functiongemma-270m-it-coffee-robot-mcp

☕ Coffee Robot MCP - FunctionGemma 270M

基於 google/functiongemma-270m-it 微調的咖啡機器人外送任務 Function Calling 模型。（此為企業內部點餐 api 整合測試模型）

📋 模型描述

此模型專門針對咖啡機器人外送場景進行微調，能夠將自然語言指令轉換為結構化的 Function Call，適用於 MCP (Model Context Protocol) 整合。

主要特點

• 🎯 專注於咖啡外送任務的 Function Calling
• 🇹🇼 支援繁體中文自然語言輸入
• ⚡ 輕量化模型（270M 參數），適合邊緣部署
• 🔧 相容 MCP 協議格式

🛠️ 支援功能

Function: send_coffee

📊 模型效能

訓練配置

• 訓練輪數: 3
• 學習率: 1e-05
• 有效批次大小: 16
• 訓練樣本數: 625
• 驗證樣本數: 74

💻 使用方式

基本使用

from transformers import AutoTokenizer, AutoModelForCausalLM, pipeline

model_id = "renhehuang/functiongemma-270m-it-coffee-robot-mcp"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto")

pipe = pipeline("text-generation", model=model, tokenizer=tokenizer)

tools = [
    {
        "type": "function",
        "function": {
            "name": "send_coffee",
            "description": "送咖啡到指定樓層",
            "parameters": {
                "type": "object",
                "properties": {
                    "baseDrink": {"type": "string", "enum": ["americano", "latte", "oat_latte", "milk"]},
                    "floor": {"type": "integer", "minimum": 1, "maximum": 11},
                    "temperature": {"type": "string", "enum": ["hot", "iced"]},
                    "addons": {"type": "array", "items": {"type": "string", "enum": ["extra_espresso", "paper_cup"]}},
                    "quantity": {"type": "integer", "minimum": 1, "maximum": 10},
                },
                "required": ["baseDrink", "floor", "temperature", "quantity"],
            },
        },
    }
]

messages = [{"role": "user", "content": "幫我送一杯熱美式到五樓"}]

prompt = tokenizer.apply_chat_template(
    messages,
    tools=tools,
    tokenize=False,
    add_generation_prompt=True,
)

out = pipe(prompt, max_new_tokens=256, do_sample=False)
print(out[0]["generated_text"][len(prompt):])

輸出範例

輸入: "幫我送一杯熱美式到五樓"

輸出:

<start_function_call>call: send_coffee{baseDrink:<escape>americano<escape>, floor:<escape>5<escape>, temperature:<escape>hot<escape>, quantity:<escape>1<escape>}<end_function_call>

🔗 MCP 整合

此模型可與 MCP Server 整合，實現自動化咖啡外送流程：

# 解析 Function Call
import re

def parse_function_call(output):
    pattern = r"<start_function_call>(.*?)<end_function_call>"
    matches = re.findall(pattern, output, re.DOTALL)
    # 解析並回傳結構化資料
    return matches

⚠️ 限制與注意事項

1. 領域限制: 此模型專為咖啡外送場景設計，不適用於其他 Function Calling 任務
2. 語言支援: 主要支援繁體中文，其他語言效果可能不佳
3. 樓層範圍: 僅支援 1-11 樓
4. 飲品種類: 僅支援 4 種飲品類型

📝 引用

@misc{coffee-robot-mcp-2025,
  title={Coffee Robot MCP - FunctionGemma Fine-tuned Model},
  author={renhehuang},
  year={2025},
  publisher={Hugging Face},
  url={https://huggingface.co/renhehuang/functiongemma-270m-it-coffee-robot-mcp}
}

📄 授權

本模型基於 Gemma License 授權。使用前請確認已接受 Google Gemma 的使用條款。

🙏 致謝

• Google - 提供 FunctionGemma 基礎模型
• Hugging Face - 提供模型託管與訓練工具