在前幾天的文章中，我們已經學會了如何準備食材（提示詞）、認識了我們的頂級廚師（Kernel），甚至還學會了他的招牌絕活 Function Calling。今天的第 10 天，我們要來探討一個更深層的廚房哲學問題：我們的 AI 廚房，應該是全自動化，還是需要總鋪師我本人——也就是你，開發者——來手動確認每一步關鍵操作呢？

這對應到 Semantic Kernel (SK) 中一個非常重要的概念：函式調用模式 (Function Invocation Modes)。

全自動化的米其林廚房：自動調用 (Auto Invoke)

想像一下，一間配備了最先進 AI 機器人的米其林廚房。客人點餐後，從切菜、烹煮到擺盤，所有流程一氣呵成，總鋪師只需要在旁邊優雅地喝著咖啡，監督著一切順利進行。這就是 SK 的預設行為——

自動調用 (Auto Invoke)。

當你像前幾天那樣，把 FunctionChoiceBehavior 設置為 Auto 且不做任何額外設定時，SK 就會進入這個模式。整個 Function Calling 的生命週期會由 SK 自動完成：

1. AI 模型決定：AI 判斷需要呼叫某個函式來完成任務。
2. SK 執行：SK 接收到指令後，立刻執行對應的 Plugin 函式。
3. 結果回傳：SK 將函式執行的結果送回給 AI 模型。
4. 最終回應：AI 模型根據函式結果，生成最終的自然語言回覆給使用者。

這個過程行雲流水，完全不需要你介入干預。對於大多數情境，例如查詢天氣、簡單的資料檢索，這種全自動模式效率最高，也是我們最推薦的起手式。

總鋪師的親自把關：手動調用 (Manual Invoke)

然而，有些菜色需要總鋪師的精湛手藝與親自確認。比如，當客人點了一道需要「炙燒干貝佐魚子醬」的昂貴料理時，AI 助手的建議很好，但你可能想親自檢查干貝的品質，並決定炙燒的火侯。這就是

手動調用 (Manual Invoke) 的精神。

手動調用賦予了開發者

完全的控制權。在 AI 決定要呼叫某個函式之後，流程會暫停，將「決策」交還給你。你可以決定是否、何時、以及如何執行這個函式。

這在以下場景中至關重要：

• 使用者確認 (Human-in-the-loop)：執行敏感操作前，例如「AI 想要下單一支價值 10 萬元的股票，您確定嗎？」或是「AI 準備刪除這個檔案，請確認」。
• 複雜的流程控制：在函式執行前後，你可能需要插入自訂的日誌記錄、資料驗證，或是根據函式結果觸發不同的業務邏輯。
• 成本與安全控管：在執行函式前，你可以檢查呼叫的成本，或者根據某些安全策略來否決這次呼叫。

要啟用手動模式，你只需要在設定 FunctionChoiceBehavior 時，將 autoInvoke 參數設為 false。

實戰演練：打造一個需要手動確認的天氣查詢機器人

接下來，讓我們用一段完整的程式碼，來看看手動模式是如何運作的。我們將建立一個天氣機器人，但在它實際呼叫 WeatherForecastUtils 之前，會先在主控台印出一條訊息，模擬開發者介入確認的過程。

C#

using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.ChatCompletion;
using Microsoft.SemanticKernel.Connectors.OpenAI;
using System.Text.Json;

// 假設我們有這些 Plugin
public class WeatherForecastUtils
{
    [KernelFunction, Description("Gets the weather for a city.")]
    public static string GetWeatherForCity(string cityName)
    {
        // 假裝查詢天氣
        Console.WriteLine($"[Plugin] 正在查詢 {cityName} 的天氣...");
        return $"台灣 {cityName} 今天天氣晴朗，溫度 28 度。";
    }
}

public class DateTimeUtils
{
    [KernelFunction, Description("Gets the current time.")]
    public static string GetCurrentTime() => DateTime.Now.ToString("HH:mm");
}

