AI programingPreview
Open in TheBrain

Semantic Kernel (Microsoft) Postupak instalacije

Apsolutno da, Render u potpunosti podržava pokretanje C# .NET Core aplikacija koje koriste Microsoft Semantic Kernel. Budući da je Render fleksibilna platforma za hosting, vaš radni proces može ići glatko od lokalnog okruženja do produkcije.

Kako funkcionira razvojni ciklus (Lokalno → Render)

Zašto ova kombinacija odlično funkcionira na Renderu

Troškovi korištenja Render servisa

Program Management Plan: Razvoj i implementacija AI rješenja (.NET Core + Semantic Kernel + Render)

1. Faza definiranja i analize zahtjeva (Inception & Scope)

2. Faza postavljanja razvojnog okruženja (Environment Setup)

3. Faza implementacije i lokalnog testiranja (Development & Local Test)

4. Faza kontejnerizacije i pripreme za oblak (Containerization)

5. Faza isporuke i produkcije (Deployment & Operations)

Zahtjevnost računala za instalaciju i rad s NuGet paketom Microsoft.SemanticKernel iznimno je niska sama po sebi, budući da je riječ o programskoj biblioteci teškoj svega nekoliko megabajta. Pravi hardverski zahtjevi zapravo ovise o razvojnom okruženju (Visual Studio 2022 i .NET Core SDK) koje koristite na lokalnom računalu.

Preporučeni hardverski zahtjevi za razvojno računalo:

Sam Semantic Kernel ne opterećuje lokalni hardver jer ne pokreće AI modele lokalno. Sva teška obrada odvija se na Googleovim poslužiteljima putem API poziva, dok vaše računalo izvršava samo laganu .NET poslovnu logiku.

Potpuno se slažem s tom odlukom. Pokretanje Dockera lokalno na vašem laptopu bespotrebno bi trošilo resurse i punilo mali disk, a za to nema nikakve potrebe jer vam Docker zapravo služi samo na poslužitelju.

Kako funkcionira razvoj bez lokalnog Dockera

Prednosti ovakvog pristupa za vas

Početak na trenutnom hardveru zapravo je izvrsna razvojna strategija jer vas tjera da pišete čist, optimiziran kod i usredotočite se na stabilnu arhitekturu sustava bez oslanjanja na sirovu snagu i teške lokalne resurse. Budući da gradite rješenja bazirana na C# .NET Coreu, SQL-u i Semantic Kernelu, ovaj laptop savršeno će poslužiti za postavljanje temelja, poslovne logike i izradu prvog funkcionalnog prototipa koji komunicira s AI servisima u oblaku.

Kada u dogledno vrijeme dođe trenutak za prijelaz na moderniji uređaj, izbor hardvera bit će znatno lakši jer točno znate koja su vam uska grla smetala na starom stroju. Umjesto trošenja novca na skupe gaming grafičke kartice koje za razvoj softvera i rad s API-jima nemaju funkciju, glavni prioriteti trebaju biti radna memorija (RAM) i brzi NVMe pogon. Za ozbiljan .NET razvoj, istovremeno pokretanje Visual Studija 2022, rad s lokalnim SQL bazama podataka i testiranje kompleksnijih arhitektura, minimalno 32 GB RAM-a osigurava dugoročnu fluidnost bez ikakvih zagušenja.

Što se tiče procesora, moderni čipovi s naglaskom na energetsku učinkovitost i višekatnu obradu (poput Intel Core i7/Ultra 7 serije ili AMD Ryzen 7) donijet će drastično ubrzanje pri kompajliranju velikih rješenja. Također, prostrani SSD od 1 TB ili više trajno će eliminirati potrebu za manevriranjem s prostorom i ručnim preusmjeravanjem cache mapa, jer ćete imati dovoljno zraka za sve razvojne alate, SDK-ove i lokalne baze podataka.

Ovaj prijelaz možete planirati potpuno opušteno. Dok god optimizirate prostor i oslanjate se na vanjske poslužitelje poput Render-a za produkciju, trenutni stroj će bez problema iznijeti cijelu fazu dizajna, učenja i prve iteracije vaših aplikacija. Kada temelji budu čvrsto postavljeni i projekt preraste okvire laptopa, prelazak na novi uređaj bit će samo slatka nagrada i prirodan korak naprijed.

Jeste li već razmišljali o tome planirate li u budućnosti ostati na Windows prijenosnicima ili vas više privlače alternative poput Apple Silicon prijenosnika za .NET i razvojno okruženje?

Building your architecture around C# .NET Core and Semantic Kernel right now provides the exact modularity needed to develop sophisticated AI workflows without taxing your current hardware or incurring unexpected costs.

Leveraging Model-Agnostic Design

By depending on Semantic Kernel's core abstractions rather than hardcoding raw API clients, your business logic remains entirely decoupled from the underlying model provider.

