Microsoft Agent Framework

Agent Framework spojuje čtyři primární oblasti:

	Description
Agenti	Jednotliví agenti, kteří používají LLM ke zpracování vstupů, volání nástrojů a serverů MCP a generování odpovědí. Podporuje Microsoft Foundry, Anthropic, Azure OpenAI, OpenAI, Ollama a další.
Harness Agent	Agent s pevně daným přístupem a vestavěnými funkcemi pro dlouhé, vícekrokové úlohy — plánování a sledování úkolů, komprese kontextu, přístup k souborům a paměti, schvalování nástrojů bez opakovaného dotazování a pozorovatelnost.
Pracovní postupy	Funkční a grafové pracovní postupy, které propojují agenty a funkce prostřednictvím explicitních cest provádění.
Integrace	Připojení k poskytovatelům modelů, službám agentů, nástrojům, poskytovatelům kontextu, middlewaru, službám hodnocení a architekturám uživatelského rozhraní uspořádaným podle poskytovatele a komponenty.

Architektura také poskytuje základní stavební bloky, včetně klientů modelu (dokončování chatu a odpovědí), relace agenta pro správu stavu, zprostředkovatele kontextu pro paměť agenta, middleware pro zachycení akcí agenta a klienty MCP pro integraci nástrojů. Tyto komponenty společně poskytují flexibilitu a výkon při vytváření interaktivních, robustních a bezpečných aplikací umělé inteligence.

Důležité

Architektura agenta pro Go je ve verzi Public Preview. Deklarativní agenti, RAG, CodeAct a funkční pracovní postupy ještě nejsou k dispozici. Problémy se soubory u GitHub (https://github.com/microsoft/agent-framework-go/issues).

Začínáme

dotnet add package Microsoft.Agents.AI.Foundry --prerelease

using System;
using Azure.AI.Projects;
using Azure.Identity;
using Microsoft.Agents.AI;

AIAgent agent = new AIProjectClient(
        new Uri("https://your-foundry-service.services.ai.azure.com/api/projects/your-foundry-project"),
        new AzureCliCredential())
    .AsAIAgent(
        model: "gpt-5.4-mini",
        instructions: "You are a friendly assistant. Keep your answers brief.");

Console.WriteLine(await agent.RunAsync("What is the largest city in France?"));

pip install agent-framework

from agent_framework import Agent
from agent_framework.foundry import FoundryChatClient
from azure.identity import AzureCliCredential

agent = Agent(
    client=FoundryChatClient(
        project_endpoint="https://your-foundry-service.services.ai.azure.com/api/projects/your-foundry-project",
        model="gpt-5.4-mini",
        credential=AzureCliCredential(),
    ),
    name="HelloAgent",
    instructions="You are a friendly assistant. Keep your answers brief.",
)

# Non-streaming: get the complete response at once
result = await agent.run("What is the largest city in France?")
print(f"Agent: {result}")

go get github.com/microsoft/agent-framework-go

package main

import (
    "context"
    "fmt"
    "os"

    "github.com/microsoft/agent-framework-go/agent"
    "github.com/microsoft/agent-framework-go/provider/foundryprovider"

    "github.com/Azure/azure-sdk-for-go/sdk/azidentity"
)

func main() {
    endpoint := os.Getenv("FOUNDRY_PROJECT_ENDPOINT")
    model := os.Getenv("FOUNDRY_MODEL")

    token, err := azidentity.NewDefaultAzureCredential(nil)
    if err != nil {
        panic(err)
    }

    a := foundryprovider.NewAgent(
        endpoint,
        token,
        foundryprovider.ModelDeployment(model),
        foundryprovider.AgentConfig{
            Instructions: "You are a friendly assistant. Keep your answers brief.",
            Config: agent.Config{
                Name: "HelloAgent",
            },
        },
    )

    resp, err := a.RunText(context.Background(), "What is the largest city in France?").Collect()
    fmt.Println(resp, err)
}

Tak je to — agent, který volá LLM a vrátí odpověď. Odtud můžete přidávat nástroje, vícekrokové konverzace, middleware a pracovní postupy pro vytváření produkčních aplikací.

Poznámka:

Agent Framework nenačítá .env soubory automaticky. Pokud chcete použít .env soubor, zavolejte load_dotenv() na začátku aplikace nebo nastavte proměnné prostředí přímo v shellu nebo IDE.

