Introducción a Microsoft Semantic Kernel
Introducción
Semantic Kernel es un SDK open-source de Microsoft que permite integrar modelos de lenguaje de gran tamaño (LLMs) como GPT-4 en aplicaciones .NET. En este tutorial aprenderás a configurar y usar Semantic Kernel para crear aplicaciones inteligentes que pueden comprender y generar lenguaje natural.
Requisitos Previos
- .NET 6.0 o superior
- Visual Studio 2022 o VS Code
- Cuenta de Azure OpenAI o acceso a OpenAI API
- Conocimientos básicos de C# y programación asíncrona
¿Qué es Semantic Kernel?
Semantic Kernel es un framework ligero que actúa como orquestador entre tu código y servicios de IA. Te permite:
- Integrar LLMs en aplicaciones .NET
- Crear funciones reutilizables (Skills/Plugins)
- Orquestar llamadas múltiples a modelos de IA
- Gestionar contexto y memoria en conversaciones
- Combinar IA con código tradicional
Instalación y Configuración
Paso 1: Crear un Nuevo Proyecto
dotnet new console -n MiAppSemanticKernel
cd MiAppSemanticKernel
Paso 2: Instalar Paquetes NuGet
dotnet add package Microsoft.SemanticKernel
dotnet add package Microsoft.Extensions.Logging.Console
Paso 3: Configurar Azure OpenAI
Necesitarás los siguientes valores de tu recurso Azure OpenAI:
- Endpoint: URL de tu servicio Azure OpenAI
- API Key: Clave de acceso
- Deployment Name: Nombre de tu modelo desplegado (ej: gpt-4)
Creando tu Primera Aplicación
Construyendo el Kernel
El Kernel es el componente central de Semantic Kernel. Aquí está cómo crearlo:
using Microsoft.SemanticKernel;
using Microsoft.Extensions.Logging;
// Crear el builder del kernel
var builder = Kernel.CreateBuilder();
// Configurar logging (opcional pero recomendado)
builder.Services.AddLogging(c => c.AddConsole().SetMinimumLevel(LogLevel.Information));
// Agregar servicio de chat completion
builder.AddAzureOpenAIChatCompletion(
deploymentName: "gpt-4",
endpoint: "https://tu-recurso.openai.azure.com/",
apiKey: "tu-api-key");
// Construir el kernel
var kernel = builder.Build();
Tu Primera Llamada al LLM
Una vez configurado el kernel, puedes hacer tu primera llamada:
using Microsoft.SemanticKernel; using Microsoft.SemanticKernel.ChatCompletion; var chatService = kernel.GetRequiredService<IChatCompletionService>(); var chatHistory = new ChatHistory(); chatHistory.AddSystemMessage("Eres un asistente útil que responde de forma concisa."); chatHistory.AddUserMessage("¿Cuál es la capital de España?"); var response = await chatService.GetChatMessageContentAsync( chatHistory, kernel: kernel); Console.WriteLine("Respuesta: {response.Content}");
Usando Prompts Inline
Semantic Kernel permite crear funciones directamente desde prompts:
string promptTemplate = """
Eres un experto en {{$tema}}.
Explica el siguiente concepto de forma simple: {{$concepto}}
""";
var function = kernel.CreateFunctionFromPrompt(promptTemplate);
var result = await kernel.InvokeAsync(function, new KernelArguments
{
["tema"] = "programación",
["concepto"] = "recursividad"
});
Console.WriteLine(result.GetValue<string>());
Configuración de Parámetros de Ejecución
Puedes controlar el comportamiento del modelo con PromptExecutionSettings:
using Microsoft.SemanticKernel.Connectors.OpenAI;
var settings = new OpenAIPromptExecutionSettings
{
Temperature = 0.7, // Creatividad (0.0 - 1.0)
MaxTokens = 500, // Longitud máxima de respuesta
TopP = 0.9, // Muestreo nucleus
FrequencyPenalty = 0.0, // Penalización por repetición
PresencePenalty = 0.0 // Penalización por temas ya mencionados
};
var response = await chatService.GetChatMessageContentAsync(
chatHistory,
settings,
kernel);
Manejo de Errores
Es importante manejar errores en aplicaciones de IA:
try { var response = await chatService.GetChatMessageContentAsync( chatHistory, kernel: kernel); Console.WriteLine(response.Content); } catch (HttpRequestException ex) { Console.WriteLine("Error de conexión: {ex.Message}"); } catch (Exception ex) { Console.WriteLine("Error inesperado: {ex.Message}"); }
Ejemplo Completo: Asistente de Resumen
using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.ChatCompletion;
using Microsoft.Extensions.Logging;
class Program
{
static async Task Main(string[] args)
{
// Configurar kernel
var builder = Kernel.CreateBuilder();
builder.Services.AddLogging(c => c.AddConsole());
builder.AddAzureOpenAIChatCompletion(
deploymentName: "gpt-4",
endpoint: Environment.GetEnvironmentVariable("AZURE_OPENAI_ENDPOINT")!,
apiKey: Environment.GetEnvironmentVariable("AZURE_OPENAI_KEY")!);
var kernel = builder.Build();
// Crear función de resumen
string promptResumen = """
Resume el siguiente texto en 3 puntos clave:
{{$texto}}
""";
var funcionResumen = kernel.CreateFunctionFromPrompt(promptResumen);
// Texto a resumir
string texto = """
Semantic Kernel es un SDK ligero que permite integrar modelos de IA
en aplicaciones .NET. Proporciona abstracciones para trabajar con diferentes
proveedores de IA, gestionar prompts, y orquestar llamadas complejas.
Es especialmente útil para desarrolladores que quieren construir aplicaciones
inteligentes sin reinventar la rueda.
""";
// Invocar función
var resultado = await kernel.InvokeAsync(funcionResumen, new KernelArguments
{
["texto"] = texto
});
Console.WriteLine("Resumen:");
Console.WriteLine(resultado.GetValue<string>());
}
}
Mejores Prácticas
1. Usar Variables de Entorno
Nunca hardcodees API keys en el código:
var apiKey = Environment.GetEnvironmentVariable("AZURE_OPENAI_KEY")
?? throw new InvalidOperationException("API key no configurada");
2. Configurar Timeouts
var httpClient = new HttpClient
{
Timeout = TimeSpan.FromSeconds(120)
};
builder.AddAzureOpenAIChatCompletion(
deploymentName: "gpt-4",
endpoint: endpoint,
apiKey: apiKey,
httpClient: httpClient);
3. Logging Estructurado
builder.Services.AddLogging(c =>
{
c.AddConsole();
c.SetMinimumLevel(LogLevel.Information);
});
4. Validar Entradas
if (string.IsNullOrWhiteSpace(userInput))
{
throw new ArgumentException("La entrada no puede estar vacía");
}
Siguientes Pasos
Ahora que dominas lo básico de Semantic Kernel, puedes:
- Crear funciones personalizadas (Skills/Plugins)
- Implementar memoria y contexto para conversaciones
- Usar embeddings para búsqueda semántica
- Orquestar llamadas múltiples al modelo
- Integrar con bases de datos vectoriales
Recursos Adicionales
Conclusión
Semantic Kernel simplifica la integración de IA en aplicaciones .NET. Con los conceptos básicos que has aprendido, estás listo para construir aplicaciones inteligentes que aprovechen el poder de los modelos de lenguaje. En los siguientes tutoriales profundizaremos en técnicas más avanzadas.
Share this content:
