Plugin dan Fungsi Semantic Kernel Dijelaskan untuk Pengembang .NET dan Python

Q: Bisakah model AI mengakses database saya secara langsung melalui plugin?

Tidak. Plugin membungkus detail sensitif seperti koneksi database dan kredensial, sehingga model AI hanya berinteraksi dengan deskripsi teks biasa dan keluaran fungsi yang telah disanitasi.

By Mirko Peters · 2026-10-23

Pelajari cara plugin dan fungsi Semantic Kernel menghubungkan kode kustom ke model AI secara aman. Kuasai deskripsi, OpenAPI, server MCP, dan batas tool.

Automatically translated with AI from the original post. Read the English original

Cover: Semantic Kernel - Simply Explained

Plugin dan fungsi Semantic Kernel merupakan blok pembangun yang memungkinkan model bahasa berinteraksi secara aman dengan perangkat lunak eksternal. Dengan melampirkan deskripsi dalam bahasa alami pada kode kustom, pengembang dapat membuat model AI secara otomatis menemukan, merencanakan, dan menjalankan fungsi perusahaan tanpa perlu menanamkan logika secara tetap (hardcode) atau mengambil risiko paparan langsung ke database.

Poin Penting

Plugin Semantic Kernel mengelompokkan fungsi-fungsi terkait untuk menghadirkan kemampuan perangkat lunak kustom langsung ke large language model.
Deskripsi fungsi merupakan instruksi penting bagi AI; deskripsi yang samar atau kurang baik membuat model menebak secara keliru atau gagal sama sekali.
Plugin dapat ditulis secara native dalam C#, Python, atau Java, diimpor melalui spesifikasi OpenAPI, atau diintegrasikan melalui server Model Context Protocol (MCP).
Membungkus koneksi database dan klien web di dalam plugin mencegah model AI mengakses infrastruktur sensitif secara langsung.
Mengikuti rekomendasi OpenAI untuk menjaga daftar tool aktif di bawah sepuluh hingga dua puluh fungsi menjaga akurasi model tetap tinggi selama eksekusi.

Memahami Plugin dan Fungsi

Ketika pengembang mulai membangun aplikasi yang menjembatani basis kode perangkat lunak tradisional dengan large language model, mereka segera menyadari bahwa model bahasa sangat andal dalam menghasilkan teks, tetapi sama sekali tidak mampu menjalankan perintah operasional dengan sendirinya. Model tidak dapat membuat kueri ke database pelanggan, mengirim email, atau menyalakan lampu pintar kantor tanpa lapisan perantara. Dalam arsitektur Semantic Kernel, jembatan yang hilang ini dibangun menggunakan plugin dan fungsi.

Fungsi pada dasarnya adalah sepotong kode standar, ditulis dalam C#, Python, atau Java, yang menjalankan tugas tertentu. Yang mengubah fungsi biasa menjadi tool yang siap digunakan AI adalah deskripsi dalam bahasa alami yang menyertainya. Ketika aplikasi Anda mendaftarkan fungsi ke kernel, Anda melampirkan metadata yang menjelaskan apa yang dilakukan fungsi tersebut, parameter apa yang dibutuhkan, dan data apa yang dikembalikan. Large language model membaca deskripsi ini saat runtime untuk menentukan kapan dan bagaimana kode Anda dipanggil.

Anatomi Fungsi dengan Deskripsi yang Baik

Pemula sering menganggap deskripsi fungsi sebagai komentar opsional atau detail dokumentasi kecil, padahal dalam ekosistem Semantic Kernel, deskripsi adalah prompt itu sendiri. Jika deskripsi fungsi Anda samar, ambigu, atau terlalu teknis, model bahasa akan salah menafsirkan tujuannya atau melewatkannya sama sekali.

Menulis Deskripsi yang Efektif untuk AI

Untuk memastikan keandalan tinggi di lingkungan produksi, tulislah deskripsi fungsi seolah-olah Anda sedang menjelaskan kemampuan tersebut kepada rekan kerja manusia baru. Misalnya, alih-alih mendeskripsikan utilitas pencarian sebagai get_ord_st() tanpa konteks, plugin Anda harus secara eksplisit menyatakan bahwa fungsi tersebut mengambil status pesanan pelanggan dengan menerima string ID pesanan dan mengembalikan detail pemenuhan terkini. Input yang jelas, tipe yang eksplisit, dan penjelasan fungsional yang presisi menghilangkan tebakan bagi model.