Začínáme – úplný kurz

Kdy používat agenty vs. pracovní postupy

Použít agenta, když...	Použijte pracovní postup, když…
Úkol je otevřený nebo konverzační.	Proces má dobře definované kroky.
Potřebujete autonomní schopnost používat nástroje a plánovat.	Potřebujete explicitní kontrolu nad pořadím provádění.
Stačí jedno volání LLM (pravděpodobně s nástroji).	Musí koordinovat více agentů nebo funkcí.

Pokud můžete napsat funkci pro zpracování úlohy, udělejte to místo použití agenta AI.

Proč Agent Framework?

Agent Framework kombinuje jednoduché abstrakce agenta AutoGen s podnikovými funkcemi Sémantické jádro – správou stavu na základě relací, zabezpečením typů, middlewarem, telemetrií – a přidává pracovní postupy založené na grafech pro explicitní orchestraci s více agenty.

Sémantické jádro a AutoGen průkopnickým způsobem představily koncepty agentů AI a orchestrace s více agenty. Agent Framework je přímý následník vytvořený stejnými týmy. Kombinuje jednoduché abstrakce AutoGenu pro vzory s jedním a více agenty s funkcemi sémantického jádra na podnikové úrovni, jako je správa stavu založená na relacích, bezpečnost typů, filtry, telemetrie a rozsáhlá podpora modelu a vkládání. Kromě sloučení těchto dvou představuje Agent Framework pracovní postupy, které vývojářům poskytují explicitní kontrolu nad cestami provádění více agentů a robustním systémem správy stavů pro dlouhotrvající scénáře a scénáře smyčky pro člověka. Stručně řečeno, Agent Framework je další generace Sémantické jádro i AutoGen.

Další informace o migraci z sémantického jádra nebo autogenu najdete v průvodci migrací z sémantických jader a průvodce migrací z autogenu.

Sémantické jádro i AutoGen výrazně využily opensourcové komunity a totéž se očekává pro platformu Agent Framework. Microsoft Agent Framework vítá příspěvky a bude se neustále zlepšovat s novými funkcemi a možnostmi.

Důležité

Pokud používáte Microsoft Agent Framework k vytváření aplikací, které pracují se všemi servery třetích stran, agenty, kódem nebo modely bez Azure Direct ("Systémy třetích stran"), uděláte to na vlastní nebezpečí. Systémy třetích stran nejsou Microsoft Produkty podle Microsoft Podmínek produktu a řídí se vlastními licenčními podmínkami třetích stran. Zodpovídáte za veškeré využití a související náklady.

Doporučujeme zkontrolovat veškerá data sdílená se systémy třetích stran a přijímat je ze systémů třetích stran a seznámit se s postupy třetích stran pro zpracování, sdílení, uchovávání a umístění dat. Je vaší zodpovědností řídit, zda vaše data budou přenášena mimo geografické a pravidlové hranice Azure vaší organizace a jaké jsou s tím spojené důsledky. Současně zajistěte, aby byla zavedena příslušná oprávnění, hranice a schválení.

Zodpovídáte za pečlivou kontrolu a testování aplikací, které vytváříte pomocí Microsoft Agent Framework v kontextu konkrétních případů použití, a za veškerá vhodná rozhodnutí a přizpůsobení. To zahrnuje implementaci vlastního zodpovědného zmírnění rizik umělé inteligence, jako jsou metaprompt, filtry obsahu nebo jiné bezpečnostní systémy, a zajištění toho, aby vaše aplikace splňovaly příslušné standardy kvality, spolehlivosti, zabezpečení a důvěryhodnosti. Viz také: Nejčastější dotazy k transparentnosti

Další kroky

Krok 1: Váš první agent

Jděte hlouběji:

• Agenti — běhové prostředí a vykonávání, typy agentů, konverzace, middleware a bezpečnost
• Agent Harness — architektura, kompozice schopností a přizpůsobení pro dlouhodobě běžící úlohy
• Pracovní toky – funkční a grafová API, provádění, stav a pokročilá kompozice
• Integrace – poskytovatelé a komponenty pro modely, služby agentů, nástroje, kontext, middleware, vyhodnocení a uživatelské rozhraní