// --- 主程式 ---
var builder = Kernel.CreateBuilder();
// 請記得換成你自己的 Azure OpenAI 設定
builder.AddAzureOpenAIChatCompletion(
    "your-deployment-name",
    "your-endpoint",
    "your-api-key");
builder.Plugins.AddFromType<WeatherForecastUtils>();
builder.Plugins.AddFromType<DateTimeUtils>();
var kernel = builder.Build();

var chatCompletionService = kernel.GetRequiredService<IChatCompletionService>();

// 透過設定 autoInvoke: false 來啟用手動調用
var settings = new OpenAIPromptExecutionSettings
{
    FunctionChoiceBehavior = FunctionChoiceBehavior.Auto(autoInvoke: false)
};

var chatHistory = new ChatHistory();
chatHistory.AddUserMessage("現在台北的天氣如何？");

while (true)
{
    // 1. 讓 AI 決定下一步
    var result = await chatCompletionService.GetChatMessageContentAsync(chatHistory, settings, kernel);

    // 2. 檢查 AI 是否只回傳了文字訊息
    if (!string.IsNullOrEmpty(result.Content))
    {
        Console.WriteLine($"[AI Assistant] > {result.Content}");
    }

    // 3. 取得 AI 想要呼叫的函式
    var functionCalls = FunctionCallContent.GetFunctionCalls(result).ToList();
    if (functionCalls.Count == 0)
    {
        // 如果沒有函式要呼叫，表示對話結束
        break;
    }

    // 4. 將 AI 的函式呼叫請求也加入歷史紀錄
    chatHistory.Add(result);

    // 5. 迭代所有函式呼叫並手動執行它們
    foreach (var functionCall in functionCalls)
    {
        Console.WriteLine($"[總鋪師的確認] > AI 想要呼叫 '{functionCall.PluginName}.{functionCall.FunctionName}'。準備執行...");

        // 6. 手動調用函式！
        var functionResultContent = await functionCall.InvokeAsync(kernel);

        // 7. 將函式執行的結果轉成 ChatMessageContent 並加入歷史紀錄
        chatHistory.Add(functionResultContent.ToChatMessage());
        Console.WriteLine($"[函式執行結果] > {JsonSerializer.Serialize(functionResultContent.Result)}");
    }

    // 8. 帶著新的結果回到迴圈，讓 AI 繼續思考
    Console.WriteLine("\n--- 將結果送回 AI，進行下一輪思考 ---\n");
}

當你執行這段程式碼，你會看到類似以下的輸出：

[總鋪師的確認] > AI 想要呼叫 'WeatherForecastUtils.GetWeatherForCity'。準備執行...
[Plugin] 正在查詢 台北 的天氣...
[函式執行結果] > "台灣 台北 今天天氣晴朗，溫度 28 度。"

--- 將結果送回 AI，進行下一輪思考 ---

[AI Assistant] > 台北現在天氣晴朗，氣溫是 28 度。

看到了嗎？在真正查詢天氣之前，我們的程式印出了「總鋪師的確認」，這就是我們介入的時機點！在這個 foreach 迴圈中，你可以加入任何你需要的邏輯。

結論：何時該自動？何時該手動？

• 自動調用 (Auto Invoke)：你的首選和預設。當你的工具（Plugins）是相對安全、無害的查詢，且你信任 AI 能獨立完成任務時，就讓它全速運轉吧！
• 手動調用 (Manual Invoke)：當你的 AI 需要操作一些具有副作用、高成本或需要權限的動作時，手動模式就是你的安全網。它讓身為總鋪師的你，永遠保有最終的決定權。

選擇哪種模式，取決於你想給予 AI 廚師多大的自主權。Semantic Kernel 的美妙之處，就在於它提供了這種彈性，讓你既能享受自動化的便利，也能在關鍵時刻親自掌勺。

完整程式碼範例