İşlev çağrısı, üretken modeller. Ardından bu çıkışları kullanarak diğer API'leri çağırabilir ve yanıt verilerini modele uygun hale getirmemize yardımcı olur. Başka bir deyişle, işlev çağrısı üretken modelleri harici sistemlere bağlarsınız. Böylece, en güncel ve doğru bilgileri içerir.
Gemini modellerine işlevlerin açıklamalarını sağlayabilirsiniz. Bunlar: uygulamanızın dilinde yazdığınız işlevler (yani Google Cloud Functions). Model, sizden bir işlevi çağırmanızı ve sonuç; modelin sorgunuzu ele almasına yardımcı olur.
Henüz yapmadıysanız Öğrenmek için işlev çağrısına giriş daha fazla bilgi edinebilirsiniz.
Aydınlatma kontrolü için örnek API
Bir uygulama programlaması ile temel bir ışıklandırma kontrol sisteminiz olduğunu düşünün API'sını kullanıyor ve kullanıcıların ışıkları basit bir şekilde kontrol etmesine izin vermek metin istekleri. Işıklandırmayı yorumlamak için İşlev Çağrısı özelliğini kullanabilirsiniz ışıklandırmayı ayarlamak için kullanıcılardan gelen istekleri değiştirme ve bunları API çağrılarına dönüştürme değerler. Bu varsayımsal ışıklandırma kontrol sistemi, ışıklarınızı ışığın parlaklığı ve renk sıcaklığı, 2 ayrı parametre:
Parametre | Tür | Zorunlu | Açıklama |
---|---|---|---|
brightness |
sayı | evet | Işık seviyesi 0 ile 100 arasında. Sıfır kapalı, 100 tam parlaklık. |
colorTemperature |
dize | evet | Aydınlatma armatürünün renk sıcaklığı (daylight , cool veya warm ). |
Basitlik sağlaması açısından, bu hayali aydınlatma sisteminde yalnızca tek bir ışığa sahiptir, böylece kullanıcı bir oda veya konum belirtmesi gerekmiyor. Aşağıda örnek bir JSON isteği verilmiştir ışık seviyesini %50 olarak değiştirmek için ışık kontrolü API'sine gönderebilirsin gün ışığı renk sıcaklığını kullanarak:
{
"brightness": "50",
"colorTemperature": "daylight"
}
Bu eğitimde, aşağıdaki işlemler için Gemini API'ye İşlev Çağrısı'nın nasıl kontrol etmek için kullanıcıların ışıklandırma isteklerini yorumlamak ve API ayarlarıyla eşlemek ışığın parlaklık ve renk sıcaklığı değerlerini yansıtabilir.
Başlamadan önce: Projenizi ve API anahtarınızı oluşturun
Gemini API'yi çağırmadan önce projenizi ayarlamanız ve API anahtarınız.
API işlevleri tanımlayın
API isteğinde bulunan bir işlev oluşturun. Bu fonksiyon tanımlanmalıdır. olup olmadığını kontrol edebilir, ancak en iyi yoludur. Gemini API doğrudan bu işlevi çağrımaz. Bu nedenle, bu işlevin uygulamanız üzerinden nasıl ve ne zaman yürütüleceğini kontrol edebilir girin. Gösterim amacıyla bu eğiticide yalnızca istenen ışıklandırma değerlerini döndürür:
func setLightValues(brightness: String,
colorTemp: String) -> JSONObject {
// This mock API returns the requested lighting values
return [
"brightness": .string(brightness),
"colorTemperature": .string(colorTemp)
]
}
İşlev bildirimleri oluşturma
Üretken modele ileteceğiniz işlev bildirimini oluşturun. Zaman modelin kullanması için bir fonksiyon tanımlarsanız, modelin ne kadar bunları işlev ve parametre açıklamalarında mümkün olduğunca yerleştirin. Üretken model bu bilgiyi, hangi işlevin seçileceğini ve işlevin nasıl sağlanacağını belirlemek için parametre değerlerini içerir. Aşağıdaki kodda, ışık kontrolü işlevini tanımlayın:
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"]
)
Model başlatma sırasında işlevleri bildirme
İşlev çağrısını bir modelle kullanmak istediğinizde
işlev bildirimlerinin her biri için bir ekran görüntüsü sunar. İşlevleri açıkladınız
modelin tools
parametresini ayarlayarak:
// 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])]
)
İşlev çağrısı oluşturma
İşlev bildirimlerinizle modeli başlattıktan sonra,
tanımlanan işleve sahip modeli kullanır. İşlev çağrısını
sohbet istemi (sendMessage()
), çünkü işlev çağrısı genellikle
önceki istemlerin ve yanıtların
bağlamına bakın.
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)