İşlev çağrısı eğiticisi

Python Node.js Git Dart (Flutter) Android Swift Web

İşlev çağrısı, üretken modellerden yapılandırılmış veri çıkışları almanızı kolaylaştırır. Daha sonra bu çıkışları kullanarak diğer API'leri çağırabilir ve ilgili yanıt verilerini modele döndürebilirsiniz. Başka bir deyişle, işlev çağrısı, üretken modelleri harici sistemlere bağlamanıza yardımcı olur. Böylece, oluşturulan içerik en güncel ve doğru bilgileri içerir.

Gemini modellerine işlevlerin açıklamalarını sağlayabilirsiniz. Bunlar, uygulamanızın dilinde yazdığınız işlevlerdir (Google Cloud Functions değildirler). Model, bir işlevi çağırmanızı ve modelin sorgunuzu işlemesine yardımcı olmak için sonucu geri göndermenizi isteyebilir.

Henüz yapmadıysanız daha fazla bilgi için İşlev çağrısına giriş sayfasına göz atın.

Aydınlatma kontrolü için örnek API

Uygulama programlama arayüzüne (API) sahip temel bir ışıklandırma kontrol sisteminiz olduğunu ve kullanıcıların basit metin istekleriyle ışıkları kontrol etmesine izin vermek istediğinizi düşünün. Işıklandırma değerlerini ayarlamak amacıyla kullanıcılardan gelen ışık değişikliği isteklerini yorumlamak ve bunları API çağrılarına dönüştürmek için İşlev Çağrısı özelliğini kullanabilirsiniz. Bu varsayımsal ışıklandırma kontrol sistemi, ışığın parlaklığını ve renk sıcaklığını kontrol etmenizi sağlar. Bunlar, iki ayrı parametreyle tanımlanır:

Basitlik sağlaması açısından bu hayali aydınlatma sisteminde yalnızca tek bir ışığa sahip olduğundan kullanıcının oda veya konum belirtmesi gerekmez. İşte gün ışığı renk sıcaklığını kullanarak ışık seviyesini %50 olarak değiştirmek için aydınlatma kontrolü API'sine gönderebileceğiniz örnek bir JSON isteği:

{
  "brightness": "50",
  "colorTemperature": "daylight"
}

Bu eğitim, kullanıcıların ışık isteklerini yorumlamak ve ışığın parlaklığı ile renk sıcaklığı değerlerini kontrol etmek için bunları API ayarlarıyla eşlemek amacıyla Gemini API için İşlev Çağrısı'nın nasıl ayarlanacağını gösterir.

Başlamadan önce: Projenizi ve API anahtarınızı oluşturun

Gemini API'yi çağırmadan önce projenizi ayarlamanız ve API anahtarınızı yapılandırmanız gerekir.

API işlevleri tanımlayın

API isteğinde bulunan bir işlev oluşturun. Bu işlev, uygulamanızın kodunda tanımlanmalıdır ancak uygulamanızın dışındaki hizmetleri veya API'leri çağırabilir. Gemini API bu işlevi doğrudan çağrımaz. Böylece, bu işlevin nasıl ve ne zaman yürütüleceğini uygulama kodunuzla kontrol edebilirsiniz. Gösterim amacıyla bu eğiticide, istenen ışıklandırma değerlerini döndüren örnek bir API işlevi tanımlanmaktadır:

async function setLightValues(brightness, colorTemp) {
  // This mock API returns the requested lighting values
  return {
    brightness: brightness,
    colorTemperature: colorTemp
  };
}

İşlev bildirimleri oluşturma

Üretken modele ileteceğiniz işlev bildirimini oluşturun. Modelin kullanması için bir işlev bildirdiğinizde, işleve ve parametre açıklamalarına mümkün olduğunca fazla ayrıntı eklemeniz gerekir. Üretken model, bu bilgileri kullanarak hangi işlevin seçileceğini ve işlev çağrısındaki parametreler için değerlerin nasıl sağlanacağını belirler. Aşağıdaki kodda ışık kontrolü işlevinin nasıl tanımlanacağı gösterilmektedir:

const controlLightFunctionDeclaration = {
  name: "controlLight",
  parameters: {
    type: "OBJECT",
    description: "Set the brightness and color temperature of a room light.",
    properties: {
      brightness: {
        type: "NUMBER",
        description: "Light level from 0 to 100. Zero is off and 100 is full brightness.",
      },
      colorTemperature: {
        type: "STRING",
        description: "Color temperature of the light fixture which can be `daylight`, `cool` or `warm`.",
      },
    },
    required: ["brightness", "colorTemperature"],
  },
};

// Executable function code. Put it in a map keyed by the function name
// so that you can call it once you get the name string from the model.
const functions = {
  controlLight: ({ brightness, colorTemp }) => {
    return setLightValues( brightness, colorTemp)
  }
};

Model başlatma sırasında işlevleri bildirme

İşlev çağrısını bir modelle kullanmak istiyorsanız model nesnesini ilk kullanıma hazırlarken işlev bildirimlerinizi sağlamanız gerekir. Modelin tools parametresini ayarlayarak işlevleri tanımlarsınız:

const { GoogleGenerativeAI } = require("@google/generative-ai");

// Access your API key as an environment variable (see "Set up your API key" above)
const genAI = new GoogleGenerativeAI(process.env.API_KEY);

// ...

const generativeModel = genAI.getGenerativeModel({
  // Use a model that supports function calling, like a Gemini 1.5 model
  model: "gemini-1.5-flash",

  // Specify the function declaration.
  tools: {
    functionDeclarations: [controlLightFunctionDeclaration],
  },
});

İşlev çağrısı oluşturma

İşlev bildirimlerinizle modeli başlattıktan sonra, tanımlanmış işlevle modeli isteyebilirsiniz. İşlev çağrısı, genellikle önceki istemlerin ve yanıtların bağlamına sahip olmanın avantajından yararlandığından, sohbet istemi (sendMessage()) aracılığıyla işlev çağrısını kullanmanız gerekir.

const chat = generativeModel.startChat();
const prompt = "Dim the lights so the room feels cozy and warm.";

// Send the message to the model.
const result = await chat.sendMessage(prompt);

// For simplicity, this uses the first function call found.
const call = result.response.functionCalls()[0];

if (call) {
  // Call the executable function named in the function call
  // with the arguments specified in the function call and
  // let it call the hypothetical API.
  const apiResponse = await functions[call.name](call.args);

  // Send the API response back to the model so it can generate
  // a text response that can be displayed to the user.
  const result2 = await chat.sendMessage([{functionResponse: {
    name: 'controlLight',
    response: apiResponse
  }}]);

  // Log the text response.
  console.log(result2.response.text());
}