函式呼叫教學課程

。

函式呼叫可讓您輕鬆取得結構化資料輸出內容生成式模型您可以運用這些輸出內容呼叫其他 API，並傳回傳送給模型的相關回應資料換句話說，函式呼叫有助於必須連結生成式模型與外部系統內含最新且準確的資訊。

您可以為 Gemini 模型提供函式說明。這些您以應用程式語言編寫的函式 (換句話說，非 Google Cloud Functions)。模型可能會要求您呼叫函式，然後傳回以便模型處理查詢

如果您還不瞭解函式呼叫簡介：詳情

燈光控制 API 範例

假設您有一個基本的照明控制系統搭配應用程式設計介面 (API)，並希望使用者能透過簡單的文字要求您可以使用函式呼叫功能解讀光線將來自使用者的要求轉譯為 API 呼叫，藉此設定亮度輕鬆分配獎金這款假設性的照明控制系統燈光亮度以及色溫，定義為兩個分開的參數：

參數	類型	必要	說明
`brightness`	數字	是	亮度介於 0 到 100 之間。零關閉，100 為全彩。
`colorTemperature`	字串	是	燈具的色溫，可能是 `daylight`、`cool` 或 `warm`。

簡單來說，這個虛構的照明系統只有一盞燈，因此使用者也不必指定會議室或地點以下是 JSON 要求示例可以將燈光亮度調到 50% 利用日光色溫：

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

本教學課程將說明如何設定函式呼叫，供 Gemini API 執行下列操作：解讀使用者的光源要求並對應至 API 設定，亮度和色溫值。

事前準備：設定專案和 API 金鑰

呼叫 Gemini API 前，請先設定專案並設定您的 API 金鑰。

展開即可瞭解如何設定專案和 API 金鑰

取得並保護 API 金鑰

須有 API 金鑰才能呼叫 Gemini API。如果您沒有帳戶建立金鑰

取得 API 金鑰

妥善保護 API 金鑰。您不應直接在自己的將含有金鑰的檔案儲存在版本管控系統中。您應使用 Google Cloud 等密鑰存放區來儲存 API 金鑰 Secret Manager。

另一個替代方案是將其儲存在 GenerativeAI-Info.plist 檔案中然後從 .plist 檔案中讀取 API 金鑰。請務必輸入 .plist 檔案，將其從版本管控系統排除。以下程式碼顯示如何從 .plist 檔案擷取 API 金鑰：

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
  }
}

您也可以查看 Swift 生成式 AI 範例應用程式瞭解如何將 API 金鑰儲存在 .plist 檔案中。本教學課程假設透過這個隨選資源 .plist 檔案存取 API 金鑰。

匯入 SDK 套件並設定 API 金鑰

如要在自己的 Swift 應用程式中使用 Gemini API，請新增 GoogleGenerativeAI 套件複製到 Xcode 應用程式開發專案：

在 Xcode 中的專案導覽器專案上按一下滑鼠右鍵。
在內容選單中選取「Add Packages」。
在「Add Packages」對話方塊中，將套件網址貼到搜尋列中：
```
https://github.com/google/generative-ai-swift
```
按一下「Add Package」，透過 Xcode 新增 GoogleGenerativeAI 套件。

定義 API 函式

建立可提出 API 要求的函式。應定義這個函式程式碼，但可以在應用程式Gemini API 不會直接呼叫這個函式，因此你可以控制透過應用程式執行此函式的方式和時間再也不是件繁重乏味的工作為方便示範，本教學課程定義了一個模擬 API 函式只會傳回要求的亮度值：

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

建立函式宣告

建立您要傳遞至生成式模型的函式宣告。時間您宣告用於模型的函式，應盡量加入詳細資料並在函式和參數說明中盡可能顯示這項資訊生成式模型會依據這些資訊決定要選取哪個函式，以及如何提供值。以下程式碼說明如何宣告亮度控制功能：

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"]
)

在模型初始化期間宣告函式

如要透過模型使用函式呼叫，您必須提供函式宣告。如要宣告函式設定模型的 tools 參數：

// 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])]
)

生成函式呼叫

使用函式宣告初始化模型後，您可以加入已定義函式的模型您應使用即時通訊提示 (sendMessage())，因為函式呼叫通常從並回答先前的提示和回應

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)