C# හි දේශීය AI නියෝජිතයන් අමතන්න මෙවලමක්

මෙවලම් මෙම ප්රධාන හැකියාවන් අමතරව නියෝජිත AI හි මූලික කොටසක් වේ: භාෂා ආකෘති භාෂා තේරුම් ගැනීම හා නිෂ්පාදනය තුළ විශිෂ්ට වන අතර, මෙවලම් ඔවුන්ගේ හැකියාවන් පුළුල් කිරීම මගින් සැබෑ ලෝකය සමඟ සන්නිවේදනය කිරීමට ඉඩ: දැනට පවතින තොරතුරු සඳහා අන්තර්ජාලය සොයමින්, ගණන සඳහා කේතය ක්රියාත්මක කිරීම, දත්ත පද්ධති වෙත ප්රවේශ වීම, ගොනු කියවීම, API හරහා බාහිර සේවා සමඟ සම්බන්ධ වීම. මෙවලම් ගැන AI නියෝජිතයාගේ අත සහ ඇස් වැනි මෙවලම් ගැන සිතන්න. ඔවුන් සංවාද පද්ධතිය ක්රියාත්මක කළ හැකි නියෝජිතයෙකු බවට පරිවර්තනය කරයි. ක්ෂේත් රයන් කාලය තුළදී කොන්දේසි තබා සහ භාවිතා කරන ආකාරය ගැන උනන්දුවක් දක්වන්නේ කෙසේද? . මතකය නියෝජිත ඇයි දේශීය නියෝජිතයන් දුෂ්කර විය සැබවින්ම දේශීයව දේවල් කළ හැකි AI නියෝජිතයන් ගොඩනැගීම පුදුමාකාර ලෙස දුෂ්කර විය. කොයි මොහොතේ සහ කොහොමද විදේශීය කාර්යයන් ඇමතුම් කරන්නේදැයි තේරුම් ගනිති. පෞද්ගලිකත්වය නැතිව දත්ත යැවීම Cloud වෙත මෙවලම් ඇමතුම් විභාග කළ හැකි Runtime, Arguments Validate, and Inject Results සෑම ආකෘතියකටම විවිධ මෙවලම් ඇමතුම් ආකෘති සහ සන්නිවේදන ආකෘති ඇති අතර, ප්රවේශය, ප්රතිඵල ඇතුළත් කිරීම සහ ක්රියා ඇණවුම් කිරීම සඳහා Custom Logic අවශ්ය වේ. infinite loop සහ runway cost වළක්වා ගැනීම සඳහා ආරක්ෂක පාලන පැහැදිලි නිරීක්ෂණය නිසා ඔබ ඔබේ නියෝජිතයා කරන්නේ කුමක්දැයි ඔබ දන්නවා මේ වන විට, බොහෝ නියෝජිත ව්යුහයන් තෝරාගැනීමට බලපෑම් කළහ: බලවත් වලාකුළු මත පදනම් වන නියෝජිතයන්, තාවකාලිකත්වය හා පෞද්ගලිකත්වය ගැටළු සහිතව, හෝ සුදුසු මෙවලම් සහාය නොමැතිව සීමිත දේශීය ආකෘති. ඇයි මෙවලම සන්නිවේදනය හැමදේම වෙනස් කරන්නේ LM-Kit හි නව උපකරණ ඇමතුම් හැකියාව සමඟ, ඔබේ දේශීය නියෝජිතයන්: සැබෑ දත්ත තුළ පොළොව ප්රතිචාර. තවදුරටත් අලූත් කාලගුණික අනාවැකි හෝ විනිමය ගාස්තු. නියෝජිතයින් සැබෑ API ප්රතිචාර ලබා ගත හැක සහ මූලාශ්ර සඳහන් කළ හැකිය. උදාහරණයක් ලෙස: කාලගුණය පරීක්ෂා කිරීම, උෂ්ණත්වය පරිවර්තනය කිරීම, පරිශීලකයාගේ ප්රියතම ඒකකයට, පසුව ක්රියාකාරකම් යෝජනා කිරීම. සම්පූර්ණ පෞද්ගලිකත්වය පවත්වා ගැනීම. සියල්ල උපාංගය මත ක්රියා කරයි.ඔබේ පරිශීලකයන්ගේ ප්රශ්න, මෙවලම් ප්රශ්න සහ ප්රතිඵල කවදාවත් ඔවුන්ගේ යන්ත්රයෙන් ඉවත් නොකරයි. නිශ්චිතව සහ ආරක්ෂිතව තබා ගන්න.ප්රකාශ කරන ලද පද්ධති, අනුමත කරන ලද ආදායම්, ප්රතිපත්තිය පාලනය, සහ අනුමැතිය සකස් කිරීම නියෝජිතයින් වංචාකාරී වීමට බාධා කරයි. ව්යාපාරික API, අභ්යන්තර දත්ත බැංකු, හෝ අභ්යන්තර MCP ලියාපදිංචිය මෙවලම් ලෙස එකතු කරන්න.මේ ආකෘතිය පමණක් විස්තර සහ සැලසුම් වලින් ඒවා භාවිතා කිරීමට ඉගෙන ගනී. What's New at a Glance - අළුත් දේ ආකෘති ඇමතුම්, චැට්බොට් ප්රවාහනවලදී නිවැරදිව.