在開始使用Semantic Kernel之前，我們先針對 Semantic Kernel 做個概觀以理解這個框架的核心組成，會有助於後續文章的閱讀。

支援的程式語言

雖然 Semantic Kernel 是由 Microsoft 所開源的框架，但其實 Semantic Kernel 目前支援 C#、Python、Java，並且均已釋出 1.0 的版本，在功能上也逐漸對齊，因此可以想像在一個團隊內當你使用 Semantic Kernel 時，可以依團隊成員技能選擇所擅長的程式語言。

核心組成

• kernel
  Kernel 是 Semantic Kernel 最核心的組件，所有功能都圍繞著 Kernel 展開。無論是模型的連接與使用，還是 Plugins 和 Aents，皆與 Kernel 相互關聯。這樣的運作方式讓開發者能夠透過 Kernel 進行統一的配置、檢索與監控，包括日誌記錄等功能。以下這張圖展示了 Kernel 的定位。

• LLMs 模型的支援
  作為一個框架，Semantic Kernel 不僅支援連接 OpenAI 模型，還可以連接多種其他模型，包括 HuggingFace、Google Gemini、MistralAI 和 Onnx 等。此外，若需要進行本地部署，還可以使用 Ollama 等工具，透過相容 OpenAI API 的方式進行連接。

• Plugins
  在 Semantic Kernel 中，所謂的 Plugins 也可以稱為 Tools，它的主要目的是用來擴展 LLMs 模型的能力，透過 Plugins 可以實現串接外部系統或提供更新知識給模型。例如，RAG（檢索增強生成）的應用，並非僅依靠 LLMs 模型本身的能力即可實現。因此，像是 OpenAI ChatGPT 平台所提供的 Assistants API 或 function calling 等功能，都是為了增強 LLMs 模型能力所設計的解決方案。但如果我們使用的並非 OpenAI ChatGPT 平台，或者採用的是開源、本地部署的模型該怎麼辦呢？作為一個 LLMs 應用開發框架，Semantic Kernel 提供了 Plugins，作為解決此類需求的機制。甚至近期開始被討論的 AI Agent 的設計，一個 Agent 的能力相當程度是取決於 Plugins ，因此可以把 Plugins 當成是一個工具箱，當有需求時便可以從工具箱中取用相對應的工具來實現功能。除了開發者可以自行開發 Plugins，在 Semantic Kernel 裡也提供了一些常見的 Plugins，做為內建 Plugins，例如 HttpPlugin、FileIOPlugin、MathPlugin...等。

• Agents
  在 1.0 版本之後，Semantic Kernel 將過去的 Planner 升級為 Agents。儘管目前仍保留 Planner 機制，官方已明確表示，未來將全面移除 Planner。那麼，什麼是 Planner 呢？簡單來說，當我們賦予 Kernel 多個 Plugins 後，透過 Planner 機制，模型能夠自主思考並制定計劃，決定需要調用哪些 Plugins 來完成任務，類似於 OpenAI ChatGPT 平台提供的 function calling。這一機制現正逐步被新的 Agents 概念取代。

• Filters
  我們都知道生成式 AI 是個黑箱，它的生成結果具有一定的隨機性。因此，在開發 LLMs 應用時，進行管理和監控是必要的，而 Filters 組件正是為了實現負責任的 AI 而存在。Filters 包含如 Function Filter、Auto Function Invocation Filter 以及 Prompt Filter 等功能，能根據需求在關鍵時刻加以實作。如果你曾經開發過 ASP.NET MVC，我認為這裡的 Filters 概念與其相似（別誤會，我指的是概念，實作方式是完全不同的）。

以上便是目前 Semantic Kernel 的核心組成概述，先有個概念即可，各組成的詳細內容，將在接下來的挑戰文章內一一講解說明。