🧠 SemanticKernel LLaMA3 Agent

یک ایجنت هوشمند ساخته‌شده با Microsoft Semantic Kernel که به کمک یک پروکسی سفارشی به مدل‌های LLaMA3 از طریق Ollama + Groq متصل می‌شود و قابلیت فراخوانی خودکار توابع داخلی (Tools / Functions) را داراست.

---

📁 ساختار پروژه

SemanticKernel-Llama3-Agent/
│
├── ConsoleAgent/        # ایجنت کنسولی که ورودی کاربر را گرفته و پاسخ هوشمند برمی‌گرداند
│
├── ProxyApi/            # پروکسی برای تطبیق API با فرمت OpenAI مورد انتظار Semantic Kernel
│
└── README.md            # همین فایل!

---

🚀 اجرا

1. اجرای Proxy API

پروکسی باید روی پورت 5111 اجرا شود تا Semantic Kernel به آن متصل شود:

cd ProxyApi
dotnet run

اطمینان حاصل کنید که Ollama با مدل llama3 در حال اجرا است:

ollama run llama3

---

2. اجرای Console Agent

در ترمینال جدید:

cd ConsoleAgent
dotnet run

ایجنت آماده پاسخ‌گویی است:

🛒 Agent is ready. Ask a question:

---

💡 مثال‌های پرامپت

You: What is the price of Coat?
🤖 Agent: Navy formal coat, $750

You: Tell me about the Phone
🤖 Agent: XY model Z5 phone with 128GB, $8.5 million

You: How much are the Shoes?
🤖 Agent: Black sports shoes, $350

---

🛠 تکنولوژی‌ها

• .NET 8
• Semantic Kernel
• Ollama (with LLaMA3)
• Groq (local proxy endpoint)
• JSON Tool Calling
• AutoInvokeKernelFunctions
• Custom Plugin (ProductFunctions)

---

📦 توابع داخلی (Plugin)

در ProductFunctions.cs یک تابع تعریف شده که ایجنت می‌تواند به صورت اتوماتیک آن را هنگام نیاز فراخوانی کند:

[KernelFunction, Description("Retrieve information of a store product using its name")]
public string GetProductInfo(string productName)

---

🌐 چرا پروکسی؟

Semantic Kernel انتظار دارد که مدل‌ها ساختار پاسخ‌دهی مشابه OpenAI داشته باشند. ما یک پروکسی ساده نوشتیم تا بین SK و Ollama قرار گیرد و این ساختار را تطبیق دهد.

---

🤝 مشارکت

اگر دوست داری این پروژه رو گسترش بدی — مثل اضافه کردن توابع بیشتر، اتصال به دیتابیس، یا حتی مدل‌های دیگه — خوشحال می‌شم Pull Request بدی یا Issue باز کنی ✨

---

🧑‍💻 نویسنده

Created with ❤️ by MohammadAmin Shiravi GitHub Profile

---