Semantic Kernel入门系列：通过依赖注入管理对象和插件

合集 - AI(10)

1.一键接入大模型：One-Api本地安装配置实操05-072.入门Semantic Kernel：OneApi集成与HelloWorld05-083.深入学习Semantic Kernel：创建和配置prompts functions05-214.Semantic Kernel入门系列：利用YAML定义prompts functions05-225.Semantic Kernel入门系列：利用Handlebars创建Prompts functions05-236.深入探讨Function Calling：实现外部函数调用的工作原理05-287.深入探讨Function Calling：在Semantic Kernel中的应用实践05-308.探索Semantic Plugins：开启大模型的技能之门06-049.探索Native Plugins：开启大模型的技能之门06-07

10.Semantic Kernel入门系列：通过依赖注入管理对象和插件06-11

收起

前言

本章讲一下在Semantic Kernel中使用DependencyInject(依赖注入)，在之前的章节我们都是通过手动创建Kernel对象来完成框架的初始化工作，今天我们用依赖注入的方式来实现。

实战

定义Native Plugins

我们用官网的LightPlugins插件来演示依赖注入在SK中的使用

public class LightPlugin
{
    public bool IsOn { get; set; } = false;

#pragma warning disable CA1024 // Use properties where appropriate
    [KernelFunction]
    [Description("Gets the state of the light.")]
    public string GetState() => IsOn ? "on" : "off";
#pragma warning restore CA1024 // Use properties where appropriate

    [KernelFunction]
    [Description("Changes the state of the light.'")]
    public string ChangeState(bool newState)
    {
        this.IsOn = newState;
        var state = GetState();

        // Print the state to the console
        Console.WriteLine($"[Light is now {state}]");

        return state;
    }
}

这个插件有两个方法一个是获取当前灯的状态，第二个是改变灯的状态

创建kernel对象

在之前我们的演示中都是通过Kernel对象提供的CreateBuilder方法来创建Kernel对象。

    var kernel = Kernel.CreateBuilder().
      AddOpenAIChatCompletion(modelId: config.ModelId, apiKey: config.ApiKey)
        .Build();

在api项目的开发中，依靠依赖注入的方式更容易管理依赖项，以及对象的复用

依赖注入注入Kernel依赖

有两种方式可以用依赖注入创建Kernel对象，第一种是借助于KernelServiceCollectionExtensions累提供的AddKernel扩展方法，第二种就是自己Kernel kernel = new(services.BuildServiceProvider());或者services.AddTransient();

AddKernel源码

    /// 
    /// 
    /// Both services are registered as transient, as both objects are mutable.
    /// 
    public static IKernelBuilder AddKernel(this IServiceCollection services)
    {
        Verify.NotNull(services);

        // Register a KernelPluginCollection to be populated with any IKernelPlugins that have been
        // directly registered in DI. It's transient because the Kernel will store the collection
        // directly, and we don't want two Kernel instances to hold on to the same mutable collection.
        services.AddTransient();

        // Register the Kernel as transient. It's mutable and expected to be mutated by consumers,
        // such as via adding event handlers, adding plugins, storing state in its Data collection, etc.
        services.AddTransient();

        // Create and return a builder that can be used for adding services and plugins
        // to the IServiceCollection.
        return new KernelBuilder(services);
    }

通过源码我们可以看出来，这两种方式基本上没区别，第二种AddKernel实际上是简化了我们第二种的步骤，我们就用第一种举例演示

//依赖注入
{
    IServiceCollection services = new ServiceCollection();
    //会话服务注册到IOC容器
    services.AddKernel().AddOpenAIChatCompletion(modelId: config.ModelId, apiKey: config.ApiKey, httpClient: client);
    services.AddSingleton(sp => KernelPluginFactory.CreateFromType(serviceProvider: sp));
    var kernel = services.BuildServiceProvider().GetRequiredService();

这就是在依赖注入中注册Kernel对象和插件的步骤,依赖项都会被注册到IServiceCollection中

Semantic Kernel使用的服务和插件通常作为Singleton单例注册到依赖注入容器中，以便它们可以在各种Kernel之间重用/共享。Kernel通常注册为Transient瞬态，以便每个实例不受处理其他任务的Kernel所做更改的影响。

在项目中使用时，我们可以通过在构造函数中获取Kernel对象的实例，用Kernel对象来获取服务实例

var chatCompletionService = kernel.GetRequiredService();

IChatCompletionService 实例也可以通过 IServiceProvider 来获取，您可以灵活地使用更适合您要求的方法。

实战

我们用依赖注入跑一下LightPlugin插件

    // Create chat history
    var history = new ChatHistory();

    // Get chat completion service
    var chatCompletionService = kernel.GetRequiredService();

    // Start the conversation
    Console.Write("User > ");
    string? userInput;
    while ((userInput = Console.ReadLine()) is not null)
    {
        // Add user input
        history.AddUserMessage(userInput);

        // Enable auto function calling
        OpenAIPromptExecutionSettings openAIPromptExecutionSettings = new()
        {
            ToolCallBehavior = ToolCallBehavior.AutoInvokeKernelFunctions
        };

        // Get the response from the AI
        var result = await chatCompletionService.GetChatMessageContentAsync(
            history,
            executionSettings: openAIPromptExecutionSettings,
            kernel: kernel);

        // Print the results
        Console.WriteLine("Assistant > " + result);

        // Add the message from the agent to the chat history
        history.AddMessage(result.Role, result.Content ?? string.Empty);

        // Get user input again
        Console.Write("User > ");
    }

输出：

User > 当前灯光的状态
Assistant > 当前灯光的状态是关闭的。
User > 帮我开个灯
[Light is now on]
Assistant > 已经成功为您点亮了灯。

最后

本文Demo用的大模型月之暗面的moonshot-v1-8k

  "Endpoint": "https://api.moonshot.cn",
  "ModelId": "moonshot-v1-8k",

原则上任何支持OpenAI function calling 格式的都可以使用。

通过本章的学习，我们深入了解了在Semantic Kernel中利用依赖注入的方式来管理Kernel对象和插件，使得项目开发更加灵活和高效。

参考文献

Using Semantic Kernel with Dependency Injection

示例代码

本文源代码