想像一下，你家 AI 廚師雖然會跟你聊天，知道怎麼寫食譜，但他只能「說」要做什麼菜，卻沒辦法真的「動手」去切菜、開火、甚至是打開電燈。這不是很可惜嗎？

這就是 Plugins 的存在價值。如果說 Kernel 是那位擁有思考和規劃能力的「大腦」，那麼 Plugins 就是它的「手」和「腳」。Plugins 能夠將我們現有的程式碼，包裝成一個 AI 可以理解並調用的「工具」。如此一來，你的 AI 就不再是空談的哲學家，而是能真正動手解決問題的實踐家。

什麼是 Plugin？讓 AI 擁有超能力

在 Semantic Kernel 的世界裡，Plugin 是一個能賦予 AI 額外能力的程式碼集合。它可以是：

• 原生程式碼 Plugin (Native Code Plugin)：就是你自己寫的 C#, Python 或 Java 程式碼，例如呼叫資料庫、發送 API 請求、或執行檔案操作。
• 開放式 API Plugin (OpenAPI Plugin)：將既有的 RESTful API 服務匯入，讓 AI 可以直接與外部系統互動，例如訂購披薩、查詢天氣或發送簡訊。
• Prompt Plugin：將一系列提示詞和邏輯打包，讓 AI 可以執行更複雜的文字任務，例如寫一篇完整的部落格文章。

今天，我們就從最基礎、也是最核心的原生程式碼 Plugin 開始，一步步打造你的第一把「廚師刀」。

你的第一把廚師刀：LightsPlugin

我們來做一個最簡單的範例，一個能夠控制電燈的 Plugin。這個 Plugin 裡面會有兩個功能：一個是開燈，一個是關燈。

using System.ComponentModel;
using Microsoft.SemanticKernel;

public class LightsPlugin
{
    // 為你的 Plugin 函式加上註解和描述，讓 AI 知道這個函式是做什麼的
    [KernelFunction, Description("打開燈。")]
    public string TurnOn()
    {
        Console.WriteLine("打開電燈！");
        return "電燈已打開。";
    }

    [KernelFunction, Description("關閉燈。")]
    public string TurnOff()
    {
        Console.WriteLine("關閉電燈！");
        return "電燈已關閉。";
    }
}

在這個程式碼中，有幾個關鍵點：

1. 我們定義了一個公開類別 LightsPlugin。
2. 在每個方法前，我們使用 [KernelFunction] 這個屬性來標記，告訴 Semantic Kernel：「嘿，這個方法是個可供 AI 呼叫的工具喔！」
3. 我們也使用了 [Description] 屬性來為每個方法提供簡短的說明。這一步非常重要，因為 AI 會根據這些描述來決定它應該呼叫哪個函式。描述得越清楚，AI 越能精準地選擇對應的工具。

將 Plugins 加入你的廚房 (Kernel)

光寫好刀具還不夠，你得把它們放到廚房裡，讓廚師隨時都能取用。這一步非常簡單，只需要一行程式碼，我們在建構 Kernel 時，把這個 LightsPlugin 實例加進去就行了。

using Microsoft.SemanticKernel;

// 1. 建立 Kernel Builder
var builder = Kernel.CreateBuilder()
    .AddOpenAIChatCompletion("gpt-4o", "YOUR_OPENAI_API_KEY");

// 2. 建立我們的 Plugin 實例
var lightsPlugin = new LightsPlugin();

// 3. 將 Plugin 加入 Kernel
// 這裡的 "Lights" 是你的 Plugin 名稱，可以自訂
builder.Plugins.AddFromObject(lightsPlugin, "Lights");

// 4. 建構 Kernel
var kernel = builder.Build();

Console.WriteLine("🏠 燈光控制範例啟動！");
Console.WriteLine("你可以用自然語言來控制燈光，例如：");
Console.WriteLine("- 請幫我打開燈");
Console.WriteLine("- 關燈");
Console.WriteLine("- 輸入 'quit' 離開\n");

while (true)
{
    Console.Write("💬 請輸入指令: ");
    var userInput = Console.ReadLine();

    if (string.IsNullOrWhiteSpace(userInput))
        continue;

    if (userInput.ToLower() is "quit" or "exit" or "離開")
    {
        Console.WriteLine("👋 再見！");
        break;
    }

    try
    {
        Console.WriteLine();
        OpenAIPromptExecutionSettings settings = new() { FunctionChoiceBehavior = FunctionChoiceBehavior.Auto() };

        // 建立 Kernel Arguments
        var arguments = new KernelArguments(executionSettings: settings)
        {
            ["userInput"] = userInput,
        };

        // 使用更符合 Semantic Kernel 規格的 Prompt
        var prompt = @"
你是一個智慧燈光控制助手。請根據用戶的指令呼叫適當的函式。

用戶指令：{{$userInput}}

請分析用戶的意圖：
- 如果用戶想要打開燈光（如：打開燈、開燈、亮燈、點燈等），請呼叫 TurnOn 函式
- 如果用戶想要關閉燈光（如：關燈、關閉燈、熄燈、關掉燈等），請呼叫 TurnOff 函式

請直接呼叫對應的函式。";

        var result = await kernel.InvokePromptAsync(prompt, arguments);

        Console.WriteLine($"🤖 AI 回應: {result}");
    }
    catch (Exception ex)
    {
        Console.WriteLine($"❌ 發生錯誤: {ex.Message}");
    }

    Console.WriteLine();
}

當你將這個 Plugin 加入 Kernel 後，Semantic Kernel 會自動掃描 LightsPlugin 類別中所有標記了 [KernelFunction] 的方法，並將它們註冊為一個個可供 AI 調用的工具。這些工具會被序列化成一個 AI 模型能夠理解的 JSON 格式（這就是 Function Calling 的基礎），從而實現「AI 大腦」與「你的程式碼」的無縫接軌。

今日小結

今天，我們完成了 AI 滿漢全席的第二道主菜——Plugins。你學會了：

• Plugin 是什麼，以及它如何賦予 AI 執行具體任務的能力。
• 如何建立一個簡單的原生程式碼 Plugin，並用 [KernelFunction] 和 [Description] 屬性來定義工具。
• 如何將這個工具掛載到你的 Kernel 廚房中。

從現在開始，你的 AI 就不再是只會聊天的虛擬助理，而是真正能動手幫你解決問題的「AI 員工」了！接下來的幾天，我們會更深入探討這些工具的應用，並揭開 Function Calling 這場盛宴最精彩的一幕。

完整程式碼範例