Sumber Plugin: Kode, OpenAPI, dan Server MCP

Semantic Kernel menawarkan fleksibilitas luar biasa dengan memungkinkan pengembang mengambil plugin dari tiga sumber berbeda. Memahami asal plugin Anda menentukan seberapa mudah plugin tersebut dapat diskalakan dan dibagikan di seluruh tim engineering.

Plugin Kode Native

Cara yang paling sederhana adalah menulis plugin langsung di dalam basis kode aplikasi yang sudah ada, menggunakan bahasa native yang didukung proyek Anda. Baik Anda sedang membangun backend perusahaan dengan C# maupun pipeline pemrosesan data dengan Python, metode kustom Anda terintegrasi dengan mulus ke dalam kernel container.

OpenAPI dan Model Context Protocol (MCP)

Selain kode native, Anda dapat mengimpor kemampuan eksternal menggunakan format web standar seperti OpenAPI. Lebih jauh lagi, implementasi modern memanfaatkan server Model Context Protocol (MCP). Server MCP memungkinkan tim terpusat membangun kemampuan yang aman sekali saja lalu membagikannya ke berbagai aplikasi dan lingkungan pengembangan, sehingga low-code maker dan software engineer dapat mengakses logika bisnis yang persis sama.

Praktik Terbaik Keamanan dan Arsitektur

Salah satu keunggulan arsitektur paling kuat dari plugin Semantic Kernel adalah isolasi. Plugin yang dirancang dengan baik berfungsi sebagai batas aman antara model bahasa dan infrastruktur perusahaan Anda. Plugin mengenkapsulasi koneksi database internal, kunci API, dan klien web sensitif di dalamnya. Model AI tidak pernah berinteraksi dengan kredensial atau tabel database mentah Anda; model hanya melihat deskripsi fungsi berbentuk teks biasa dan keluaran yang sudah disanitasi yang dikembalikan oleh loop eksekusi.

Mengelola Batas Tool untuk Akurasi Optimal

Developer sering tergoda untuk membangun kotak peralatan besar yang berisi puluhan atau ratusan fungsi, namun data empiris dari OpenAI menunjukkan perlunya kehati-hatian. Akurasi model turun secara signifikan seiring bertambahnya daftar tool yang tersedia. Praktik terbaik menyarankan agar tool aktif dalam satu permintaan dijaga di bawah sepuluh, dan hindari total di atas dua puluh. Sedikit fungsi yang lebih fokus secara konsisten mengungguli pustaka utilitas marginal yang berantakan.

Kesimpulan

Menguasai plugin dan fungsi Semantic Kernel adalah kunci untuk mengubah model bahasa statis menjadi agen dinamis yang mampu menjalankan alur kerja bisnis dunia nyata. Dengan merancang deskripsi fungsi secara cermat, memanfaatkan standar OpenAPI dan MCP, serta menjaga batas keamanan yang ketat, developer dapat membangun aplikasi AI yang tangguh dan skalabel tanpa mengekspos infrastruktur sensitif. Untuk mempelajari lebih lanjut tentang cara kernel mengatur memori, konektor, dan perencanaan, Dengarkan episode lengkapnya dari M365 FM Podcast untuk penjelasan lengkap tanpa jargon tentang lapisan orkestrasi AI Microsoft.

Pertanyaan Umum

Apa itu plugin Semantic Kernel?

Plugin Semantic Kernel adalah kumpulan fungsi terkait yang diekspos ke large language model, sehingga AI dapat memahami dan memanggil logika perangkat lunak kustom secara otomatis.

Mengapa deskripsi fungsi sangat penting dalam Semantic Kernel?

Deskripsi fungsi berfungsi sebagai instruksi bagi model AI. Model membaca deskripsi ini untuk memutuskan fungsi mana yang akan dipanggil, sehingga deskripsi yang kabur dapat menyebabkan kegagalan eksekusi atau tebakan yang keliru.

Bisakah model AI mengakses database saya secara langsung melalui plugin?

Tidak. Plugin mengenkapsulasi detail sensitif seperti koneksi database dan kredensial, sehingga model AI hanya berinteraksi dengan deskripsi teks biasa dan keluaran fungsi yang telah disanitasi.

Berapa banyak fungsi yang sebaiknya disertakan dalam satu permintaan plugin?

Disarankan untuk menjaga tool aktif di bawah sepuluh, dengan batas maksimum keras dua puluh, untuk mencegah penurunan akurasi model akibat kelebihan tool.