Partager via

Infrastructure de l’agent Microsoft

Agent Framework offre deux catégories principales de fonctionnalités :

Descriptif
Agents Les agents individuels qui utilisent les LLMs pour traiter les entrées, appeler les outils et les serveurs MCP, et générer des réponses. Prend en charge Microsoft Foundry, Anthropic, Azure OpenAI, OpenAI, Ollama et more.
Workflows Les flux de travail basés sur graphe qui connectent les agents et les fonctions pour les tâches en plusieurs étapes avec le routage sécurisé par type, le point de contrôle et l'intégration de l'humain dans la boucle.

L’infrastructure fournit également des blocs de construction fondamentaux, notamment les clients de modèle (achèvement de conversation et réponses), une session d’agent pour la gestion de l’état, des fournisseurs de contexte pour la mémoire de l’agent, le middleware pour intercepter les actions de l’agent et les clients MCP pour l’intégration des outils. Ensemble, ces composants vous offrent la flexibilité et la puissance nécessaires pour créer des applications IA interactives, robustes et sécurisées.

Get started

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.foundry import FoundryChatClient
    from azure.identity import AzureCliCredential

    credential = AzureCliCredential()
    client = FoundryChatClient(
        project_endpoint="https://your-foundry-service.services.ai.azure.com/api/projects/your-foundry-project",
        model="gpt-5.4-mini",
        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}")

Voilà, un agent qui appelle un LLM et retourne une réponse. À partir de là, vous pouvez ajouter des outils, des conversations multitours, des intergiciels et des flux de travail pour créer des applications de production.

Note

Agent Framework ne charge .env automatiquement les fichiers. Pour utiliser un .env fichier, appelez load_dotenv() au début de votre application ou définissez des variables d’environnement directement dans votre interpréteur de commandes ou ide.

Prise en main : didacticiel complet

Quand utiliser des agents et des workflows

Utiliser un agent quand... Utiliser un flux de travail quand...
La tâche est ouverte ou conversationnelle Le processus comporte des étapes bien définies
Vous avez besoin d’une utilisation et d’une planification d’outils autonomes Vous avez besoin d’un contrôle explicite sur l’ordre d’exécution
Un seul appel LLM (éventuellement avec des outils) suffit Plusieurs agents ou fonctions doivent coordonner

Si vous pouvez écrire une fonction pour gérer la tâche, faites-le au lieu d’utiliser un agent IA.

Pourquoi Agent Framework ?

Agent Framework combine les abstractions d'agent simples d'AutoGen avec les fonctionnalités d'entreprise de Noyau sémantique ( gestion de l'état basé sur les sessions, sécurité des types, intergiciels, télémétrie) et ajoute des flux de travail basés sur des graphiques pour l'orchestration explicite multi-agent.

Noyau sémantique et AutoGen a lancé les concepts des agents IA et de l’orchestration multi-agent. Agent Framework est le successeur direct, créé par les mêmes équipes. Il combine les abstractions simples d'AutoGen pour les modèles à agent unique et multi-agent avec les fonctionnalités de niveau entreprise de Noyau sémantique telles que la gestion de l'état basé sur les sessions, la sécurité des types, les filtres, la télémétrie et la prise en charge étendue du modèle et de l'incorporation. Au-delà de la fusion des deux, Agent Framework introduit des flux de travail qui donnent aux développeurs un contrôle explicite sur les chemins d’exécution multi-agent, ainsi qu’un système de gestion d’état robuste pour les scénarios à long terme et en boucle humaine. En bref, Agent Framework est la prochaine génération de Noyau sémantique et autoGen.

Pour en savoir plus sur la migration à partir de Noyau sémantique ou d’AutoGen, consultez le guide Migration de Noyau sémantique et Guide de migration automatique.

Les deux Noyau sémantique et AutoGen ont considérablement bénéficié de la communauté open source, et la même chose est attendue pour Agent Framework. Le Framework Microsoft Agent accueille les contributions et continuera à s’améliorer avec de nouvelles fonctionnalités et capacités.

Important

Si vous utilisez Microsoft Agent Framework pour créer des applications qui fonctionnent avec des serveurs tiers, des agents, du code ou des modèles directs non Azure (« systèmes tiers »), vous le faites à votre propre risque. Les systèmes tiers sont des produits non Microsoft sous les conditions du produit Microsoft et sont régis par leurs propres termes de licence tiers. Vous êtes responsable de l’utilisation et des coûts associés.

Nous vous recommandons d’examiner toutes les données partagées avec et reçues de systèmes tiers et d’être conscients des pratiques tierces pour la gestion, le partage, la rétention et l’emplacement des données. Il est de votre responsabilité de gérer si vos données circuleront en dehors des limites de conformité et géographiques d'Azure de votre organisation, ainsi que toute implication associée, et de veiller à ce que les autorisations, limites et approbations appropriées soient mises en place.

Vous êtes chargé d’examiner et de tester soigneusement les applications que vous créez à l’aide de Microsoft Agent Framework dans le contexte de vos cas d’usage spécifiques et de prendre toutes les décisions et personnalisations appropriées. Cela inclut l’implémentation de vos propres atténuations d’IA responsables, telles que les métaprompts, les filtres de contenu ou d’autres systèmes de sécurité, et la garantie que vos applications répondent aux normes de qualité, de fiabilité, de sécurité et de fiabilité appropriées. Voir aussi : Faq sur la transparence

Prochaines étapes

Étape 1 : Votre premier agent

Aller plus loin :

  • Last updated on