Partager via

Microsoft Agent Framework

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 Azure OpenAI, OpenAI, Anthropic, Ollama, etc.
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 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}")

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.

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 du 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.

Le noyau sémantique et AutoGen ont 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 de AutoGen pour les modèles à agent unique et multi-agent avec les fonctionnalités de niveau entreprise du 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 du noyau sémantique et de l’autogen.

Pour en savoir plus sur la migration à partir d’un noyau sémantique ou d’AutoGen, consultez le Guide de migration à partir du noyau sémantique et du guide de migration à partir d’AutoGen.

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

Note

Microsoft Agent Framework est actuellement en préversion publique. Envoyez des commentaires ou des problèmes sur le dépôt GitHub.

Important

Si vous utilisez Microsoft Agent Framework pour créer des applications qui fonctionnent avec des serveurs ou des agents tiers, vous le faites à votre propre risque. Nous vous recommandons d’examiner toutes les données partagées avec des serveurs ou agents tiers et de connaître les pratiques tierces pour la rétention et l’emplacement des données. Il est de votre responsabilité de gérer si vos données circuleront en dehors des limites géographiques et de conformité Azure de votre organisation et des implications connexes.

Prochaines étapes

Étape 1 : Votre premier agent

Aller plus loin :

  • Last updated on