HDSD Hướng dẫn sử dụng Semantic Kernel từ A–Z

[Long Huỳnh]

Hướng dẫn sử dụng Semantic Kernel từ A–Z​

Khung xương orchestration cho AI Agent chuẩn enterprise

---

Vì sao Semantic Kernel quan trọng trong kiến trúc AI Agent?​

Khi xây AI Agent ở mức doanh nghiệp, vấn đề không nằm ở việc “gọi LLM” nữa, mà nằm ở:

• Orchestration nhiều bước logic
• Kết nối plugin / tool nội bộ
• Quản lý prompt phức tạp
• Kiểm soát memory & context
• Tích hợp hệ thống backend

Microsoft phát triển Semantic Kernel như một framework để:
Biến LLM thành một phần trong hệ thống phần mềm chuẩn enterprise
Cho phép orchestration agent có cấu trúc, có kiểm soát

---

Semantic Kernel là gì?​

Semantic Kernel (SK) là một framework mã nguồn mở cho phép:

• Kết nối LLM với code truyền thống
• Tạo plugin (skills)
• Orchestrate nhiều hành động AI
• Quản lý memory
• Xây multi-step workflow

Hỗ trợ:

• C#
• Python
• Java (dần mở rộng)

Semantic Kernel không phải là chatbot builder.
Nó là layer orchestration giữa LLM và hệ thống phần mềm.

---

Hướng dẫn sử dụng Semantic Kernel từng bước​

---

BƯỚC 1: Cài đặt Semantic Kernel​

Với Python:​

pip install semantic-kernel

Với .NET:​

dotnet add package Microsoft.SemanticKernel

---

BƯỚC 2: Khởi tạo Kernel và cấu hình LLM​

Ví dụ Python:





from semantic_kernel import Kernel
from semantic_kernel.connectors.ai.open_ai import OpenAIChatCompletion


kernel = Kernel()
kernel.add_chat_service(
"chat",
OpenAIChatCompletion(
model_id="gpt-4",
api_key="YOUR_API_KEY"
)
)


Kernel là trung tâm orchestration
Bạn có thể thêm nhiều service (LLM, embedding…)

---

BƯỚC 3: Tạo Semantic Function (Prompt có cấu trúc)​

Semantic Kernel cho phép định nghĩa prompt dưới dạng function:





prompt = """
Summarize the following text:
{{$input}}
"""


summarize_function = kernel.create_semantic_function(prompt)


Sau đó gọi:





result = await summarize_function.invoke_async("Your text here")
print(result)


Điểm mạnh:

• Prompt có thể version hóa
• Dễ tái sử dụng
• Dễ quản lý trong hệ lớn

---

BƯỚC 4: Tạo Plugin (Skill) cho Agent​

Bạn có thể viết function Python bình thường:





def get_user_data(user_id: str) -> str:
return f"User data for {user_id}"


Đăng ký vào Kernel:





kernel.import_skill(get_user_data, "UserPlugin")


Bây giờ LLM có thể gọi function thật trong hệ thống.
Đây chính là cơ chế:
LLM reasoning + code execution

---

BƯỚC 5: Orchestrate Multi-step Workflow​

Semantic Kernel hỗ trợ:

• Planner
• Sequential execution
• Goal-driven orchestration

Ví dụ:

• Nhận yêu cầu
• Lên kế hoạch
• Gọi nhiều function
• Tổng hợp kết quả

Bạn có thể dùng Planner để:





from semantic_kernel.planning import SequentialPlanner
planner = SequentialPlanner(kernel)
plan = await planner.create_plan("Create a marketing report from sales data")
result = await kernel.run_async(plan)


Đây là bước tiến từ chatbot → AI Agent thực thụ.

---

BƯỚC 6: Quản lý Memory & Context​

Semantic Kernel hỗ trợ:

• Memory store
• Embedding search
• Context injection

Bạn có thể:

• Lưu tri thức nội bộ
• Tìm lại theo semantic search
• Inject vào prompt

Phù hợp cho:

• Enterprise assistant
• Knowledge agent
• Internal AI system

---

Ứng dụng thực tế của Semantic Kernel​

Use case	Cách áp dụng	Giá trị
Enterprise chatbot	Plugin + memory	Có kiểm soát
AI workflow	Planner	Tự động hóa
Internal assistant	Embedding + memory	Tận dụng dữ liệu nội bộ
AI Agent multi-step	Orchestration	Có cấu trúc

---

Kinh nghiệm triển khai Semantic Kernel hiệu quả​

---

Tách rõ Prompt – Logic – Tool​

• Prompt → reasoning
• Plugin → execution
• Kernel → orchestration

Đừng trộn tất cả vào một LLM call.

---

Dùng cho hệ thống phức tạp, không cho demo nhỏ​

Semantic Kernel phù hợp khi:

• Có nhiều tool
• Có workflow nhiều bước
• Có logic nghiệp vụ phức tạp

Không phù hợp khi:

• Chỉ cần chatbot đơn giản

---

Kết hợp với AgentOps hoặc logging layer​

Khi lên production, nên:

• Theo dõi execution
• Đo hiệu suất
• Debug orchestration

---

Checklist nhanh khi dùng Semantic Kernel​

• Cài đặt SK
• Cấu hình LLM backend
• Tạo semantic function
• Tạo plugin thật
• Orchestrate workflow
• Tích hợp memory nếu cần
• Logging & giám sát

---

FAQ – Câu hỏi thường gặp​

1. Semantic Kernel có phải framework agent hoàn chỉnh không?
→ Là framework orchestration, có thể dùng để xây agent.
2. Khác gì với LangChain?
→ SK tập trung mạnh vào tích hợp enterprise & .NET ecosystem.
3. Có phù hợp cho startup nhỏ không?
→ Phù hợp nếu hệ thống phức tạp. Không cần thiết cho use case đơn giản.

---

Kết luận​

Semantic Kernel không phải công cụ để “tạo chatbot nhanh”.
Nó là framework để:
Xây AI Agent có cấu trúc
Orchestrate workflow phức tạp
Tích hợp hệ thống enterprise

Nếu bạn muốn đưa AI vào hệ thống doanh nghiệp một cách nghiêm túc,
Semantic Kernel là một trong những nền tảng đáng nghiên cứu sâu.