Zobacz na ai.google.dev | Uruchom w Google Colab | Wyświetl źródło na GitHubie |
Modelom Gemini możesz podawać opisy funkcji. Model może poprosić Cię o wywołanie funkcji i odesłanie wyniku, aby model mógł lepiej obsłużyć zapytanie.
Konfiguracja
Zainstaluj pakiet SDK Pythona
Pakiet SDK Pythona dla interfejsu Gemini API znajduje się w pakiecie google-generativeai
. Zainstaluj zależność za pomocą narzędzia pip:
pip install -U -q google-generativeai
Importowanie pakietów
Zaimportuj niezbędne pakiety.
import pathlib
import textwrap
import time
import google.generativeai as genai
from IPython import display
from IPython.display import Markdown
def to_markdown(text):
text = text.replace('•', ' *')
return Markdown(textwrap.indent(text, '> ', predicate=lambda _: True))
Konfigurowanie klucza interfejsu API
Aby korzystać z interfejsu Gemini API, musisz najpierw uzyskać klucz interfejsu API. Jeśli nie masz jeszcze klucza, utwórz go jednym kliknięciem w Google AI Studio.
Uzyskiwanie klucza interfejsu API
W Colab dodaj klucz do menedżera obiektów tajnych w sekcji „🔑” w panelu po lewej stronie. Nadaj mu nazwę API_KEY
.
Przekaż klucz interfejsu API do pakietu SDK. Można to zrobić na dwa sposoby:
- Umieść klucz w zmiennej środowiskowej
GOOGLE_API_KEY
(pakiet SDK automatycznie go stamtąd zabierze). - Przekaż klucz do:
genai.configure(api_key=...)
try:
# Used to securely store your API key
from google.colab import userdata
# Or use `os.getenv('API_KEY')` to fetch an environment variable.
GOOGLE_API_KEY=userdata.get('GOOGLE_API_KEY')
except ImportError:
import os
GOOGLE_API_KEY = os.environ['GOOGLE_API_KEY']
genai.configure(api_key=GOOGLE_API_KEY)
Podstawowe informacje o funkcjach
Listę funkcji możesz przekazać do argumentu tools
podczas tworzenia genai.GenerativeModel
.
def multiply(a:float, b:float):
"""returns a * b."""
return a*b
model = genai.GenerativeModel(model_name='gemini-1.0-pro',
tools=[multiply])
model
genai.GenerativeModel( model_name='models/gemini-1.0-pro', generation_config={}, safety_settings={}, tools=<google.generativeai.types.content_types.FunctionLibrary object at 0x10e73fe90>, )
Zalecana metoda korzystania z wywołania funkcji to interfejs czatu. Głównym powodem jest to, że usługa FunctionCalls
dobrze wpasowuje się w wieloetapową strukturę czatu.
chat = model.start_chat(enable_automatic_function_calling=True)
Przy włączonym automatycznym wywoływaniu funkcji chat.send_message
automatycznie wywołuje Twoją funkcję, jeśli model o nie poprosi.
Wygląda na to, że zwracany jest komunikat zawierający poprawną odpowiedź:
response = chat.send_message('I have 57 cats, each owns 44 mittens, how many mittens is that in total?')
response.text
'The total number of mittens is 2508.'
57*44
2508
ChatSession.history
zawiera sekwencję zdarzeń:
- Wysłałeś pytanie.
- Model przesłał odpowiedź
glm.FunctionCall
. genai.ChatSession
uruchomił funkcję lokalnie i odesłał modelglm.FunctionResponse
.- Model użył w odpowiedzi danych wyjściowych funkcji.
for content in chat.history:
part = content.parts[0]
print(content.role, "->", type(part).to_dict(part))
print('-'*80)
user -> {'text': 'I have 57 cats, each owns 44 mittens, how many mittens is that in total?'} -------------------------------------------------------------------------------- model -> {'function_call': {'name': 'multiply', 'args': {'a': 57.0, 'b': 44.0} } } -------------------------------------------------------------------------------- user -> {'function_response': {'name': 'multiply', 'response': {'result': 2508.0} } } -------------------------------------------------------------------------------- model -> {'text': 'The total number of mittens is 2508.'} --------------------------------------------------------------------------------
Ogólnie diagram stanu wygląda tak:
Przed zwróceniem odpowiedzi tekstowej model może odpowiedzieć za pomocą wielu wywołań funkcji, a wywołania funkcji mają miejsce przed odpowiedzią tekstową.