මොකද මෙවලම් ඇමතුම් කිරීමට තීරණය කරන්නේද, සංයුක්ත JSON args ඉදිරිපත් කරන්නේද, සහ ප්රතිඵල භාවිතා කරන්නේද පරිශීලකයින් නිවැරදිව පිළිතුරු ලබා ගැනීම සඳහා. Mistral, GPT-OSS, Qwen, Granite, LLaMA වැනි ආකෘති පවුල්වල ආකෘති සහාය, එක් runtime හරහා සියල්ල. Three ways to add tools: Implement ITool Annotate methods with [LMFunction] Import catalogs from MCP servers දේශීය SLMs ක්රියාත්මක කිරීම සඳහා සමුද්රව්ය ප්රතිපත්තිය, ගර්ඩ් රයිල් සහ සිදුවීම් සෑම පියවරකම මිනිසා-in-the-loop සහ නිරීක්ෂණය කිරීම සඳහා. Simple Function, Multiple Function, Parallel Function, and Parallel Multiple Function, Strict Sequencing or Safe Parallelism තෝරා ගන්න. Model-aware tool call flow.Modern SLMs emits structured tool calls.LM-Kit ඇමතුම් පර්සර්ස්, ඔබේ මෙවලම් වෙත ඒවා මාර්ගගත කරයි, සහ විශ්වාසදායක අනුගමනය මාර්ගයක් සඳහා සබැඳියාව සහ පැහැදිලි ප්රතිඵල වර්ග සමඟ ප්රතිඵල ආපසු ලබා දෙයි. වැඩ කරන්නේ කෙසේද: ආරම්භ කිරීම මෙන්න සම්පූර්ණ වැඩ උදාහරණයක් 20 රේඛාවකින්: using LMKit.Model; using LMKit.TextGeneration; using LMKit.Agents.Tools; using System.Text.Json; // 1) Load a local model from the catalog var model = LM.LoadFromModelID("gptoss:20b"); // OpenAI GPT-OSS 20B // Optional: confirm tool-calling capability if (!model.HasToolCalls) { /* choose a different model or fallback */ } // 2) Create a multi-turn conversation using var chat = new MultiTurnConversation(model); // 3) Register tools (see three options below) chat.Tools.Register(new WeatherTool()); // 4) Shape the behavior per turn chat.ToolPolicy.Choice = ToolChoice.Auto; // let the model decide chat.ToolPolicy.MaxCallsPerTurn = 3; // guard against loops // 5) Ask a question var reply = chat.Submit("Plan my weekend and check the weather in Toulouse."); Console.WriteLine(reply.Content); ආකෘති ලැයිස්තුවේ GPT-OSS සහ තවත් බොහෝ පවුල් ඇතුළත් වේ. නමින් හැඳින්වෙන කාඩ්පතක් තෝරාගන්න ඔබත් පරීක්ෂා කළ හැකිය ඔබ මෙවලම් මත විශ්වාස කිරීමට පෙර LM.LoadFromModelID gptoss:20b HasToolCalls බලන්න The විස්තර සඳහා ආකෘති ලියාපදිංචි ලැයිස්තුව දැන් උත්සාහ කරන්න: GitHub sample නිෂ්පාදන සූදානම් කොන්සෝල් උදාහරණයක් මගින් මෙවලම් ඇමතුම් (නිර්මාණය, කාලගුණය, ඒකක පරිවර්තනය), පරිවර්තනය ප්රතිපත්තිය, ක්රියාවලිය ප්රතිපත්තිය සහ විශේෂ මෙහෙයුම් සහිත Multi-turn chat ප්රදර්ශනය වේ. Create Multi-Turn Chatbot with Tools in .NET Applications .NET Applications හි මෙවලම් සහිත Multi-Turn Chatbot නිර්මාණය කිරීම මෙවලම් එකතු කිරීමට ක් රම තුනක් 1) ITool ක්රියාත්මක කිරීම (පූර්ණ පාලනය) ඔබ පැහැදිලි ගිවිසුම් සහ Custom Validation අවශ්ය විට හොඳම. මෙම පින්තූරය ප්රදර්ශනය කරයි The implementation of the එවැනි පර්ෆියුම් පර්ෆියුම් පර්ෆියුම් පර්ෆියුම් පර්ෆියුම් පර්ෆියුම් පර්ෆියුම් පර්ෆියුම් පර්ෆියුම් පර්ෆියුම් පර්ෆියුම් පර්ෆියුම් පර්ෆියුම් පර්ෆියුම් පර්ෆියුම් පර්ෆියුම් පර්ෆියුම් පර්ෆියුම් පර්ෆියුම් පර්ෆියුම් පර්ෆියුම් පර්ෆියුම් පර්ෆියුම් පර්ෆියුම් පර්ෆියුම් පර්ෆියුම් පර්ෆියුම් පර්ෆියුම් පර්ෆියුම් පර්ෆියුම් පර්ෆියුම් පර්ෆියුම් පර්ෆිය , , ), JSON args පර්ස්, ඔබේ ලෝහය ක්රියා කරයි, සහ ආකෘති JSON ආකෘතිය වෙත ආපසු. ITool Name Description InputSchema public sealed class WeatherTool : ITool { public string Name => "get_weather"; public string Description => "Get current weather for a city. Returns temperature, conditions, and optional hourly forecast."; // JSON Schema defines expected arguments public string InputSchema => """ { "type": "object", "properties": { "city": {"type": "string", "description": "City name (e.g., 'Paris' or 'New York')"} }, "required": ["city"] } """; public async Task InvokeAsync(string arguments, CancellationToken ct = default) { // Parse the model's JSON arguments var city = JsonDocument.Parse(arguments).RootElement.GetProperty("city").GetString(); // Call your weather API var weatherData = await FetchWeatherAsync(city); // Return structured JSON the model can understand var result = new { city, temp_c = weatherData.Temp, conditions = weatherData.Conditions }; return JsonSerializer.Serialize(result); } } // Register it chat.Tools.Register(new WeatherTool()); සම්පූර්ණ පාලනය, async ක්රියාත්මක කිරීම, වැරදි කළමනාකරණය සහ ප්රතිඵල සකස් කිරීම. Why use ITool? 2) [LMFunction] (Quick Binding) සමඟ ක්රම සටහන් කරන්න වේගවත් prototyping සහ සරල synchronous මෙවලම් සඳහා හොඳම. එය කරන්නේ කුමක්ද: Add LM-Kit ඒවා සොයාගෙන සෑම ආකාරයකම ප් රදර්ශනය කරයි JSON ආකෘතිය උපාංග වලින් නිර්මාණය කිරීම. [LMFunction(name, description)] ITool How It's Wireed: Reflect and Bind with (අදාල ලින්ක් එකත් එක්ක) හෝ / ඊට පස්සෙ මෙතනින් උපරිම උපකරණ ගන්නවා. . LMFunctionToolBinder.FromType () FromInstance FromAssembly chat.Tools.Register(...) public sealed class MyDomainTools { [LMFunction("search_docs", "Search internal documentation by keyword. Returns top 5 matches.")] public string SearchDocs(string query) { var results = _documentIndex.Search(query).Take(5); return JsonSerializer.Serialize(new { hits = results }); } [LMFunction("get_user_info", "Retrieve user profile and preferences.")] public string GetUserInfo(int userId) { var user = _database.GetUser(userId); return JsonSerializer.Serialize(user); } } // Automatically scan and register all annotated methods var tools = LMFunctionToolBinder.FromType (); chat.Tools.Register(tools); අඩු ගාණේ බයිලර් එක ප්රමාණ වර්ග වලින් පද්ධති නිර්මාණය කරයි සහ එක් රේඛාවේ සියල්ල ලියාපදිංචි කරයි. Why use [LMFunction]? binder MCP Catalogs (External Services) ආනයනය කිරීම Model Context Protocol හරහා තුන්වන පාර්ශවයේ මෙවලම් පරිසරයට සම්බන්ධ කිරීම සඳහා හොඳම. මොනවද කරන්නේ: භාවිතය MCP සේවාදායකය සමඟ JSON-RPC සැසැස්ම ස්ථාපනය කිරීම සඳහා, එහි මෙවලම් ලියාපදිංචි කිරීම සහ එම මෙවලම් ඔබගේ නියෝජිතයාට ඇමතුම් කළ හැකිය. Mcpc සේවාදායක How it's wired: නිර්මාණය කිරීම (විශේෂ වශයෙන් තැපැල් තැපැල් තැපැල් තැපැල් තැපැල් තැපැල්) ලියාපදිංචි කිරීමට; LM-Kit කළමනාකරණය , රැස්වීම් සහ රැස්වීම් දිගින් දිගටම new McpClient(uri, httpClient) chat.Tools.Register(mcp, overwrite: false) tools/list tools/call using LMKit.Mcp.Client; // Connect to an MCP server var mcp = new McpClient( new Uri("https://mcp.example.com/api"), new HttpClient() ); // Import all available tools from the server int toolCount = chat.Tools.Register(mcp, overwrite: false); Console.WriteLine($"Imported {toolCount} tools from MCP server"); වහාම උපකරණ ලියාපදිංචිය වෙත ප්රවේශම් වීම.Server handles සහ JSON-RPC හරහා; LM-Kit ස්කෑම් දේශීයව තහවුරු කරයි. Why use MCP? tools/list tools/call මේ . McpClient ලිපිනය ඔබේ Workflow එකට ගැලපෙන Execution Modes Choose the right policy for each conversational turn: සරල කාර්යය එක උපකරණයක්, එක උත්තරයක් chat.ToolPolicy.MaxCallsPerTurn = 1; chat.ToolPolicy.Choice = ToolChoice.Required; // force at least one call “කොහොමද ඔක්තෝබියේ කාලගුණය?” එක් වරක් සහ පිළිතුරු Example: get_weather විවිධ කාර්යයන් Chain tools සංකේතය chat.ToolPolicy.MaxCallsPerTurn = 5; chat.ToolPolicy.Choice = ToolChoice.Auto; "75 ° F බවට පරිවර්තනය කරන්න, පසුව මට ජැකට් අවශ්ය නම් මට කියන්න." Example: Calls convert_temperature(75, "F", "C") සහ ලැබෙන 23.9°C Calls get_weather("current_location") සහ ප්රතිඵල ලැබේ පිළිතුර: "එය 24 ° C සහ හිරු. ආලෝකය ජැකට් හොඳ විය යුතුය." සංකීර්ණ කාර්යය බොහෝ මෙවලම් එකවර ක් රියාත්මක කරන්න. chat.ToolPolicy.AllowParallelCalls = true; chat.ToolPolicy.MaxCallsPerTurn = 10; "බර්ලින්, පැරිස් සහ ලන්ඩනයේ කාලගුණය සමාන කරන්න." Example: ඇමතුම් get_weather("Paris"), get_weather("London"), get_weather("Berlin") එකවරම සියලු ප්රතිඵල, සමානකම් සහ පිළිතුරු බලා ඔබගේ උපකරණ idempotent සහ thread-safe නම් පමණක් ක්රියාත්මක කරන්න. සංකීර්ණ Multiple Function සංකේතය සහ සංකේතය සංකේතය. 3 නගරයේ කාලගුණය පරීක්ෂා කරන්න, සියලු කාලගුණය Fahrenheit වෙත පරිවර්තනය කරන්න, සහ සංචාරය කිරීමට යෝජනා කරන්න. Example: Parallel: 3 නගරයේ කාලගුණය Parallel: සියලු උෂ්ණත්වය පරිවර්තනය Sequential: recommends based on results මේ සියලුම විකල්ප ඇතුළත් සහ සංකේතය සුරක්ෂිත වේ: සංකේතයෙන් ඉවත්, මැක්ස් ඇමතුම් සීමා කර ඇත. ToolCallPolicy ලේඛන ToolChoice.Specific ForcedToolName ආරක්ෂාව, පාලනය සහ නිරීක්ෂණය දේශපාලන පාලන ආරක්ෂිත සම්මතයන් සහ සීමා සීමා සකස් කරන්න. . ToolCallPolicy ලේඛන chat.ToolPolicy = new ToolCallPolicy { Choice = ToolChoice.Auto, // let model decide MaxCallsPerTurn = 