.NET + KI-Ökosystemtools und SDKs

Das .NET-Ökosystem bietet viele leistungsstarke Tools, Bibliotheken und Dienste zum Entwickeln von KI-Anwendungen. .NET unterstützt sowohl Cloudverbindungen als auch lokale KI-Modellverbindungen, viele verschiedene SDKs für verschiedene KI- und Vektordatenbankdienste und andere Tools, mit denen Sie intelligente Apps unterschiedlicher Umfang und Komplexität erstellen können.

Entscheiden, welches Tool verwendet werden soll

In der folgenden Tabelle wird empfohlen, welche Technologie auf der Grundlage verschiedener Ziele verwendet werden soll.

Ziel	Zu verwendende Technologie
Hinzufügen eines KI-Verhaltens zu einer App	Verwenden Sie Microsoft.Extensions.AI Library (MEAI). Fügen Sie Evaluations hinzu, sobald Sie etwas haben, das es sich zu messen lohnt.
Arbeiten Sie mit Ihren eigenen Daten	Verwenden Sie Microsoft.Extensions.DataIngestion (MEDI), um Inhalte zu lesen, zu segmentieren oder anzureichern. Verwenden Sie dann Microsoft. Extensions.VectorData (MEVD) zum Speichern und Abrufen von Vektoren.
Funktionen über KI-Clients hinweg freigeben oder nutzen	Verwenden Sie einen MCP-Server, um Fähigkeiten bereitzustellen, oder einen MCP-Client, um diese zu nutzen.
Erstellen eines agentischen Systems	Verwenden Sie Copilot SDK für einen vorgefertigten Gurt oder Microsoft Agent Framework für mehrstufige Zielverfolgung, Routing oder Handoffs.
Auswählen eines Hosting- oder Ausführungsmodells	Verwenden Sie Azure AI Foundry für die verwaltete Cloud, Foundry Local für lokal ausgerichtete oder datenschutzsensible Ausführung und Aspire für verteilte Systeme mit mehreren Diensten.
Verbessern des Entwicklerworkflows	Verwenden Sie AI Toolkit.

Die meisten KI-Produktionsanwendungen kombinieren mehrere Komponenten:

• Chat- oder Zusammenfassungs-App: MEAI + Auswertungen
• RAG-Anwendung: MEDI + MEVD + MEAI
• Multi-Agent-System: MEAI + MAF + Aspire
• Toolinteroperabilität: MEAI + MCP Server + MCP Client
• Enterprise Cloud-App: MEAI + Azure AI Foundry + Aspire
• Local-first-App: MEAI + Foundry Local + AI Toolkit (Entwicklung)

Verwenden Sie diese praktischen Regeln, um schnell auszuwählen:

• Beginnen Sie mit Microsoft.Extensions.AI für die meisten KI-Features auf App-Ebene.
• Fügen Sie Microsoft.Extensions.DataIngestion und Microsoft.Extensions.VectorData hinzu, wenn Sie Antworten mit Ihren eigenen Daten geerdet haben.
• Verwenden Sie MCP, wenn Funktionen über Prozess- oder Produktgrenzen hinweg gemeinsam genutzt werden müssen.
• Wechseln Sie zum Agent-Framework, wenn Eingabeaufforderungen zu mehrstufigen Workflows werden.
• Fügen Sie Auswertungen hinzu, sobald das Verhalten nützlich genug ist, um Regressionen zu messen und zu schützen.

Microsoft.Extensions.AI-Bibliotheken

Microsoft.Extensions.AI ist ein Satz von .NET-Kernbibliotheken, die eine einheitliche Ebene von C#-Abstraktionen für die Interaktion mit KI-Diensten bereitstellen, z. B. kleine und große Sprachmodelle (SLMs und LLMs), Einbettungen und Middleware. Diese APIs wurden in Zusammenarbeit mit Entwicklern im .NET-Ökosystem erstellt. Die Low-Level-APIs, wie IChatClient und IEmbeddingGenerator<TInput,TEmbedding>, wurden aus dem Semantischer Kernel extrahiert und in den Microsoft.Extensions.AI Namespace verschoben.

Microsoft.Extensions.AI bietet Abstraktionen, die von verschiedenen Diensten implementiert werden können, wobei alle den gleichen Kernkonzepten entsprechen. Diese Bibliothek soll keine APIs bereitstellen, die auf die Dienste eines bestimmten Anbieters zugeschnitten sind. Ziel ist Microsoft.Extensions.AI es, als vereinheitlichende Ebene innerhalb des .NET-Ökosystems zu fungieren, sodass Entwickler ihre bevorzugten Frameworks und Bibliotheken auswählen und gleichzeitig eine nahtlose Integration und Zusammenarbeit im gesamten Ökosystem gewährleisten können.

MEAI bietet .NET Entwicklern eine saubere Abstraktion für die Modellinteraktion. Es passt natürlich in Abhängigkeitsinjektion, Konfiguration und vorhandene App-Architekturen und ist die übliche erste Ebene einer KI-fähigen .NET Anwendung.

Meai allein ist kein Agent-Framework. Ein einseitiger Anruf, eine Chatfunktion oder eine Toolanrufschleife kann mit MEAI erstellt werden, ohne "agentisch" zu werden. Wenn das System eine zielorientierte, mehrstufige Orchestrierung benötigt, verwenden Sie stattdessen MAF .

Weitere Informationen finden Sie unter Microsoft.Extensions.AI Übersicht.

Auswertungsbibliotheken

Die Microsoft. Extensions.AI.Evaluation library ist die Qualitäts- und Regressionsebene für KI-Features, die mit dem .NET KI-Stapel erstellt wurden. Das KI-Verhalten ändert sich rasch, wenn sich Prompts, Modelle und Tools weiterentwickeln. Die Auswertungsbibliothek bietet Teams eine wiederholbare Möglichkeit, Ausgaben zu vergleichen und Regressionen abzufangen.

Weitere Informationen finden Sie unter Microsoft. Extensions.AI.Evaluation libraries.

Microsoft.Extensions.DataIngestion (MEDI)

Microsoft. Extensions.DataIngestion ist die Aufnahme- und Vorbereitungsebene für KI-fähige Daten in .NET.

Viele KI-Apps schlagen vor dem Abrufen fehl, da Daten unübersichtlich, überdimensional oder schlecht strukturiert sind. Die Aufnahmequalität wirkt sich stark auf die nachgelagerte Antwortqualität aus. MEDI bereitet die Daten auf und strukturiert sie so, dass MEVD oder ein anderer Datenspeicher sie später abfragen kann.

Weitere Informationen finden Sie unter "Datenaufnahme für KI-Apps".

Microsoft. Extensions.VectorData (MEVD)

Microsoft. Extensions.VectorData ist die Vektordatenspeicher- und Abrufschicht für semantische Suche, Ähnlichkeitssuche und Erdung in .NET KI-Apps.

MEVD bietet .NET Anwendungen eine konsistente Möglichkeit, mit Vektorspeichern zu arbeiten und hilft, Vektorspeicher- und Abrufbedenken von Modellaufrufen zu trennen.

Weitere Informationen finden Sie unter Vector Stores (Übersicht).

MCP-Server

Ein MCP-Server macht Funktionen wie Tools, Ressourcen oder Eingabeaufforderungen über das Modellkontextprotokoll verfügbar, sodass andere Assistenten, IDEs und Agents sie über ein Standardprotokoll ermitteln und verwenden können.

Ein MCP-Server wandelt App-Funktionen in wiederverwendbare KI-gerichtete Endpunkte um. Dadurch wird die Integration doppelter Tools über Assistenten hinweg reduziert und eine sauberere Grenze zwischen Funktionsanbietern und Funktionsanwendern geschaffen.

Bei einem MCP-Server geht es um Veröffentlichungsfunktionen . Wenn die Funktion nur in einer App verwendet wird, ist der normale Aufruf von In-Process-Funktionen einfacher.

MCP-Client

Ein MCP-Client ist die Verbraucherseite des Protokolls: Er stellt eine Verbindung mit MCP-Servern her und bringt seine verfügbar gemachten Funktionen in eine App, einen Assistenten oder eine Agent-Laufzeit ein.

