Freigeben über

Microsoft Agent Framework

Agent Framework bietet zwei hauptkategorien von Funktionen:

Description
Agenten Einzelne Agents, die LLMs verwenden, um Eingaben zu verarbeiten, Tools und MCP-Server aufzurufen und Antworten zu generieren. Unterstützt Azure OpenAI, OpenAI, Anthropic, Ollama und vieles mehr.
Workflows Graphbasierte Workflows, die Agenten und Funktionen für mehrstufige Aufgaben mit typsicherem Routing, Checkpoints und Human-in-the-Loop-Unterstützung verbinden.

Das Framework bietet auch grundlegende Bausteine, einschließlich Modellclients (Chatabschluss und Antworten), eine Agentsitzung für die Zustandsverwaltung, Kontextanbieter für Agent-Speicher, Middleware zum Abfangen von Agentaktionen und MCP-Clients für die Toolintegration. Diese Komponenten bieten Ihnen gemeinsam die Flexibilität und Leistungsfähigkeit, interaktive, robuste und sichere KI-Anwendungen zu erstellen.

Get started

dotnet add package Azure.AI.OpenAI --prerelease
dotnet add package Azure.Identity
dotnet add package Microsoft.Agents.AI.OpenAI --prerelease

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

AIAgent agent = new AzureOpenAIClient(
        new Uri(Environment.GetEnvironmentVariable("AZURE_OPENAI_ENDPOINT")!),
        new AzureCliCredential())
    .GetChatClient("gpt-4o-mini")
    .AsAIAgent(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 --pre

    credential = AzureCliCredential()
    client = AzureOpenAIResponsesClient(
        project_endpoint=os.environ["AZURE_AI_PROJECT_ENDPOINT"],
        deployment_name=os.environ["AZURE_OPENAI_RESPONSES_DEPLOYMENT_NAME"],
        credential=credential,
    )

    agent = client.as_agent(
        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}")

Das ist es – ein Agent, der eine LLM aufruft und eine Antwort zurückgibt. Von hier aus können Sie Tools, Multi-Turn-Unterhaltungen, Middleware und Workflows hinzufügen, um Produktionsanwendungen zu erstellen.

Erste Schritte – vollständiges Lernprogramm

Wann sollten Agents im Vergleich zu Workflows verwendet werden?

Verwenden Sie einen Agent, wenn... Verwenden Sie einen Workflow, wenn...
Die Aufgabe ist offen oder konversationell. Der Prozess verfügt über klar definierte Schritte.
Sie benötigen autonome Werkzeugnutzung und -planung Sie benötigen eine explizite Kontrolle über die Ausführungsreihenfolge.
Ein einzelner LLM-Aufruf (möglicherweise mit Tools) reicht aus. Mehrere Agents oder Funktionen müssen koordinieren

Wenn Sie eine Funktion schreiben können, um die Aufgabe zu verarbeiten, führen Sie dies aus, anstatt einen KI-Agent zu verwenden.

Warum Agent Framework?

Agent Framework kombiniert die einfachen Agentabstraktionen von AutoGen mit den Enterprise-Features des semantischen Kernels – sitzungsbasierte Zustandsverwaltung, Typsicherheit, Middleware, Telemetrie – und fügt graphbasierte Workflows für die explizite Multi-Agent-Orchestrierung hinzu.

Semantischer Kernel und AutoGen haben die Konzepte von KI-Agents und Multi-Agent-Orchestrierung pioniert. Das Agent Framework ist der direkte Nachfolger, der von denselben Teams erstellt wurde. Es kombiniert die einfachen Abstraktionen von AutoGen für Einzel- und Multi-Agent-Muster mit den Features des semantischen Kernels auf Unternehmensniveau, z. B. sitzungsbasierte Zustandsverwaltung, Typsicherheit, Filter, Telemetrie und umfangreiche Modell- und Einbettungsunterstützung. Neben der Integration der beiden führt das Agent-Framework Workflows ein, die Entwicklern explizite Kontrolle über Multiagenten-Ausführungspfade geben, sowie ein robustes Zustandsverwaltungssystem für lang andauernde und Mensch-in-der-Schleife-Szenarien. Kurz gesagt, Agent Framework ist die nächste Generation von Semantic Kernel und AutoGen.

Weitere Informationen zum Migrieren von Semantic Kernel oder AutoGen finden Sie im Migrationshandbuch vom Semantic Kernel und dem Migrationshandbuch vom AutoGen.

Sowohl der semantische Kernel als auch autoGen haben von der Open-Source-Community profitiert, und das gleiche wird für Das Agent Framework erwartet. Microsoft Agent Framework begrüßt Beiträge und verbessert weiterhin neue Features und Funktionen.

Hinweis

Microsoft Agent Framework befindet sich derzeit in der öffentlichen Vorschau. Bitte übermitteln Sie Feedback oder Probleme im GitHub-Repository.

Von Bedeutung

Wenn Sie Microsoft Agent Framework verwenden, um Anwendungen zu erstellen, die mit Servern oder Agents von Drittanbietern arbeiten, tun Sie dies auf eigene Gefahr. Es wird empfohlen, alle Daten zu überprüfen, die mit Servern oder Agenten von Drittanbietern geteilt werden und sich der Praktiken von Drittanbietern zur Aufbewahrung und zum Speicherort ihrer Daten bewusst zu sein. Es liegt in Ihrer Verantwortung, zu verwalten, ob Ihre Daten außerhalb der Azure-Compliance- und geografischen Grenzen Ihrer Organisation und alle damit verbundenen Auswirkungen fließen.

Nächste Schritte

Schritt 1: Ihr erster Agent

Gehen Sie tiefer:

  • Last updated on