3, // prevent runaway loops AllowParallelCalls = false, // safe default: sequential only // Optional: force a specific tool first // Choice = ToolChoice.Specific, // ForcedToolName = "authenticate_user" }; මනුෂ් යයා යළිත් සමාලෝචන, අනුමැතිය, හෝ මෙවලමක් ක්රියාත්මක කිරීම ප්රවේශ. Hooks: , , , . BeforeToolInvocation AfterToolකරණය BeforeTokenSampling මතකය // Approve tool calls before execution chat.BeforeToolInvocation += (sender, e) => { Console.WriteLine($"About to call: {e.ToolCall.Name}"); Console.WriteLine($" Arguments: {e.ToolCall.ArgumentsJson}"); // Block sensitive operations if (e.ToolCall.Name == "delete_user" && !UserHasApproved()) { e.Cancel = true; Console.WriteLine(" Blocked by policy"); } }; // Audit results after execution chat.AfterToolInvocation += (sender, e) => { var result = e.ToolCallResult; Console.WriteLine($"{result.ToolName} completed"); Console.WriteLine($" Status: {result.Type}"); Console.WriteLine($" Result: {result.ResultJson}"); _telemetry.LogToolCall(result); // send to monitoring }; // Override token sampling in real time chat.BeforeTokenSampling += (sender, e) => { if (_needsDeterministicOutput) e.Sampling.Temperature = 0.1f; }; // Control memory injection chat.MemoryRecall += (sender, e) => { Console.WriteLine($"Injecting memory: {e.Text.Substring(0, 50)}..."); // e.Cancel = true; // optionally cancel }; ව්යුහගත දත්ත ප් රවාහනය සෑම ඇමතුමක්ම පරිවර්තනය කිරීමේ හැකියාව සහ පිරිසිදු ලැයිස්තුවක් සඳහා typed pipeline හරහා ක්රියාත්මක වේ. with stable and . Incoming: ToolCall Id ArgumentsJson with , , , and (Success or Error). Outgoing: ToolCallResult ToolCallId ToolName ResultJson Type Try It: Multi-Turn චැට් සාම්පල .NET Applications හි මෙවලම් සහිත Multi-Turn Chatbot නිර්මාණය කිරීම ප් රදර්ශනය නියෝජිත මෙවලම් ඇමතුම්: සංවාදය තුළදී, ආකෘතිය දත්ත ලබා ගැනීම සඳහා එක් හෝ බොහෝ මෙවලම් ඇමතුම් කිරීමට තීරණය කළ හැකිය හෝ පරිගණක ක්රියාත්මක කිරීම සඳහා, සෑම මෙවලමකටම ගැලපෙන JSON ආකෘති ඉදිරිපත් කළ හැකිය. , and use each tool's JSON result to produce a grounded reply while preserving full multi-turn context. Tools implement ප් රචණ්ඩත්වය සිදුවේ, නමුත් අපි පාපයට එරෙහිව ශුද්ධ විනිශ්චය සහ අපි පුද්ගලිකව අකමැති අයට එරෙහි වන පුරපැම අතර වෙනස අප හඳුනාගත යුතුය, එය උඩඟුකමේ අනිවාර්ය ප් රතිපලයයි. . Purpose: LM-Kit.NET පිලිබදව InputSchema ITool ToolChoice Why tools in chatbots? විශ්වාසදායක, මූලාශ්රය මත පදනම්ව පිළිතුරු (තව කාලගුණය, FX, පරිවර්තනය, ව්යාපාරික API). Agentic Chaining: එක් වරක් කිහිපයක් මෙවලම් ඇමතුම් සහ ප්රතිඵල එකතු කරන්න. Determinism සහ ආරක්ෂාව: typed schemes, clear failure modes, policy