있습니다.
또한 프롬프트 템플릿 구성을 사용하여 에이전트를 직접 구성하여 개발자에게 동작을 정의할 수 있는 구조화되고 재사용 가능한 방법을 제공할 수 있습니다. 이 방법은 에이전트 지침을 표준화하고 사용자 지정하는 강력한 도구를 제공하여 동적 적응성을 유지하면서 다양한 사용 사례 간에 일관성을 유지합니다.
관련 API:
준비 중
에이전트는 현재 Java에서 사용할 수 없습니다.
템플릿으로서의 에이전트 지침
템플릿 매개 변수를 사용하여 에이전트를 만들면 다양한 시나리오 또는 요구 사항에 따라 지침을 쉽게 사용자 지정할 수 있어 유연성이 향상됩니다. 이 방법을 사용하면 특정 값 또는 함수를 템플릿으로 대체하여 에이전트의 동작을 조정하여 다양한 작업 또는 컨텍스트에 적응할 수 있습니다. 개발자는 템플릿 매개 변수를 활용하여 핵심 논리를 수정할 필요 없이 다양한 사용 사례를 충족하도록 구성할 수 있는 보다 다양한 에이전트를 디자인할 수 있습니다.
채팅 완료 에이전트
// Initialize a Kernel with a chat-completion service
Kernel kernel = ...;
ChatCompletionAgent agent =
new()
{
Kernel = kernel,
Name = "StoryTeller",
Instructions = "Tell a story about {{$topic}} that is {{$length}} sentences long.",
Arguments = new KernelArguments()
{
{ "topic", "Dog" },
{ "length", "3" },
}
};
서비스 예정
에이전트는 현재 Java에서 사용할 수 없습니다.
Open AI Assistant Agent
템플릿 제공 지침은 Open AI Assistant 에이전트로 작업할 때 특히 강력합니다. 이 방법을 사용하면 특정 작업 또는 컨텍스트에 맞게 조정된 다양한 매개 변수 값을 사용하여 매번 단일 도우미 정의를 만들고 여러 번 다시 사용할 수 있습니다. 이렇게 하면 보다 효율적인 설치가 가능하므로 동일한 도우미 프레임워크가 핵심 동작에서 일관성을 유지하면서 광범위한 시나리오를 처리할 수 있습니다.
// Retrieve an existing assistant definition by identifier
OpenAIAssistantAgent agent =
await OpenAIAssistantAgent.RetrieveAsync(
this.GetClientProvider(),
"<stored agent-identifier>",
new Kernel(),
new KernelArguments()
{
{ "topic", "Dog" },
{ "length", "3" },
});
준비 중
에이전트는 현재 Java에서 사용할 수 없습니다.
프롬프트 템플릿의 에이전트 정의
커널 프롬프트 함수를 만드는 데 사용되는 동일한 프롬프트 템플릿 구성을 활용하여 에이전트를 정의할 수도 있습니다. 이렇게 하면 프롬프트와 에이전트를 모두 관리하고 일관성을 증진하며 여러 구성 요소에서 다시 사용할 수 있는 통합된 접근 방식을 사용할 수 있습니다. 이 메서드는 코드베이스에서 에이전트 정의를 외부화하여 여러 에이전트의 관리를 간소화하여 기본 논리를 변경하지 않고도 더 쉽게 업데이트하고 유지 관리할 수 있도록 합니다. 또한 이러한 분리는 유연성을 향상시켜 개발자가 코드 자체를 조정하는 대신 단순히 구성을 업데이트하여 에이전트 동작을 수정하거나 새 에이전트를 도입할 수 있도록 합니다.
YAML 템플릿
name: GenerateStory
template: |
Tell a story about {{$topic}} that is {{$length}} sentences long.
template_format: semantic-kernel
description: A function that generates a story about a topic.
input_variables:
- name: topic
description: The topic of the story.
is_required: true
- name: length
description: The number of sentences in the story.
is_required: true
에이전트 초기화
// Read YAML resource
string generateStoryYaml = File.ReadAllText("./GenerateStory.yaml");
// Convert to a prompt template config
PromptTemplateConfig templateConfig = KernelFunctionYaml.ToPromptTemplateConfig(generateStoryYaml);
// Create agent with Instructions, Name and Description
// provided by the template config.
ChatCompletionAgent agent =
new(templateConfig)
{
Kernel = this.CreateKernelWithChatCompletion(),
// Provide default values for template parameters
Arguments = new KernelArguments()
{
{ "topic", "Dog" },
{ "length", "3" },
}
};
준비 중
에이전트는 현재 Java에서 사용할 수 없습니다.
직접 호출에 대한 템플릿 값 재정의
에이전트 채팅을 사용하지 않고 에이전트를 직접 호출하는 경우 필요에 따라 에이전트의 매개 변수를 재정의할 수 있습니다. 이렇게 하면 특정 작업 중에 에이전트의 동작을 더 잘 제어하고 사용자 지정할 수 있으므로 특정 요구 사항에 맞게 즉시 해당 지침 또는 설정을 수정할 수 있습니다.
// Initialize a Kernel with a chat-completion service
Kernel kernel = ...;
ChatCompletionAgent agent =
new()
{
Kernel = kernel,
Name = "StoryTeller",
Instructions = "Tell a story about {{$topic}} that is {{$length}} sentences long.",
Arguments = new KernelArguments()
{
{ "topic", "Dog" },
{ "length", "3" },
}
};
// Create a ChatHistory object to maintain the conversation state.
ChatHistory chat = [];
KernelArguments overrideArguments =
new()
{
{ "topic", "Cat" },
{ "length", "3" },
});
// Generate the agent response(s)
await foreach (ChatMessageContent response in agent.InvokeAsync(chat, overrideArguments))
{
// Process agent response(s)...
}
준비 중
에이전트는 현재 Java에서 사용할 수 없습니다.
사용 방법
pmompt 템플릿에서 에이전트를 만드는 엔드 투 엔드 예제는 다음을 참조하세요.