Wszystko odbywało się automatycznie, ale jeśli chcesz mieć większą kontrolę, możesz:
- Pozostaw domyślną wartość
enable_automatic_function_calling=False
i samodzielnie przetwarzaj odpowiedziglm.FunctionCall
. - Możesz też skorzystać z
GenerativeModel.generate_content
, gdzie musisz również zarządzać historią czatu.
[Opcjonalnie] Dostęp niskiego poziomu
Automatyczne wyodrębnianie schematu z funkcji Pythona nie we wszystkich przypadkach działa. Na przykład: nie obsługuje przypadków, gdy opisujesz pola zagnieżdżonego obiektu słownika, ale interfejs API to umożliwia. Interfejs API może opisywać każdy z następujących typów:
AllowedType = (int | float | bool | str | list['AllowedType'] | dict[str, AllowedType]
Biblioteka klienta google.ai.generativelanguage
zapewnia dostęp do typów niskiego poziomu, co daje Ci pełną kontrolę.
import google.ai.generativelanguage as glm
Najpierw rzut oka na atrybut _tools
modelu możesz zobaczyć, jak opisuje on funkcje przekazane do modelu:
def multiply(a:float, b:float):
"""returns a * b."""
return a*b
model = genai.GenerativeModel(model_name='gemini-1.0-pro',
tools=[multiply])
model._tools.to_proto()
[function_declarations { name: "multiply" description: "returns a * b." parameters { type_: OBJECT properties { key: "b" value { type_: NUMBER } } properties { key: "a" value { type_: NUMBER } } required: "a" required: "b" } }]
Zwraca listę obiektów glm.Tool
, które zostałyby wysłane do interfejsu API. Jeśli nie znasz formatu drukowanego, oznacza to, że są to klasy protokołu Google. Każdy element glm.Tool
(w tym przypadku 1) zawiera listę obiektów glm.FunctionDeclarations
, która opisuje funkcję i jej argumenty.
Oto deklaracja dla tej samej funkcji mnożenia zapisanej za pomocą klas glm
.
Pamiętaj, że te klasy opisują tylko funkcję interfejsu API, a nie zawierają jego implementacji. Używanie tej metody nie działa w przypadku automatycznego wywoływania funkcji, ale funkcje nie zawsze wymagają implementacji.
calculator = glm.Tool(
function_declarations=[
glm.FunctionDeclaration(
name='multiply',
description="Returns the product of two numbers.",
parameters=glm.Schema(
type=glm.Type.OBJECT,
properties={
'a':glm.Schema(type=glm.Type.NUMBER),
'b':glm.Schema(type=glm.Type.NUMBER)
},
required=['a','b']
)
)
])
Możesz go również opisać jako obiekt zgodny z formatem JSON:
calculator = {'function_declarations': [
{'name': 'multiply',
'description': 'Returns the product of two numbers.',
'parameters': {'type_': 'OBJECT',
'properties': {
'a': {'type_': 'NUMBER'},
'b': {'type_': 'NUMBER'} },
'required': ['a', 'b']} }]}
glm.Tool(calculator)
function_declarations { name: "multiply" description: "Returns the product of two numbers." parameters { type_: OBJECT properties { key: "b" value { type_: NUMBER } } properties { key: "a" value { type_: NUMBER } } required: "a" required: "b" } }
W obu przypadkach przekazujesz reprezentację obiektu glm.Tool
lub listy narzędzi do
model = genai.GenerativeModel('gemini-pro', tools=calculator)
chat = model.start_chat()
response = chat.send_message(
f"What's 234551 X 325552 ?",
)
Podobnie jak przed zwróceniem funkcji glm.FunctionCall
, która wywołuje funkcję multiply
kalkulatora:
response.candidates
[index: 0 content { parts { function_call { name: "multiply" args { fields { key: "b" value { number_value: 325552 } } fields { key: "a" value { number_value: 234551 } } } } } role: "model" } finish_reason: STOP ]
Wykonaj funkcję samodzielnie:
fc = response.candidates[0].content.parts[0].function_call
assert fc.name == 'multiply'
result = fc.args['a'] * fc.args['b']
result
76358547152.0
Aby kontynuować rozmowę, wyślij wynik do modelu:
response = chat.send_message(
glm.Content(
parts=[glm.Part(
function_response = glm.FunctionResponse(
name='multiply',
response={'result': result}))]))
Podsumowanie
Pakiet SDK obsługuje podstawowe wywoływanie funkcji. Pamiętaj, że łatwiej jest nim zarządzać w trybie czatu dzięki naturalnej strukturze przechodzenia z powrotem i z powrotem. To Ty odpowiadasz za wywoływanie funkcji i wysyłanie wyników z powrotem do modelu, aby mógł wygenerować odpowiedź tekstową.