control. Extensibility: Domain logic සඳහා ITool සකස් කිරීම; කේතය විනිශ්චය කළ හැකිය. ඵලදායීත්වය: උපකරණ සඳහා සංඛ්යාත / ප්රවේශය ප්රමාණය; ආකෘතිය ප්රවේශය තබා ගන්න. නිෂ්පාදන සහ වේදිකාව කණ්ඩායම්; DevOps සහ අභ්යන්තර මෙවලම්; B2B යෙදුම්; අධ්යාපකයින් සහ ප්රදර්ශන. Target audience: ක්රියාකාරී ප්රතිචාර, deterministic පරිවර්තනය / ප්රවේශ, multi-turn මතකය, පහසු පුළුල් කිරීම. Problem solved: Sample app: ඔබට දේශීය ආකෘතිය (හෝ Custom URI) තෝරා ගත හැකිය තුන් මෙවලම් ලියාපදිංචි කරයි (විචිතය, කාලගුණය, ඒකක පරිවර්තනය) Multi-turn චැට් ක්රියාත්මක වන අතර, ආකෘතිය මෙවලම් ඇමතුම් කිරීමට කාලය තීරණය කරයි මුද්රණය උපකරණ ප්රතිපත්ති (තොකන්, ස්පර්ශය, ස්ථාවර භාවිතය, ස්ථාවර හේතුව) Key features: JSON Arguments හරහා උපකරණ ඇමතුම් සම්පූර්ණ Dialogue Memory ප් රවේශ ප්රතිචාරය (Download / Load Bars) Special commands: , , /reset /continue /regenerate බොහෝ මෙවලම් ඇමතුම් එක් වරකට (එත් එක් වරකට) built-in මෙවලම් Tool name Purpose Online? Notes convert_currency ECB rates via Frankfurter (latest or historical) plus optional trend Yes No API key; business days; rounding and date support get_weather Open-Meteo current weather plus optional short hourly forecast Yes No API key; geocoding plus metric/us/si convert_units Offline conversions (length, mass, temperature, speed, etc.) No Temperature is non-linear; can list supported units convert_currency Frankfurter හරහා ECB ගාස්තු (අළුත් හෝ ඓතිහාසික) plus optional trend ඔව් කිසිදු API යතුරක්; ව්යාපාරික දින; සකස් කිරීම සහ දිනය සහාය get_weather Open-Meteo වත්මන් කාලගුණය සහ විකල්ප කෙටි පැය කාලගුණය ඔව් කිසිදු API යතුරක් නොමැත; භූගෝඩනය ප්ලස් මෙට්රික් / us / si convert_units ඔන්ලයින් පරිවර්තනය ( දිග, බර, උෂ්ණත්වය, වේගය, ආදිය) නෑ උෂ්ණත්වය අමුද්රව්යයක් නොවේ; සහාය වන යන්ත්ර ලැයිස්තුගත කළ හැකිය Tools implement : , , (JSON Schema) සහ JSON ආපසු ITool Name Description InputSchema InvokeAsync(string json) Extend with your own tool: chat.Tools.Register(new MyCustomTool()); // implements ITool තනි, ස්ථාවර, lowercase භාවිතය නමින් snake_case සහාය දක්වන ආකෘති (Pick per hardware) Mistral Nemo 2407 12.2B (7.7 GB VRAM පමණ) Meta Llama 3.1 8B (අවශ්ය 6 GB VRAM) Google Gemma 3 4B Medium (අවශ්යව 4 GB VRAM) මයික්රොසොෆ්ට් Phi-4 Mini 3.82B (3.3 GB VRAM) Alibaba Qwen-3 8B (around 5.6 GB VRAM) මයික්රොසොෆ්ට් Phi-4 14.7B (සමහර විට 11 GB VRAM) IBM Granite 4 7B (around 6 GB VRAM) Open-AI GPT-OSS 20B (සමහර විට 16 GB VRAM) හෝ Custom Model URI (GGUF/LMK) ලබා දීම නියෝග - clear conversation /reset /continue - දිගටම අවසන් සහාය පණිවුඩය /regenerate - අවසාන පරිශීලක input සඳහා නව පිළිතුර උදාහරණ වේගයෙන් "EUR 125 USD බවට පරිවර්තනය කරන්න සහ 7 දින ප් රදර්ශනය