楽天レシピとfunction calling
取得したデータの構造がいまいちよくわかってないので おおざっぱな実装になったけど成功しました。
You : パスタが食べたいな
recipeId recipeTitle ... categoryId categoryName
0 1770001825 牛乳で簡単♪明太子クリームパスタ ... 15 パスタ
1 1370003029 簡単♪納豆パスタ★バター醤油味 ... 15 パスタ
2 1140057627 今話題の！悪魔のパスタ ... 15 パスタ
3 1340012013 豚ひき肉と玉ねぎだけで簡単ボロネーゼ ... 15
パスタ [4 rows x 8 columns] 以下は、おすすめのパスタレシピです。
1. ペペロンチーノ
- 材料:
- スパゲッティ: 200g
- オリーブオイル: 50ml
- ニンニク: 2片（みじん切り）
- 唐辛子: 1本（みじん切り）
- 塩: 少々 - パルメザンチーズ: 好みで（お好みでかける）
- 手順:
1. スパゲッティを表示された時間通りに茹で、茹で汁を少し残しておく。
2. フライパンにオリーブオイルを熱し、ニンニクと唐辛子を炒める。
3. 茹で汁を加え、塩をふって調味する。
4. 茹でたスパゲッティを加え、よく絡める。
5. 器に盛り、パルメザンチーズをかけて完成。
2. カルボナーラ
- 材料:
- スパゲッティ: 200g
- ベーコン: 100g（細切り）
- 卵黄: 2個
- パルメザンチーズ: 50g（お好みでかける）
- 塩: 少々
- 黒こしょう: 少々
- 手順: 1. スパゲッティを表示された時間通りに茹で、茹で汁を少し残しておく。 2. フライパンでベーコンをカリカリに焼く。
3. 卵黄をボウルに入れ、パルメザンチーズを加えてよく混ぜる。
4. 茹で汁を少しだけ加え、さらに混ぜる。
5. 茹でたスパゲッティを加え、よく絡める。
6. 器に盛り、黒こしょうをふりかけて完成。
3. トマトソーススパゲッティ
- 材料:
- スパゲッティ: 200g
- トマト: 2個（皮をむいてみじん切り）
- 玉ねぎ: 1個（みじん切り）
- ニンニク: 2片（みじん切り）
- オリーブオイル: 50ml
- 塩: 少々 - こしょう: 少々
- バジル: 適量（お好みでかける）
- 手順:
1. スパゲッティを表示された時間通りに茹で、茹で汁を少し残しておく。
2. フライパンにオリーブオイルを熱し、ニンニクと玉ねぎを炒める。
3. トマトを加え、よく煮込む。
4. 茹でて茹で汁を加え、塩とこしょうで調味する。
5. 茹でたスパゲッティを加え、よく絡める。
6. 器に盛り、バジルをかけて完成。
これらのレシピを参考に、おいしいパスタを作ってください！
こんな感じの出力になりました。
レシピの詳細の方はchatgptが考えて出したレシピで取得した データから出力しているわけではなさそうです。
2023/06/20 追記 参考にしたテキスト
quiita https://qiita.com/konitech913/items/7ffa7907a6c03c8909fc コニタ ナオヤさん
Developers.IO 平野重利さん https://dev.classmethod.jp/articles/understand-openai-function-calling/
import json
import os
import requests
import time
import pandas as pd
from pprint import pprint
import openai
# APIキーの設定
openai_key = os.environ.get("OPENAI_API_KEY")
# 引数で質問を受ける
question = input("You : ")
# 関数の実装
def get_recipe(a_food):
# 1. 楽天レシピのレシピカテゴリ一覧を取得する
print("20秒ほどお待ちください。。。\n")
res = requests.get(
'https://app.rakuten.co.jp/services/api/Recipe/CategoryList/20170426?applicationId=1064593445227237376')
json_data = json.loads(res.text)
parent_dict = {} # mediumカテゴリの親カテゴリの辞書
df = pd.DataFrame(columns=['category1', 'category2', 'category3', 'categoryId', 'categoryName'])
for category in json_data['result']['large']:
df = df._append({'category1': category['categoryId'], 'category2': "", 'category3': "",
'categoryId': category['categoryId'], 'categoryName': category['categoryName']},
ignore_index=True)
for category in json_data['result']['medium']:
df = df._append(
{'category1': category['parentCategoryId'], 'category2': category['categoryId'], 'category3': "",
'categoryId': str(category['parentCategoryId']) + "-" + str(category['categoryId']),
'categoryName': category['categoryName']}, ignore_index=True)
parent_dict[str(category['categoryId'])] = category['parentCategoryId']
for category in json_data['result']['small']:
df = df._append(