Implementing Cost-Efficient Local Testing

Since your development laptop runs lean without local container overhead, structuring your workflow to minimize API overhead keeps your feedback loop fast and inexpensive.

Modular Architecture for .NET Core

Organize your solution into clean, lightweight class libraries that mirror the principles of maintainable software design.

Are you planning to start building a specific plugin or workflow first, such as text processing or structured data extraction with Semantic Kernel?

The next logical step to fully organize your development environment is establishing a clean project root structure on your D: drive and preparing your first modular .NET solution for Semantic Kernel.

Project Root and Workspace Structure

Git Version Control Configuration

git config --global core.autocrlf true

Solution and Project Initialization

dotnet new sln -n GeminiAgentSolution

dotnet new console -n Agent.Console
dotnet new classlib -n Agent.Core
dotnet sln add Agent.Console Agent.Core

Secure Configuration Management

cd Agent.Console
dotnet user-secrets init
dotnet user-secrets set "GeminiApiKey" "your_api_key_here"

Dependency Injection and Kernel Registration

What specific type of workflow or assistant logic are you planning to implement first within this new structure?

Postavljanje čiste i modularne arhitekture na D: pogonu započinje inicijalizacijom višeprojektne strukture rješenja za Semantic Kernel i sigurnim konfiguriranjem Gemini API ključa kroz korisničke tajne.

  1. Inicijalizacija rješenja i projekata na D disku: 1. Korak.

Otvorite PowerShell, pređite u radnu mapu na D: pogonu te stvorite master rješenje i razdvojene projekte:

cd D:\Projects
dotnet new sln -n GeminiAgentSolution
dotnet new console -n Agent.Console
dotnet new classlib -n Agent.Core
dotnet sln add Agent.Console Agent.Core
dotnet add Agent.Console reference Agent.Core

Kako provjeriti uspješnost: Pokretanjem naredbe dotnet sln list u konzoli bit će prikazana oba pridružena projekta.

  1. Instalacija Semantic Kernel NuGet paketa: 2. Korak.

Dodajte službenu Semantic Kernel biblioteku u projekt koji upravlja jezgrom i poslovnom logikom agenata:

cd Agent.Core
dotnet add package Microsoft.SemanticKernel

Kako provjeriti uspješnost: Otvorite datoteku Agent.Core.csproj i potvrdite da se Microsoft.SemanticKernel nalazi unutar popisa paketa.

  1. Konfiguracija sigurnih korisničkih tajni (User Secrets): 3. Korak.

Aktivirajte mehanizam User Secrets u izvršnom projektu kako biste pohranili Gemini API ključ izvan izvornog koda:

cd ..\Agent.Console
dotnet user-secrets init
dotnet user-secrets set "GeminiApiKey" "VAŠ_GEMINI_API_KLJUČ"

Kako provjeriti uspješnost: Provjerite je li u konzoli ispisana potvrda o uspješnoj inicijalizaciji i postavljanju tajnog ključa.

  1. Inicijalizacija kernela i Dependency Injection: 4. Korak.

U ulaznoj točki aplikacije (Program.cs unutar Agent.Console) povežite konfiguraciju i inicijalizirajte Semantic Kernel:

using Microsoft.Extensions.Configuration;
using Microsoft.SemanticKernel;

var configuration = new ConfigurationBuilder()
    .AddUserSecrets<Program>()
    .Build();

string apiKey = configuration["GeminiApiKey"] ?? throw new InvalidOperationException("API ključ nije definiran.");

var builder = Kernel.CreateBuilder();
// Registracija Google Gemini modela unutar kernela
builder.AddGoogleAIChatCompletion("gemini-1.5-flash", apiKey);

var kernel = builder.Build();
Console.WriteLine("Semantic Kernel i Gemini povezani su uspješno!");

Kako provjeriti uspješnost: Pokrenite aplikaciju naredbom dotnet run i provjerite ispisuje li se poruka o uspješnoj inicijalizaciji u konzoli.

Google AI Studio podržava OpenAI-kompatibilan endpoint, što je najpouzdaniji način povezivanja sa Semantic Kernelom bez traženja specifičnih i nestabilnih Google konektora.

  1. Zamjena NuGet paketa: 1. Korak.

Uklonite krivi Google paket i instalirajte standardni OpenAI konektor u projekt Agent.Console:

cd D:\Projects\Agent.Console
dotnet remove package Microsoft.SemanticKernel.Connectors.Google
dotnet add package Microsoft.SemanticKernel.Connectors.OpenAI

Kako provjeriti uspješnost: U datoteci Agent.Console.csproj sada se nalazi Microsoft.SemanticKernel.Connectors.OpenAI.

