Remarque
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de modifier des répertoires.
L’application DojoAG-UI fournit un environnement interactif pour tester et explorer les agents Microsoft Agent Framework qui implémentent le protocole AG-UI. Dojo offre une interface visuelle pour se connecter à vos agents et interagir avec toutes les 7 fonctionnalités de AG-UI.
Prerequisites
Avant de commencer, vérifiez que vous disposez des points suivants :
- Python 3.10 ou version ultérieure
- uv pour la gestion des dépendances
- Une clé API OpenAI ou un point de terminaison Azure OpenAI
- Node.js et pnpm (pour l’exécution du front-end Dojo)
Installation
1. Clonez le référentiel AG-UI
Tout d’abord, clonez le référentiel AG-UI qui contient les exemples d’intégration de l’application Dojo et de Microsoft Agent Framework :
git clone https://github.com/ag-oss/ag-ui.git
cd ag-ui
2. Accédez au répertoire Examples
cd integrations/microsoft-agent-framework/python/examples
3. Installer les dépendances Python
Utilisez uv pour installer les dépendances requises.
uv sync
4. Configurer des variables d’environnement
Créez un .env fichier à partir du modèle fourni :
cp .env.example .env
Modifiez le fichier et ajoutez vos informations d’identification .env d’API :
# For OpenAI
OPENAI_API_KEY=your_api_key_here
OPENAI_CHAT_MODEL_ID="gpt-4.1"
# Or for Azure OpenAI
AZURE_OPENAI_ENDPOINT=your_endpoint_here
AZURE_OPENAI_API_KEY=your_api_key_here
AZURE_OPENAI_CHAT_DEPLOYMENT_NAME=your_deployment_here
Note
Si vous utilisez DefaultAzureCredential, à la place d'une api_key pour l'authentification, vérifiez que vous êtes authentifié auprès d’Azure (par exemple, via az login). Pour plus d’informations, consultez la documentation d’Azure Identity.
Exécution de l’application Dojo
1. Démarrer le serveur principal
Dans le répertoire des exemples, démarrez le serveur principal avec les exemples d’agents :
cd integrations/microsoft-agent-framework/python/examples
uv run dev
Le serveur démarre http://localhost:8888 par défaut.
2. Démarrez le serveur frontal Dojo
Ouvrez une nouvelle fenêtre de terminal, accédez à la racine du référentiel AG-UI, puis au répertoire de l’application Dojo :
cd apps/dojo
pnpm install
pnpm dev
Le front-end Dojo sera disponible à l’adresse http://localhost:3000.
3. Se connecter à votre agent
Ouvrir
http://localhost:3000dans votre navigateurConfigurer l’URL du serveur pour
http://localhost:8888Sélectionnez « Microsoft Agent Framework (Python) » dans la liste déroulante
Commencer à explorer les exemples d’agents
Exemples d’agents disponibles
Les exemples d’intégration illustrent les 7 fonctionnalités AG-UI via différents points de terminaison d’agent :
| Point de terminaison | Caractéristique | Descriptif |
|---|---|---|
/agentic_chat |
Fonctionnalité 1 : Conversation agentique | Agent conversationnel de base avec appel d’outils |
/backend_tool_rendering |
Fonctionnalité 2 : Rendu de l’outil principal | Agent avec rendu UI personnalisé de l’outil |
/human_in_the_loop |
Fonctionnalité 3 : Humain dans la boucle | Agent avec flux de travail d’approbation |
/agentic_generative_ui |
Fonctionnalité 4 : interface utilisateur générative agentique | Agent qui décompose les tâches en étapes avec des mises à jour en temps réel |
/tool_based_generative_ui |
Fonctionnalité 5 : interface utilisateur générative basée sur les outils | Agent qui génère des composants d’interface utilisateur personnalisés |
/shared_state |
Fonctionnalité 6 : État partagé | Agent avec synchronisation d’état bidirectionnel |
