Del via

Hurtig start: Konfigurer og kør eksempelagenten med Python Agent-struktur

I denne Hurtig start skal du gennemgå, hvordan du konfigurerer en fungerende agent med Python Agent-struktur ved hjælp af Agent 365 til værktøjer, meddelelser, observationsmuligheder og test af agenten ved hjælp af Agents Playground og Teams

Forudsætninger

  • Hvis du planlægger at bruge Visual Studio Code, skal .NET være installeret. (.NET 8.0 anbefales.)

  • Python 3.11+ er installeret

  • UV-pakkeadministrator er installeret. Installér dette i en terminal ved hjælp af pip install uv.

  • Microsoft Agentværktøjspakke/Agent Framework-afhængigheder

    Det eksempel, der bruges i gennemgangen, er baseret på de Agent Framework-biblioteker, der leveres via Microsoft 365 Agentværktøjspakke eller ATK. Du installerer automatisk disse, når du bruger udvidelsen Agentværktøjspakke i VS Code til at opstille eksemplet, eller du kan installere pakken manuelt ved hjælp af denne kommando:

    uv pip install -e . --find-links ../dist --pre

  • Adgang til GitHub

  • Et eksisterende AI-agent-projekt. Denne hurtige start bruger en Agent 365-eksempelagent fra Microsoft 365 Agentværktøjspakke, der også kaldes ATK i VS Code.

  • A365 CLI

  • Agentens identitetsgodkendelse

Konfigurer Agent framework + Python-eksemplet fra Microsoft 365 Agentværktøjspakke

For at gøre alt klar skal du installere Microsoft 365 Agentværktøjspakke i VS Code, åbne eksempelgalleriet og opstille Agentværktøjspakken + Python-eksemplet lokalt, så du kan konfigurere og køre det senere. Følgende skærmbilleder viser, hvad du kan forvente at se undervejs.

  1. Åbn Visual Studio Code, og åbn derefter panelet Udvidelser Ctrl+Skift+X.

  2. Skriv "Agentværktøjspakke" i søgefeltet.
    Du bør se resultatet, der vises på skærmbilledet her:

    Skærmbillede af søgning efter Marketplace-udvidelser til Agentværktøjspakke.

  3. Vælg Microsoft 365 Agentværktøjspakke.

  4. Vælg Installer.

    VS Code viser visningen med udvidelsesdetaljer på samme måde som:

    Skærmbillede af siden Udvidelsesoplysninger med knapperne Installér og Aktivér.

  5. Når M365 Agentværktøjspakke-ikonet er installeret, vises det på navigationslinjen til venstre.

  6. Vælg det for at åbne velkomstoplevelsen.

    Du kan nu se indstillinger som Opret en deklarativ agent, Opret en ny agent/app og Vis eksempler, som vist her:

    Skærmbillede af velkomstvisning af Værktøjspakke med indstillingerne Opret en deklarativ agent, Opret en ny agent eller app og Vis eksempler.

  7. Vælg Vis eksempler.

  8. Rul ned på listen over eksempler for at finde agentstrukturen + Python-agenteksemplet.

  9. Vælg den.

    Du får vist to valgmuligheder: Opret (opstil lokalt) eller Vis på GitHub.

  10. Vælg Opret.

    Skærmbillede af Agent Framework Agent med A365 SDK ved hjælp af Python-eksempel.

  11. Når du bliver bedt om det, skal du vælge en mappe på computeren, hvor eksemplet skal genereres. Eksempel: C:\A365-python-sample

    Værktøjspakken opstiller Agent Framework + Python-eksemplet i en undermappe (f.eks. sample_agent) og åbner det derefter automatisk i VS Code.

    Når opstillingen er fuldført, har du nu et fuldt funktionelt Agent framework + Python-agentprojekt på din maskine

  12. Installér påkrævede Agent 365-pakker

    Før du kører eksemplet, skal du åbne package.json i projektet og bekræfte, at alle påkrævede afhængigheder af Agent 365 og Agent Framework er angivet. Det eksempel, der genereres af Microsoft 365 Agentværktøjspakke, indeholder allerede disse poster.

    Når du har gennemset package.json, skal du installere alt ved at køre denne kommando:

    uv pip install -e

    Dette henter alle Agent 365 SDK-biblioteker, Agent Framework-afhængigheder, hostingkomponenter og andre afhængigheder, der er defineret i eksemplet.

  13. Efter installationen skal du kontrollere projektbuilds og køre ved at starte udviklingsserveren ved brug af denne kommando:

    uv run python start_with_generic_host.py

Tilføj Microsoft 365-værktøjer (MCP-servere)

Du kan udforske og administrere MCP-servere ved hjælp af a365-udviklerkommandoerne i CLI.