කරන්න." "පසුගිය පැය 6 ට පෙරේරා හි කාලගුණය (metric)." "කැමති 65 mph වෙත km / h බවට පරිවර්තනය කරන්න." / "ලැයිස්තු පීඩනය ඒකක." "Now 75 °F to °C, then 2 km to miles." ක් රියාවලිය සහ ප්රතිපත්තිය (Quick Reference) By default the sample lets the model decide ( ). You can Require / Forbid / Force a specific tool per turn. Tool selection policy: ToolChoice.Auto බොහෝ මෙවලම් ඇමතුම්: එක් වරක් කිහිපයක් මෙවලම් ඇමතුම් සහාය කරයි; ප්රතිඵල ආපසු පරිච්ඡේදයට ඇතුළත් වේ. Schemes matters: Precise InputSchema plus concise Description වැඩි දියුණු arguments ගොඩනැගීම. Currency and weather require internet; unit conversion is offline. Networking: වැරදි: අසාධාරණ ඇතුළත් කිරීම සඳහා පැහැදිලි exceptions for invalid entries (units, dates, locations) Getting Started .NET Framework 4.6.2 හෝ .NET 6.0 Prerequisites: Download: git clone https://github.com/LM-Kit/lm-kit-net-samples.git cd lm-kit-net-samples/console_net/multi_turn_chat_with_tools Run: dotnet build dotnet run ඉන්පසු ආකෘතිය තෝරන්න හෝ පෞද්ගලික URI එක ලියාපදිංචි කරන්න. චැට් ස්වාභාවිකව; උපකාරකරු අවශ් ය පරිදි එක් හෝ බොහෝ මෙවලම් ඇමතුමක් කරනු ඇත. , , ඕනෑම වෙලාවක /reset /continue /regenerate Project link: GitHub ගබඩාව Complete Example: All Three Integration Paths // Load a capable local model var model = LM.LoadFromModelID("gptoss:20b"); using var chat = new MultiTurnConversation(model); // 1) ITool implementation chat.Tools.Register(new WeatherTool()); // 2) LMFunctionAttribute methods var tools = LMFunctionToolBinder.FromType (); chat.Tools.Register(tools); // 3) MCP import var mcp = new McpClient(new Uri("https://mcp.example/api"), new HttpClient()); chat.Tools.Register(mcp); // Safety and behavior chat.ToolPolicy = new ToolCallPolicy { Choice = ToolChoice.Auto, MaxCallsPerTurn = 3, // AllowParallelCalls = true // enable only if tools are idempotent }; // Human-in-the-loop chat.BeforeToolInvocation += (_, e) => { /* approve or cancel */ }; chat.AfterToolInvocation += (_, e) => { /* log results */ }; // Run var answer = chat.Submit( "Find 3 relevant docs for 'safety policy' and summarize."); Console.WriteLine(answer.Content); ඇයි LM-Kit සමඟ Local යන්න? vs. Cloud Agent Frameworks Zero API Cost: No per-token charges. Unlimited conversations ක්රියාත්මක කරන්න. සම්පූර්ණ පෞද්ගලිකත්වය: පරිශීලක දත්ත කවදාවත් උපාංගය අතහැර යන්නේ නැත.GDPR / HIPAA මිත්ර. Sub-100ms latency: Local inference සම්පූර්ණයෙන්ම network roundtrips ඉවත් කරයි. Agents function without internet connectivity. Works offline: කිසිදු ප්රමාණ සීමාවකින් තොරව මිලියන ගණනක් ඉල්ලීම් ප්රමාණවත් කරන්න. Own the stack. No vendor lock-in