① Semantic Kernel 入門
―― エンタープライズ AI エージェント開発の青写真
Semantic Kernel 入門
エンタープライズ AI エージェント開発の青写真
Published 2025-05-07
TL;DR
- Semantic Kernel (SK) は Microsoft 製のオープンソース SDK。Planner／Memory／Function Calling を軸に 「業務プロセス ⇄ LLM」 を橋渡しする。
- 強み : 拡張性・プラグイン経済・エンタープライズ指向のロードマップ。
- 典型用途 : FAQ Bot→社内ドキュメント検索→自律タスク実行と段階的に拡張できる。
1. なぜ今 Semantic Kernel なのか
- エンタープライズ要求（監査ログ／セキュリティ／冪等性）が盛り込まれた設計。
- プラグインは OpenAI Functions 相当 のインターフェース。C#・Python・Java に同一 API。:contentReference[oaicite:2]{index=2}
2. コアコンポーネントざっくり図解
| コンポーネント | ひとこと説明 | 主な役割 |
|---|---|---|
Kernel |
DI コンテナのようなハブ | モデル設定・メモリ設定を一元管理 |
Semantic Function |
⭕ =prompt + schema
|
GPT 呼び出しを型安全に |
Planner |
ゴール駆動のタスク分解 | “LLM に計画させる” |
Memory |
key-value or vector
|
過去対話・外部文書を検索 |
| 接続先 | SQL / Blob / Qdrant など | Memory Connector で差し替え可能 |
3. 5 分で動かす：Planner + Memory
# 1) pip install semantic-kernel openai
from semantic_kernel import Kernel, MemoryStore
from semantic_kernel.planning import BasicPlanner
kernel = Kernel()
kernel.add_text_completion_service("gpt", "gpt-4o", api_key="YOUR_KEY")
# Memory: 社内手順書を登録
kernel.memory = MemoryStore.from_texts(
texts=["手順1: ...", "手順2: ..."], namespace="ops-doc"
)
planner = BasicPlanner(kernel)
goal = "今週の運用タスクをリストアップしてください"
plan = planner.create_plan(goal)
print("## PLAN\n", plan.generated_plan)
result = planner.execute_plan(plan)
print("## RESULT\n", result)
🔍 ポイント
MemoryStoreは後で Redis / Azure AI Search へ差し替え可generated_planをログに残せば監査証跡になる
4. 企業導入パターン
🥉 ★★★ Phase 1 ― FAQ Bot
社内規程 PDF ➜ Embedding ➜ Memory ➜ QA
🥈 ★★★★ Phase 2 ― Smart RAG
Planner で「なぜそう答えたか」を根拠リンク付きで生成
🥇 ★★★★★ Phase 3 ― 自律エージェント
Planner + 外部 API Plugin（JIRA, ServiceNow）で半自動チケット解決
5. ロードマップと今後
- Small Model Support: 社内 GPU 上で LLama 3 を走らせる公式レシピ予定([Microsoft for Developers][1])
- マルチエージェント協調 API: “複数 Planner をオーケストレーション” 機能を開発中
まとめ
Semantic Kernel は 「LLM を業務フローに埋め込む標準ライブラリ」 を目指す。
Planner × Memory が動けば、次は ログ設計 と 権限管理 を考えよう！