Når du arbejder med MCP-servere, kan du:

  • Find ud af, hvilke MCP-servere der er tilgængelige til brug
  • Føj en eller flere MCP-servere til din agents konfiguration
  • Gennemse de MCP-servere, der er konfigureret i øjeblikket
  • Fjern MCP-servere, du ikke længere har brug for

Når MCP-servere er tilføjet, udvides din agents værktøjsmanifest til at omfatte poster, der ligner:

{
   "mcpServers": [
      {
         "mcpServerName": "mcp_MailTools",
         "mcpServerUniqueName": "mcp_MailTools",
         "scope": "McpServers.Mail.All",
         "audience": "api://00001111-aaaa-2222-bbbb-3333cccc4444"
      }
   ]
}

Få mere at vide om, hvordan du tilføjer og administrerer værktøjer

Meddelelsesabonnement og håndtering

Eksempelagenten abonnerer på alle Agent 365 SDK-meddelelser ved hjælp af onAgentNotification("*") og distribuerer dem til en enkelt handler. Denne handler gør det muligt for agenten at reagere på baggrunds- eller systemhændelser og ikke kun direkte brugermeddelelser.

Få mere at vide om, hvordan du giver agenter besked

Følgende kode viser, hvordan meddelelsen er konfigureret i agent.py filen.

if notification_type == NotificationTypes.EMAIL_NOTIFICATION: 
if not hasattr(notification_activity, "email") or not notification_activity.email: return "I could not find the email notification details."
email = notification_activity.email
email_body = getattr(email, "html_body", "") or getattr(email, "body", "")

message = (
    "You have received the following email. "
    "Please follow any instructions in it. "
    f"{email_body}"
)

result = await self.agent.run(message)
return self._extract_result(result) or "Email notification processed."

Observationsmulighed

Dette kodestykke viser de minimale ændringer, der er nødvendige for at gøre det muligt at observere i eksemplet. Det initialiserer Agent 365 Observability SDK og pakker hver agentaktivering i en InferenceScope, så input, output og metadata kan registreres automatisk.

Følgende kode viser et strømlinet eksempel på observationsmulighed i agent.py-filen.

def _enable_agentframework_instrumentation(self): 
"""Enable Agent Framework instrumentation.""" 
try: 
AgentFrameworkInstrumentor().instrument() 
logger.info("✅ Instrumentation enabled")
 except Exception as e: 
logger.warning(f"⚠️ Instrumentation failed: {e}")

Denne kode er den fulde konfiguration af observationsmulighed, der kræves til Python + Agent Framework-eksemplet. Få mere at vide om observationsmulighed

Test din agent

Angiv de påkrævede miljøvariabler, vælg en godkendelsestilstand, og start agenten lokalt. Du kan teste alt fra ende til anden med Agentteststed uden at skulle bruge en Microsoft 365-lejer, medmindre du vil publicere agenten og bruge den i apps som Teams eller Outlook.

Oversigt over testtrin

  • Føj dine API-nøgler og modelindstillinger til en .env fil, så eksemplet kan tale med en LLM.
  • Vælg godkendelsestilstand. I forbindelse med lokal udvikling understøtter eksemplet Agentbaseret godkendelse ved hjælp af værdier, der er oprettet ud fra din agentskabelon.
  • Start agenten lokalt, hvilket viser den for værktøjer som Agentteststed.
  • Brug Agentteststed til at teste meddelelser, værktøjer og meddelelser uden at konfigurere en lejer eller udrulle noget.
  • Når du er klar til den virkelige verden, kan du publicere en Microsoft 365-lejer og teste agenten i Teams, Outlook eller andre Microsoft 365-brugerflader.

Få mere at vide om test

Publicer din agent

Når din agent er klar til faktiske Microsoft 365-oplevelser som Teams-chats, Outlook-meddelelser eller Word @mentions, publicerer du den til en Microsoft 365-lejer. Agent 365 CLI-kommandoen publish håndterer pakningen: Den opdaterer dit manifest, samler alt og uploader agenten til Microsoft Administration.

Under publicering skal du gennemse og tilpasse agentens navn, beskrivelse, ikoner og version, før du fuldfører overførslen. Når din agent er publiceret, bliver den synlig og kan installeres i lejeren.

Du kan få vist publicerede agenter her: https://admin.cloud.microsoft/#/agents/all

Få mere at vide om hele arbejdsprocessen og trinvise instruktioner

  • Last updated on