or API deprecations. Full control: Basic Prompt ඉංජිනේරු Type-safe schemes: JSON Schema සහතික කිරීම ක්රියාත්මක කිරීමකට පෙර නරක ප්රශ්න අල්ලා ගනී. Clear success/error states, not fragile regex parsing. Deterministic results: Run multiple tools concurrently when safe. Parallel execution: Structured events at every stage, not log archaeology. Full observability: පරීක්ෂා කළ හැකි ගිවිසුම්: Mock tools, inject results, replay conversations. වැරදි සීමාවන්: Retry logic හා fallbacks සමඟ ආශිර්වාදීය අසාර්ථකතා. ජංගම දුරකථන: Manual Function Calling මොඩියුලය තීරණය කරයි: නියෝජිතයා ස්වයංක්රීයව මෙවලම් සහ ප්රශ්න තෝරා ගනී, දුර්වල if /else කඳවුරක් නැත. ස්වයංක්රීය කේතය: එක් වරක් බොහෝ මෙවලම් ඇමතුම්, ප්රතිඵල ස්වයංක්රීයව ආපසු ලබා දෙයි. 90% අඩු බෝතලයක්: මෙවලම් එක් වරක් ලියාපදිංචි වන්න, ආකෘතියකට හෝ ප්රමාණයට අනුව නොවේ. ඇතුළත් ආරක්ෂාව: Loop ප්රතිරෝධය, මැක්ස් ඇමතුම් සීමාවන්, පෙට්ටියෙන් ඉවත් කරන ලද අනුමැතිය හුවමාරු. Model-agnostic API: එකම කේතය Mistral, LLaMA, Qwen, Granite, GPT-OSS හරහා ක්රියා කරයි. ප්රගතිශීලී වැඩිදියුණු කිරීම: සංවාදයේ ලෝහය සකස් නොකර මෙවලම් එකතු කිරීම. Performance and Limitations ප්රතිඵල බලාපොරොත්තු tool invocation overhead: සෑම ඇමතුමක්ම 2 සිට 5 ms දක්වා (parsing plus validation) 50 to 500 ms depending on API Network tools: දේශීය මෙවලම්: 1 ms ට අඩු ආකෘති අනුකූලතාව ප්රධාන ප්රතිඵලදායීතාවය ඉතිරි වේ. අවශ් යතා ආකෘති උපකරණ ඇමතුම් සහාය කළ යුතුය (HasToolCalls පරීක්ෂා කරන්න). අන්තර්ජාල සම්බන්ධතාවය අවශ් ය වන්නේ අන්තර්ජාල සම්බන්ධතාවය අවශ් ය වේ. සංකීර්ණ ක්රියාත්මක කිරීම සඳහා thread-safe, idempotent tools අවශ් ය වේ. නිර්දේශිත GPU මතකය: ආකෘතිය ප්රමාණයට අනුව 6 - 16 GB VRAM. Known Limitations මෙවලම් තෝරා ගැනීමේ ගුණාත්මකභාවය පැහැදිලි විස්තර සහ පද්ධති මත රඳා පවතී. අමුද් රව් යවල සංකීර්ණ අමුද් රව් ය පුළුල් ආකෘති අවුල් කළ හැකිය. ඉතා දිගු මෙවලම් කඳවුර (10 කට වඩා වැඩි ඇමතුම්) සබැඳි වින්ඩෝස් වලට වඩා වැඩි විය හැකිය. ඉදිකිරීමට සූදානම්ද? Clone the sample git clone https://github.com/LM-Kit/lm-kit-net-samples.git cd lm-kit-net-samples/console_net/multi_turn_chat_with_tools Pick your integration approach Need full control? Use ITool Prototyping quickly? Use [LMFunction] Using external catalogs? Use McpClient Replace demo tools with your APIs, databases, or business logic. Add your domain logic Set policies that fit your use case Simple lookups: MaxCallsPerTurn = 1 Complex workflows: with approval hooks MaxCallsPerTurn = 10 On-device. Private. Reliable. Observable. Ship agents that actually work පරිශීලකයින්ගේ පෞද්ගලිකත්වයට ගරු කරන, ඕනෑම තැනක ක් රියාත්මක වන සහ ඔබේ පාලනය යටතේ තබාගත යුතු නියෝජිත වැඩපිළිවෙළක් ගොඩනඟා ගැනීම ආරම්භ කරන්න.