/predictive_state_updates |
Fonctionnalité 7 : Mises à jour de l’état prédictif | Agent effectuant des mises à jour d'état prédictif pendant l'exécution de l'outil |
Tester vos propres agents
Pour tester vos propres agents avec Dojo :
1. Créer votre agent
Créez un agent en suivant le guide de prise en main :
from agent_framework import Agent
from agent_framework_azure_ai import AzureOpenAIChatClient
# Create your agent
chat_client = AzureOpenAIChatClient(
endpoint=os.getenv("AZURE_OPENAI_ENDPOINT"),
api_key=os.getenv("AZURE_OPENAI_API_KEY"),
deployment_name=os.getenv("AZURE_OPENAI_CHAT_DEPLOYMENT_NAME"),
)
agent = Agent(
name="my_test_agent",
chat_client=chat_client,
system_message="You are a helpful assistant.",
)
2. Ajouter l’agent à votre serveur
Dans votre application FastAPI, inscrivez le point de terminaison de l’agent :
from fastapi import FastAPI
from agent_framework_ag_ui import add_agent_framework_fastapi_endpoint
import uvicorn
app = FastAPI()
# Register your agent
add_agent_framework_fastapi_endpoint(
app=app,
path="/my_agent",
agent=agent,
)
if __name__ == "__main__":
uvicorn.run(app, host="127.0.0.1", port=8888)
3. Tester dans Dojo
- Démarrer votre serveur
- Ouvrir Dojo à l’adresse
http://localhost:3000 - Définir l’URL du serveur sur
http://localhost:8888 - Votre agent apparaît dans la liste déroulante du point de terminaison sous la forme « my_agent »
- Sélectionnez-le et commencez à tester
Structure du projet
Les exemples d’intégration du référentiel AG-UI suivent cette structure :
integrations/microsoft-agent-framework/python/examples/
├── agents/
│ ├── agentic_chat/ # Feature 1: Basic chat agent
│ ├── backend_tool_rendering/ # Feature 2: Backend tool rendering
│ ├── human_in_the_loop/ # Feature 3: Human-in-the-loop
│ ├── agentic_generative_ui/ # Feature 4: Streaming state updates
│ ├── tool_based_generative_ui/ # Feature 5: Custom UI components
│ ├── shared_state/ # Feature 6: Bidirectional state sync
│ ├── predictive_state_updates/ # Feature 7: Predictive state updates
│ └── dojo.py # FastAPI application setup
├── pyproject.toml # Dependencies and scripts
├── .env.example # Environment variable template
└── README.md # Integration examples documentation
Résolution des problèmes
Problèmes de connexion au serveur
Si Dojo ne peut pas se connecter à votre serveur :
- Vérifiez que le serveur s’exécute sur le port approprié (par défaut : 8888)
- Vérifiez que l’URL du serveur dans Dojo correspond à votre adresse de serveur
- Vérifiez qu’aucun pare-feu ne bloque la connexion
- Rechercher des erreurs CORS dans la console du navigateur
Agent qui n’apparaît pas
Si votre agent n’apparaît pas dans la liste déroulante Dojo :
- Vérifier que le point de terminaison de l’agent est enregistré correctement
- Vérifier les journaux du serveur pour toutes les erreurs de démarrage
- Vérifier que l’appel s’est
add_agent_framework_fastapi_endpointterminé correctement
Problèmes liés aux variables d’environnement
Si vous voyez des erreurs d’authentification :
- Vérifiez que votre
.envfichier se trouve dans le répertoire correct - Vérifier que toutes les variables d’environnement requises sont définies
- Vérifier que les clés d’API et les points de terminaison sont valides
- Redémarrez le serveur après avoir modifié les variables d’environnement
Étapes suivantes
- Explorer les exemples d’agents pour voir les modèles d’implémentation
- En savoir plus sur le rendu de l’outil principal pour personnaliser les interfaces utilisateur d’outil
Ressources additionnelles
À venir.