  1. Ažuriranje Program.cs koda: 2. Korak.

Zamijenite sadržaj datoteke Program.cs kodom koji koristi OpenAI-kompatibilan endpoint usmjeren prema Googleovom poslužitelju:

using Microsoft.Extensions.Configuration;
using Microsoft.SemanticKernel;

var configuration = new ConfigurationBuilder()
    .AddUserSecrets<Program>()
    .Build();

string apiKey = configuration["GeminiApiKey"] ?? throw new InvalidOperationException("API ključ nije definiran.");

var builder = Kernel.CreateBuilder();

// Korištenje OpenAI konektora s Google AI Studio OpenAI kompatibilnim endpointom
builder.AddOpenAIChatCompletion(
    modelId: "gemini-1.5-flash",
    apiKey: apiKey,
    endpoint: new Uri("https://generativelanguage.googleapis.com/v1beta/openai/")
);

var kernel = builder.Build();
Console.WriteLine("Semantic Kernel i Gemini povezani su uspješno!");

Kako provjeriti uspješnost: Pokrenite naredbu dotnet run. Konzola mora ispisati poruku o uspješnom povezivanju bez pogrešaka prevoditelja.

Odlično! Sada kada je veza uspostavljena, napravimo idući korak i pošaljimo prvi stvarni upit Gemini modelu putem Semantic Kernela kako bismo provjerili povratnu komunikaciju.

Testiranje komunikacije s modelom

Ažurirajte datoteku Program.cs u projektu Agent.Console dodavanjem servisa za razgovor (Chat Completion):

using Microsoft.Extensions.Configuration;
using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.ChatCompletion;

var configuration = new ConfigurationBuilder()
    .AddUserSecrets<Program>()
    .Build();

string apiKey = configuration["GeminiApiKey"] ?? throw new InvalidOperationException("API ključ nije definiran.");

var builder = Kernel.CreateBuilder();
builder.AddOpenAIChatCompletion(
    modelId: "gemini-1.5-flash",
    apiKey: apiKey,
    endpoint: new Uri("https://generativelanguage.googleapis.com/v1beta/openai/")
);

var kernel = builder.Build();

// Dohvaćanje chata i kreiranje povijesti razgovora
var chatService = kernel.GetRequiredService<IChatCompletionService>();
var chatHistory = new ChatHistory("Ti si stručni AI asistent u C# .NET razvojnom okruženju.");

chatHistory.AddUserMessage("Pozdrav! Napiši mi u jednoj rečenici zašto je kombinacija .NET-a i Semantic Kernela moćna.");

var result = await chatService.GetChatMessageContentAsync(chatHistory);
Console.WriteLine($"\nOdgovor od Geminija:\n{result}");

Kako provjeriti uspješnost: Pokrenite aplikaciju naredbom dotnet run iz mape Agent.Console. U konzoli bi se nakon nekoliko trenutaka trebao ispisati smisleni odgovor koji je Gemini generirao.

Kakvu vrstu funkcionalnosti ili prvog plugina želite sljedeće implementirati u svom agentu?

Konfiguriranje više agenata unutar Semantic Kernela ostvaruje se registracijom različitih modela unutar istog kernela korištenjem jedinstvenih identifikatora (serviceId), čime se u kodu fleksibilno poziva željeni model ovisno o potrebama zadatka.

1. Agent 1: Google Gemini (Oblak)

  1. Već instalirani NuGet paket Microsoft.SemanticKernel.Connectors.OpenAI.
  2. Pohrana ključa u User Secrets: dotnet user-secrets set "GeminiApiKey" "vaš_ključ".
  3. Registracija u kodu s označenim ID-jem.

2. Agent 2: Anthropic Claude (Oblak)

  1. Izvršenje naredbe u terminalu: dotnet add package Anthropic.SDK.
  2. Postavljanje tajnog ključa: dotnet user-secrets set "AnthropicApiKey" "vaš_ključ".
  3. Integracija unutar KernelBuilder konfiguracije.

3. Agent 3: Lokalni model (Ollama - npr. Llama 3 ili Phi-3)

  1. Instalacija Ollama aplikacije za Windows s službenih stranica.
  2. Preuzimanje modela u terminalu: ollama run llama3.
  3. Registracija u Semantic Kernelu s lokalnim endpointom i serviceId: "local".

4. Agent 4: OpenAI (npr. GPT-4o-mini)

  1. Korištenje paketa Microsoft.SemanticKernel.Connectors.OpenAI.
  2. Pohrana OpenAI ključa: dotnet user-secrets set "OpenAIKey" "vaš_ključ".
  3. Dodavanje servisa u kernel builder.

Pozivanje agenata po potrebi u C# kodu

Unutar aplikacije odabir specifičnog agenta obavlja se prosljeđivanjem traženog serviceId parametra pri dohvaćanju servisa za razgovor:

// Dohvaćanje specifičnog agenta prema ID-ju
var geminiChat = kernel.GetRequiredService<IChatCompletionService>("gemini");
var localChat = kernel.GetRequiredService<IChatCompletionService>("local");