Bei einem MCP-Client geht es um die Nutzung von Funktionen und nicht um die Veröffentlichung. Wenn alles, was die App benötigt, lokal und prozessintern ist, ist das aufrufen von normalen Funktionen oder Tools immer noch einfacher.

Weitere Informationen finden Sie unter "Erste Schritte mit MCP".

Microsoft Agent Framework (MAF)

Microsoft Agent Framework ist die Orchestrierungsebene für Systeme, die wirklich agentisch sind: Sie verfolgen ein Ziel über mehrere Schritte hinweg, treffen Entscheidungen auf dem Weg, verwenden Tools und koordinieren möglicherweise mehrere Agents.

Nicht jede KI-Funktion benötigt MAF. Wenn ein direkter MEAI-Aufruf oder eine einfache Toolanrufschleife das Problem löst, verwenden Sie einen einfacheren Ansatz. MAF ist wichtig, wenn die Orchestrierungskomplexität die wirkliche Herausforderung ist, nicht nur der Modellzugriff.

Weitere Informationen finden Sie unter Microsoft Agent Framework overview.

KI-Toolkit

AI Toolkit ist ein VS Code Erweiterungspaket für die KI-Entwicklung, das das Experimentieren mit Modellen, Eingabeaufforderungen, Agents und Auswertungen beschleunigt.

AI Toolkit ist nicht die Kernlaufzeitarchitektur für die Produktions-App. Es ergänzt MEAI, Evaluationen und Foundry Local.

Weitere Informationen finden Sie unter AI Toolkit für Visual Studio Code.

Copilot SDK

Copilot SDK ist ein vorgefertigtes Agenten-Framework und eine Laufzeitumgebung, die Tools, Kontext und das automatische Aufrufen von Tools von Haus aus bereitstellt.

Das Copilot SDK ist stärker vorgegeben und vorkonfiguriert als MEAI. Wenn Ihr Ziel eine vollständig benutzerdefinierte App-Architektur ist, kann die direkte MEAI- oder MAF-Komposition besser passen.

Weitere Informationen finden Sie im Copilot SDK-Repository.

Azure AI Foundry

Azure AI Foundry ist die verwaltete Cloudplattformebene für KI-Lösungen für Unternehmen mit zwei primären Funktionen: Modellverwaltung und gehostete Agents.

Azure AI Foundry ist nicht die anwendungsorientierte Programmierabstraktion; MEAI übernimmt diese Rolle weiterhin im .NET-Code. Azure AI Foundry wird zur richtigen Wahl, wenn die eigentliche Frage ist, wo das Modell ausgeführt wird und welchen Kontrollmechanismen es unterliegt.

Weitere Informationen finden Sie in der dokumentation Azure AI Foundry .

Gießerei Lokal

Foundry Local ist eine Option für lokale Entwicklung und Local-First-Bereitstellung für Teams, die KI-Workloads nah an der jeweiligen Maschine oder Einsatzumgebung halten müssen.

Foundry Local geht es um den Entwicklungs- und Bereitstellungspfad, nicht um die übergeordnete App-Architektur selbst. Lokal-zu-Cloud ist keine saubere 1:1-Verschiebung, daher erwarten Sie Unterschiede bei Features, Hostingmodell und Vorgängen.

Weitere Informationen finden Sie in der Dokumentation "Foundry Local".

Aspire

Aspire ist die Orchestrierungs-, Dienstverdrahtungs- und Observierbarkeitsebene für verteilte .NET Anwendungen, einschließlich KI-Systemen, die mehrere Dienste umfassen.

KI-Systeme sind oft nicht mehr „nur eine App“, sobald Retrieval, Tools, Gateways und Worker-Services beteiligt sind. Aspire hilft Teams, diese Teile verständlich und feststellbar zu halten, und ihre visuellen Elemente erleichtern das Nachverfolgen von KI-Flüssen über Dienste hinweg.

Aspire ist nicht speziell die KI-Laufzeit; es ist die Multi-Service-Anwendungsschicht um sie herum. Es ersetzt nicht MEAI, MAF oder Azure AI Foundry .

Weitere Informationen finden Sie in der Aspire Dokumentation.