{'category1': parent_dict[category['parentCategoryId']], 'category2': category['parentCategoryId'],
'category3': category['categoryId'], 'categoryId': parent_dict[category['parentCategoryId']] + "-" + str(
category['parentCategoryId']) + "-" + str(category['categoryId']),
'categoryName': category['categoryName']}, ignore_index=True)
# 2. キーワードからカテゴリを抽出する
df_keyword = df.query(f'categoryName.str.contains("{a_food}")', engine='python')
if df_keyword.empty:
print("検索結果がありませんでした。")
exit()
# 3. 人気レシピを取得する
df_recipe = pd.DataFrame(
columns=['recipeId', 'recipeTitle', 'foodImageUrl', 'recipeMaterial', 'recipeCost', 'recipeIndication',
'categoryId', 'categoryName'])
for index, row in df_keyword.iterrows():
url = 'https://app.rakuten.co.jp/services/api/Recipe/CategoryRanking/20170426?applicationId=1064593445227237376&categoryId=' + \
row['categoryId']
res = requests.get(url)
json_data = json.loads(res.text)
recipes = json_data['result']
for recipe in recipes[:4]: # 上位4位だけを取得
df_recipe = df_recipe._append({'recipeId': recipe['recipeId'], 'recipeTitle': recipe['recipeTitle'],
'foodImageUrl': recipe['foodImageUrl'],
'recipeMaterial': recipe['recipeMaterial'],
'recipeCost': recipe['recipeCost'],
'recipeIndication': recipe['recipeIndication'],
'categoryId': row['categoryId'], 'categoryName': row['categoryName']},
ignore_index=True)
time.sleep(1) # 連続でアクセスすると先方のサーバに負荷がかかるので少し待つのがマナー
pprint(df_recipe.head(4))
return "ランキングのレシピを表示します"
# AIが使うことができる関数を羅列する
functions = [
{
"name": "get_recipe",
"description": "ランキング上位４位のレシピの情報を得る",
"parameters": {
"type": "object",
"properties": {
# food引数の情報
"a_food": {
"type": "string",
"description": "食べ物の単語です",
},
},
"required": ["recipe"],
},
}
]
# 1段階目の処理
# AIが質問に対して使う関数と、その時に必要な引数を決める
# 特に関数を使う必要がなければ普通に質問に回答する
response = openai.ChatCompletion.create(
model="gpt-3.5-turbo-0613",
messages=[
{"role": "user", "content": question},
],
functions=functions,
function_call="auto",
)
#print(json.dumps(response), file=sys.stderr)
message = response["choices"][0]["message"]
if message.get("function_call"):
# 関数を使用すると判断された場合
# 使うと判断された関数名
function_name = message["function_call"]["name"]
# その時の引数dict
arguments = json.loads(message["function_call"]["arguments"])
# 2段階目の処理
# 関数の実行
function_response = get_recipe(a_food=arguments["a_food"])
# print(function_response, file=sys.stderr)
# 3段階目の処理
# 関数実行結果を使ってもう一度質問
second_response = openai.ChatCompletion.create(
model="gpt-3.5-turbo-0613",
messages=[
{"role": "user", "content": question},
message,
{
"role": "function",
"name": function_name,
"content": function_response,
},
],
)
# print(json.dumps(second_response), file=sys.stderr)
print(second_response.choices[0]["message"]["content"])
この記事が気に入ったらサポートをしてみませんか？