ফাংশন কলিং SDK প্ল্যাটফর্ম টিউটোরিয়াল

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

ফাংশন কলিং আপনার জন্য জেনারেটিভ মডেল থেকে স্ট্রাকচার্ড ডেটা আউটপুট পেতে সহজ করে তোলে। তারপরে আপনি এই আউটপুটগুলি ব্যবহার করে অন্যান্য API কল করতে এবং মডেলে প্রাসঙ্গিক প্রতিক্রিয়া ডেটা ফেরত দিতে পারেন। অন্য কথায়, ফাংশন কলিং আপনাকে জেনারেটিভ মডেলগুলিকে বাহ্যিক সিস্টেমের সাথে সংযুক্ত করতে সাহায্য করে যাতে তৈরি করা সামগ্রীতে সর্বাধিক আপ-টু-ডেট এবং সঠিক তথ্য অন্তর্ভুক্ত থাকে।

আপনি ফাংশন বর্ণনা সহ মিথুন মডেল প্রদান করতে পারেন. এগুলি এমন ফাংশন যা আপনি আপনার অ্যাপের ভাষায় লেখেন (অর্থাৎ, এগুলি Google ক্লাউড ফাংশন নয়)৷ মডেলটি আপনাকে একটি ফাংশন কল করতে এবং মডেলটিকে আপনার প্রশ্ন পরিচালনা করতে সহায়তা করার জন্য ফলাফলটি ফেরত পাঠাতে বলতে পারে।

আপনি যদি ইতিমধ্যে না করে থাকেন, আরও জানতে ফাংশন কলিংয়ের ভূমিকা দেখুন।

আলো নিয়ন্ত্রণের জন্য উদাহরণ API

কল্পনা করুন যে আপনার কাছে একটি অ্যাপ্লিকেশন প্রোগ্রামিং ইন্টারফেস (API) সহ একটি মৌলিক আলো নিয়ন্ত্রণ ব্যবস্থা রয়েছে এবং আপনি ব্যবহারকারীদের সাধারণ পাঠ্য অনুরোধের মাধ্যমে আলো নিয়ন্ত্রণ করার অনুমতি দিতে চান। আপনি ব্যবহারকারীদের কাছ থেকে আলো পরিবর্তনের অনুরোধগুলি ব্যাখ্যা করতে এবং আলোর মান সেট করতে API কলগুলিতে অনুবাদ করতে ফাংশন কলিং বৈশিষ্ট্যটি ব্যবহার করতে পারেন। এই কাল্পনিক আলো নিয়ন্ত্রণ ব্যবস্থা আপনাকে আলোর উজ্জ্বলতা নিয়ন্ত্রণ করতে দেয় এবং এর রঙের তাপমাত্রা, দুটি পৃথক পরামিতি হিসাবে সংজ্ঞায়িত করা হয়:

সরলতার জন্য, এই কাল্পনিক আলো ব্যবস্থায় শুধুমাত্র একটি আলো রয়েছে, তাই ব্যবহারকারীকে একটি ঘর বা অবস্থান নির্দিষ্ট করতে হবে না। দিনের আলোর রঙের তাপমাত্রা ব্যবহার করে আলোর মাত্রা 50% এ পরিবর্তন করতে আপনি আলোক নিয়ন্ত্রণ API এ পাঠাতে পারেন এমন JSON অনুরোধের উদাহরণ এখানে রয়েছে:

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

এই টিউটোরিয়ালটি আপনাকে দেখায় কিভাবে Gemini API-এর জন্য একটি ফাংশন কল সেট আপ করতে হয় যাতে ব্যবহারকারীদের আলোর অনুরোধগুলি ব্যাখ্যা করতে হয় এবং আলোর উজ্জ্বলতা এবং রঙের তাপমাত্রার মান নিয়ন্ত্রণ করতে API সেটিংসে তাদের ম্যাপ করতে হয়।

আপনি শুরু করার আগে: আপনার প্রকল্প এবং API কী সেট আপ করুন

Gemini API কল করার আগে, আপনাকে আপনার প্রকল্প সেট আপ করতে হবে এবং আপনার API কী কনফিগার করতে হবে।

enum APIKey {
  // Fetch the API key from `GenerativeAI-Info.plist`
  static var `default`: String {
    guard let filePath = Bundle.main.path(forResource: "GenerativeAI-Info", ofType: "plist")
    else {
      fatalError("Couldn't find file 'GenerativeAI-Info.plist'.")
    }
    let plist = NSDictionary(contentsOfFile: filePath)
    guard let value = plist?.object(forKey: "API_KEY") as? String else {
      fatalError("Couldn't find key 'API_KEY' in 'GenerativeAI-Info.plist'.")
    }
    if value.starts(with: "_") {
      fatalError(
        "Follow the instructions at https://ai.google.dev/tutorials/setup to get an API key."
      )
    }
    return value
  }
}

একটি API ফাংশন সংজ্ঞায়িত করুন

একটি API অনুরোধ করে এমন একটি ফাংশন তৈরি করুন। এই ফাংশনটি আপনার অ্যাপ্লিকেশনের কোডের মধ্যে সংজ্ঞায়িত করা উচিত, তবে আপনার অ্যাপ্লিকেশনের বাইরে পরিষেবা বা API কল করতে পারে৷ Gemini API এই ফাংশনটিকে সরাসরি কল করে না , তাই আপনি আপনার অ্যাপ্লিকেশন কোডের মাধ্যমে কীভাবে এবং কখন এই ফাংশনটি কার্যকর করা হবে তা নিয়ন্ত্রণ করতে পারেন। প্রদর্শনের উদ্দেশ্যে, এই টিউটোরিয়ালটি একটি মক API ফাংশন সংজ্ঞায়িত করে যা শুধুমাত্র অনুরোধকৃত আলোর মানগুলি প্রদান করে:

func setLightValues(brightness: String,
                    colorTemp: String) -> JSONObject {
  // This mock API returns the requested lighting values
  return [
    "brightness": .string(brightness),
    "colorTemperature": .string(colorTemp)
  ]
}

ফাংশন ঘোষণা তৈরি করুন

ফাংশন ঘোষণা তৈরি করুন যা আপনি জেনারেটিভ মডেলে পাস করবেন। আপনি যখন মডেলের দ্বারা ব্যবহারের জন্য একটি ফাংশন ঘোষণা করেন, তখন আপনার ফাংশন এবং প্যারামিটারের বিবরণে যতটা সম্ভব বিস্তারিত অন্তর্ভুক্ত করা উচিত। কোন ফাংশন নির্বাচন করতে হবে এবং ফাংশন কলের পরামিতিগুলির জন্য কীভাবে মান প্রদান করতে হবে তা নির্ধারণ করতে জেনারেটিভ মডেল এই তথ্য ব্যবহার করে। নিম্নলিখিত কোড দেখায় কিভাবে আলো নিয়ন্ত্রণ ফাংশন ঘোষণা করতে হয়:

let controlLightFunctionDeclaration = FunctionDeclaration(
  name: "controlLight",
  description: "Set the brightness and color temperature of a room light.",
  parameters: [
    "brightness": Schema(
      type: .string,
      description: "Light level from 0 to 100. Zero is off and 100 is full brightness."
    ),
    "colorTemperature": Schema(
      type: .string,
      description: "Color temperature of the light fixture which can be `daylight`, `cool` or `warm`."
    ),
  ],
  requiredParameters: ["brightness", "colorTemperature"]
)

মডেল ইনিশিয়ালাইজেশনের সময় ফাংশন ঘোষণা করুন

আপনি যখন একটি মডেলের সাথে ফাংশন কলিং ব্যবহার করতে চান, আপনি মডেল অবজেক্ট শুরু করার সময় আপনাকে অবশ্যই আপনার ফাংশন ঘোষণা প্রদান করতে হবে। আপনি মডেলের tools প্যারামিটার সেট করে ফাংশন ঘোষণা করেন:

// Use a model that supports function calling, like a Gemini 1.5 model
let generativeModel = GenerativeModel(
  name: "gemini-1.5-flash",
  apiKey: apiKey,
  // Specify the function declaration.
  tools: [Tool(functionDeclarations: [controlLightFunctionDeclaration])]
)

একটি ফাংশন কল তৈরি করুন

একবার আপনি আপনার ফাংশন ঘোষণার সাথে মডেলটি শুরু করলে, আপনি সংজ্ঞায়িত ফাংশন সহ মডেলটিকে অনুরোধ করতে পারেন। আপনার চ্যাট প্রম্পটিং ( sendMessage() ) ব্যবহার করে ফাংশন কলিং ব্যবহার করা উচিত, যেহেতু ফাংশন কলিং সাধারণত পূর্ববর্তী প্রম্পট এবং প্রতিক্রিয়াগুলির প্রেক্ষাপট থেকে উপকৃত হয়।

let chat = generativeModel.startChat()

let prompt = "Dim the lights so the room feels cozy and warm."

// Send the message to the generative model
let response1 = try await chat.sendMessage(prompt)

// Check if the model responded with a function call
guard let functionCall = response1.functionCalls.first else {
  fatalError("Model did not respond with a function call.")
}
// Print an error if the returned function was not declared
guard functionCall.name == "controlLight" else {
  fatalError("Unexpected function called: \(functionCall.name)")
}
// Verify that the names and types of the parameters match the declaration
guard case let .string(brightness) = functionCall.args["brightness"] else {
  fatalError("Missing argument: brightness")
}
guard case let .string(colorTemp) = functionCall.args["colorTemperature"] else {
  fatalError("Missing argument: colorTemperature")
}

// Call the hypothetical API
let apiResponse = setLightValues(brightness: brightness, colorTemperature: colorTemp)

// Send the API response back to the model so it can generate a text response that can be
// displayed to the user.
let response = try await chat.sendMessage([ModelContent(
  role: "function",
  parts: [.functionResponse(FunctionResponse(
    name: functionCall.name,
    response: apiResponse
  ))]
)])

// Log the text response.
guard let modelResponse = response.text else {
  fatalError("Model did not respond with text.")
}
print(modelResponse)