semantic kernel调用ollama接口

https://www.cnblogs.com/youring2/p/18813889

semantic kernel调用ollama接口

 

合集 - Ollama教程(8)

 

1.Ollama系列02：快速上手搭建私有的AI对话框和智能体—chatbox版03-162.Ollama系列03：快速上手搭建私有的AI对话框和智能体—cherryStudio版03-173.ollama系列01：轻松3步本地部署deepseek，普通电脑可用03-154.Ollama系列04：进阶篇-搭建私有的知识库和问答系统—cherryStudio版03-195.Ollama系列05：Ollama API 使用指南03-206.Ollama系列06：C#使用OllamaSharp集成Ollama服务03-257.Ollama本地部署大模型总结03-29

8.semantic kernel调用ollama接口04-08

收起

 

不积跬步无以至千里，不积小流无以成江海！--《荀子 劝学》

我是对本地大模型有执念的！因为它安全性好，数据完全被自己掌控。在前面的内容里面分享了如何使用OllamaSharp访问ollama接口，今天分享如何使用Semantic Kernel来访问ollama接口。

关于Semantic Kernel

Semantic Kernel（SK） 是一款模型无关的SDK，能够帮助开发者快速构建、编排和部署AI代理及多代理系统。无论是开发简单的聊天机器人，还是构建复杂的多代理工作流，该工具都能以企业级的可靠性和灵活性提供所需支持。

地址：https://github.com/microsoft/semantic-kernel

为什么使用SK？

我们可以直接使用类似OllamaSharp这样的SDK来调用某个大模型的接口，但是如果我们即要访问Ollama里面的模型，又要访问OpenAI的接口，还要兼容DeepSeek的接口，这个时候就需要一个集成开发框架了。在.net平台，最好用且功能最全的，目前只有SK（如果还有其它框架请不吝赐教）。

使用SK

首先要添加框架引用：

dotnet add package Microsoft.SemanticKernel

由于我们要访问Ollama，因此还需要添加SK的Ollama连接器：

dotnet add package Microsoft.SemanticKernel.Connectors.Ollama

注意：为了避免编码时收到SKEXP0070、SKEXP0010这种错误，我们先在项目里面把他们屏蔽掉。

	<PropertyGroup>
	......
	<NoWarn>$(NoWarn);SKEXP0001,SKEXP0010,SKEXP0070</NoWarn>
	</PropertyGroup>

初始化SK

	var endpoint = new Uri("http://localhost:11434");
	var ollama = new OllamaApiClient(endpoint);
	// Create a kernel builder
	var builder = Kernel.CreateBuilder().AddOllamaChatCompletion(ollama);
	// Build the kernel
	Kernel kernel = builder.Build();

添加和使用插件

我们可以把sk里面的插件理解成function calling里面的function，本质上都是大预言模型里面的tools节点

	kernel.Plugins.AddFromType<DateTimePlugin>("DateTimePlugin");
	var executionSettings = new OllamaPromptExecutionSettings()
	{
	FunctionChoiceBehavior = FunctionChoiceBehavior.Auto(),
	};

代码说明：

1. 添加插件，插件定义见下文
2. 设置插件的执行方式，我们采用自动选择和执行插件

Plugin的定义

	internal class DateTimePlugin
	{
	[KernelFunction("get_current_datetime")]
	[Description("Get current datetime and day of week")]
	public Task<string> GetCurrentDateTime()
	{
	return Task.FromResult(DateTime.Now.ToString("yyyy-MM-dd HH:mm:ss ddd"));
	}
	}

创建对话

	var chatService = kernel.GetRequiredService<IChatCompletionService>();
	Console.WriteLine();
	Console.WriteLine($"Chat with {ollama.SelectedModel}");
	var systemPrompt = "You are a helpful assistant that knows about AI.";
	var chatHistory = new ChatHistory(systemPrompt);
	Console.WriteLine($">>System: {systemPrompt}");
	while (true)
	{
	Console.Write(">>User: ");
	var message = Console.ReadLine();
	chatHistory.AddUserMessage(message);
	Console.Write(">>Assistant: ");
	var reply = await chatService.GetChatMessageContentAsync(chatHistory,
	executionSettings: executionSettings,
	kernel: kernel);
	Console.WriteLine(reply);
	// Add the message from the agent to the chat history
	chatHistory.AddMessage(reply.Role, reply.Content ?? string.Empty);
	}

代码说明：

1. 首先在这段代码中创建一个chatService，用来和大模型进行对话
2. systemPrompt是我们预设的大模型系统级别指令，通过systemPrompt可以更好的控制大模型的输出
3. chatHistory用来存储会话历史
4. 在while循环中进行对话，同时将user和assistant的对话内容临时存储在chatHistory中

总结

以上就是今天分享的全部内容，主要介绍如何使用semantic kernel，并通过sk来访问ollama提供的大模型服务。