.NET 9とSemantic KernelによるAI統合コンソールアプリケーション例

AI/ML

概要

本リポジトリは、.NET 9環境で動作するコンソールアプリケーションの具体例を示しています。主にMicrosoftのSemantic Kernelを活用し、Azure Open AIやOllamaといった外部AIサービスとの連携を実装。さらに、GitHubが提供するMCP(Multi-Channel Platform)サーバーを用いたチャット機能を備えています。加えて、OpenTelemetryとJaegerを用いた分散トレーシング監視基盤をDocker Composeで簡単に構築可能であり、AIモデルの運用状況の可視化や性能分析も行えます。AI技術の実装から運用監視までを一貫して理解できる、学習・実験用に最適なサンプルプロジェクトです。

GitHub

リポジトリの統計情報

  • スター数: 4
  • フォーク数: 0
  • ウォッチャー数: 4
  • コミット数: 2
  • ファイル数: 4
  • メインの言語: C#

主な特徴

  • .NET 9対応のコンソールアプリケーションサンプル
  • Microsoft Semantic Kernelを活用したAI機能実装
  • Azure Open AIおよびOllamaとの連携による高度なAI対話機能
  • JaegerとOpenTelemetryを用いた分散トレーシング監視環境のDocker Compose構築

技術的なポイント

本リポジトリの最大の特徴は、最新の.NET 9プラットフォーム上でSemantic Kernelを用いたAI機能の実装例を示している点です。Semantic Kernelはマイクロソフトが開発したAI統合フレームワークで、複数のAIモデルやスキルを組み合わせて高度なアプリケーションを構築できることが特徴です。本プロジェクトではこれを活用し、Azure Open AIとOllamaのような異なるAIプロバイダーを統合。これにより、単一のアプリケーション内で複数のAIサービスを柔軟に切り替えたり組み合わせたりすることが可能となっています。

また、GitHubのMCPサーバーをテスト環境として利用し、実際の多チャネル対話のシナリオを再現しています。これにより、チャットボットやAIアシスタントの複雑な対話管理や応答生成の実装例を学べます。

さらに運用面に注目すると、OpenTelemetryによるトレースデータの収集と、Jaegerによる可視化のセットアップがDocker Composeで提供されているため、開発者は分散トレーシングの導入を容易に体験可能です。これにより、AIモデルの呼び出し遅延やリクエストフローのボトルネック分析、障害検知が視覚的に行え、実運用に近い形での品質管理が可能となっています。

コードベースはC#でシンプルに構成されており、Semantic KernelのAPI呼び出しやトレーシング設定が分かりやすく整理されています。ファイル数も少なく、入門者でも全体の流れを掴みやすい設計です。Dockerにより複雑な依存関係のセットアップも簡略化されており、環境構築のハードルを大幅に下げています。

総じて、本リポジトリは最新技術である.NET 9とSemantic Kernelを組み合わせ、AI対話機能と運用監視を一体的に扱う学習用サンプルとして非常に有用です。AIアプリケーションの設計から監視まで一連の流れを体験したい開発者に最適なリソースと言えます。

プロジェクトの構成

主要なファイルとディレクトリ:

  • .gitignore: Git管理対象外ファイル定義
  • LICENSE: ライセンス情報
  • README.md: プロジェクト概要とセットアップ手順
  • src: ソースコードディレクトリ(コンソールアプリケーションのメインコード)

まとめ

最新技術を駆使したAI統合と監視環境を学べる実践的な.NETサンプル。

リポジトリ情報: