Ügynökök a munkafolyamatokban

Ez az oktatóanyag bemutatja, hogyan integrálhatók az AI-ügynökök munkafolyamatokba az Agent Framework használatával. Megtudhatja, hogyan hozhat létre olyan munkafolyamatokat, amelyek a speciális AI-ügynökök előnyeit használják ki tartalomlétrehozáshoz, áttekintéshez és egyéb együttműködési feladatokhoz.

Mit fog felépíteni?

Létre fog hozni egy munkafolyamatot, amely:

Intelligens ügynökök létrehozása az Azure Foundry Agent Service használatával
Francia fordítóügynököt implementál, amely a bemenetet francia nyelvre fordítja le
Implementál egy spanyol fordítóügynököt, amely franciát fordít spanyolra
Implementál egy angol fordítóügynököt, amely a spanyolt angolra fordítja vissza
Ügynökök csatlakoztatása szekvenciális munkafolyamatban
Valós idejű frissítések streamelése, miközben az ügynökök kérdéseket dolgoznak fel.
Az Azure Foundry-ügynökök megfelelő erőforrás-tisztításának bemutatása

A tárgyalt fogalmak

Előfeltételek

.NET 8.0 SDK vagy újabb
Az Azure Foundry szolgáltatás végpontja és üzembe helyezése konfigurálva
Az Azure CLI telepítve és hitelesítve (az Azure hitelesítő adatokkal való hitelesítéshez)
Új konzolalkalmazás

1. lépés: NuGet-csomagok telepítése

Először telepítse a szükséges csomagokat a .NET-projekthez:

dotnet add package Azure.AI.Agents.Persistent --prerelease
dotnet add package Azure.Identity
dotnet add package Microsoft.Agents.AI.AzureAI --prerelease
dotnet add package Microsoft.Agents.AI.Workflows --prerelease

2. lépés: Az Azure Foundry-ügyfél beállítása

Az Azure Foundry-ügyfél konfigurálása környezeti változókkal és hitelesítéssel:

using System;
using System.Threading.Tasks;
using Azure.AI.Agents.Persistent;
using Azure.Identity;
using Microsoft.Agents.AI;
using Microsoft.Agents.AI.Workflows;
using Microsoft.Extensions.AI;

public static class Program
{
    private static async Task Main()
    {
        // Set up the Azure Foundry client
        var endpoint = Environment.GetEnvironmentVariable("AZURE_FOUNDRY_PROJECT_ENDPOINT") ?? throw new Exception("AZURE_FOUNDRY_PROJECT_ENDPOINT is not set.");
        var model = Environment.GetEnvironmentVariable("AZURE_FOUNDRY_PROJECT_MODEL_ID") ?? "gpt-4o-mini";
        var persistentAgentsClient = new PersistentAgentsClient(endpoint, new AzureCliCredential());

3. lépés: Az Agent Factory metódus létrehozása

Implementáljon egy segédmetódust az Azure Foundry-ügynökök létrehozásához a következő útmutatással:

    /// <summary>
    /// Creates a translation agent for the specified target language.
    /// </summary>
    /// <param name="targetLanguage">The target language for translation</param>
    /// <param name="persistentAgentsClient">The PersistentAgentsClient to create the agent</param>
    /// <param name="model">The model to use for the agent</param>
    /// <returns>A ChatClientAgent configured for the specified language</returns>
    private static async Task<ChatClientAgent> GetTranslationAgentAsync(
        string targetLanguage,
        PersistentAgentsClient persistentAgentsClient,
        string model)
    {
        var agentMetadata = await persistentAgentsClient.Administration.CreateAgentAsync(
            model: model,
            name: $"{targetLanguage} Translator",
            instructions: $"You are a translation assistant that translates the provided text to {targetLanguage}.");

        return await persistentAgentsClient.GetAIAgentAsync(agentMetadata.Value.Id);
    }
}

4. lépés: Specializált Azure Foundry-ügynökök létrehozása

Hozzon létre három fordítóügynököt a segédmetódus használatával:

        // Create agents
        AIAgent frenchAgent = await GetTranslationAgentAsync("French", persistentAgentsClient, model);
        AIAgent spanishAgent = await GetTranslationAgentAsync("Spanish", persistentAgentsClient, model);
        AIAgent englishAgent = await GetTranslationAgentAsync("English", persistentAgentsClient, model);

5. lépés: A munkafolyamat létrehozása

Csatlakoztassa az ügynököket egy szekvenciális munkafolyamatban a WorkflowBuilder használatával:

        // Build the workflow by adding executors and connecting them
        var workflow = new WorkflowBuilder(frenchAgent)
            .AddEdge(frenchAgent, spanishAgent)
            .AddEdge(spanishAgent, englishAgent)
            .Build();

6. lépés: Végrehajtás streameléssel

Futtassa a munkafolyamatot streameléssel az összes ügynök valós idejű frissítéseinek megfigyeléséhez:

        // Execute the workflow
        await using StreamingRun run = await InProcessExecution.StreamAsync(workflow, new ChatMessage(ChatRole.User, "Hello World!"));

        // Must send the turn token to trigger the agents.
        // The agents are wrapped as executors. When they receive messages,
        // they will cache the messages and only start processing when they receive a TurnToken.
        await run.TrySendMessageAsync(new TurnToken(emitEvents: true));
        await foreach (WorkflowEvent evt in run.WatchStreamAsync().ConfigureAwait(false))
        {
            if (evt is AgentRunUpdateEvent executorComplete)
            {
                Console.WriteLine($"{executorComplete.ExecutorId}: {executorComplete.Data}");
            }
        }

7. lépés: Erőforrás-karbantartás

Az Azure Foundry-ügynökök megfelelő tisztítása használat után:

        // Cleanup the agents created for the sample.
        await persistentAgentsClient.Administration.DeleteAgentAsync(frenchAgent.Id);
        await persistentAgentsClient.Administration.DeleteAgentAsync(spanishAgent.Id);
        await persistentAgentsClient.Administration.DeleteAgentAsync(englishAgent.Id);
    }

Hogyan működik?

Azure Foundry-ügyfél beállítása: Azure CLI-hitelesítő adatokkal történő hitelesítés PersistentAgentsClient
Ügynöklétrehozás: Állandó ügynököket hoz létre az Azure Foundryben a fordításra vonatkozó konkrét utasítások segítségével
Szekvenciális feldolgozás: a francia ügynök először a bemenetet, majd a spanyol ügynököt, majd az angol ügynököt fordítja le
Váltás token minta: Az egységek tárolják az üzeneteket, és csak akkor dolgozzák fel, ha kapnak egy TurnToken
Streamelési frissítések: AgentRunUpdateEvent valós idejű token frissítéseket biztosít az ügynökök válaszának generálásakor
Erőforrás-kezelés: Az Azure Foundry-ügynökök megfelelő tisztítása a Felügyeleti API használatával

Alapfogalmak

Azure Foundry Agent Service: Felhőalapú AI-ügynökök speciális érvelési képességekkel
PersistentAgentsClient: Ügyfél ügynökök létrehozására és kezelésére az Azure Foundryben
AgentRunUpdateEvent: Valós idejű streamelési frissítések az ügynök végrehajtása során
TurnToken: Az ügynökfeldolgozást az üzenet gyorsítótárazása után aktiváló jel
Szekvenciális munkafolyamat: Olyan folyamathoz csatlakoztatott ügynökök, ahol a kimeneti folyamatok egyikről a másikra haladnak

Implementáció befejezése

Az Azure Foundry-ügynökök munkafolyamatának teljes körű megvalósításáért tekintse meg a FoundryAgent Program.cs mintát az Agent Framework-adattárban.

Mit fog felépíteni?

Létre fog hozni egy munkafolyamatot, amely:

Intelligens ügynökök létrehozása az Azure AI Agent Service használatával
Olyan Íróügynököt implementál, amely kérések alapján hoz létre tartalmat
Egy véleményező ügynököt implementál, amely visszajelzést ad a tartalomról
Ügynökök csatlakoztatása szekvenciális munkafolyamatban
Valós idejű frissítések streamelése, miközben az ügynökök kérdéseket dolgoznak fel.
Bemutatja az Azure AI-ügyfelek megfelelő aszinkron környezetkezelését

A tárgyalt fogalmak

Előfeltételek

Python 3.10 vagy újabb
Telepített Ügynök-keretrendszer: pip install agent-framework-azure-ai --pre
Megfelelő környezeti változókkal konfigurált Azure AI Agent Service
Azure CLI-hitelesítés: az login

1. lépés: Kötelező függőségek importálása

Először importálja az Azure AI-ügynökökhöz és munkafolyamatokhoz szükséges összetevőket:

import asyncio
from collections.abc import Awaitable, Callable
from contextlib import AsyncExitStack
from typing import Any

from agent_framework import AgentRunUpdateEvent, WorkflowBuilder, WorkflowOutputEvent
from agent_framework.azure import AzureAIAgentClient
from azure.identity.aio import AzureCliCredential

2. lépés: Az Azure AI Agent Factory létrehozása

Hozzon létre egy segédfüggvényt az Azure AI-ügynökök létrehozásának megfelelő aszinkron környezetkezeléssel történő kezeléséhez:

async def create_azure_ai_agent() -> tuple[Callable[..., Awaitable[Any]], Callable[[], Awaitable[None]]]:
    """Helper method to create an Azure AI agent factory and a close function.

    This makes sure the async context managers are properly handled.
    """
    stack = AsyncExitStack()
    cred = await stack.enter_async_context(AzureCliCredential())

    client = await stack.enter_async_context(AzureAIAgentClient(async_credential=cred))

    async def agent(**kwargs: Any) -> Any:
        return await stack.enter_async_context(client.create_agent(**kwargs))

    async def close() -> None:
        await stack.aclose()

    return agent, close

3. lépés: Speciális Azure AI-ügynökök létrehozása

Hozzon létre két speciális ügynököt a tartalom létrehozásához és áttekintéséhez:

async def main() -> None:
    agent, close = await create_azure_ai_agent()
    try:
        # Create a Writer agent that generates content
        writer = await agent(
            name="Writer",
            instructions=(
                "You are an excellent content writer. You create new content and edit contents based on the feedback."
            ),
        )

        # Create a Reviewer agent that provides feedback
        reviewer = await agent(
            name="Reviewer",
            instructions=(
                "You are an excellent content reviewer. "
                "Provide actionable feedback to the writer about the provided content. "
                "Provide the feedback in the most concise manner possible."
            ),
        )

4. lépés: A munkafolyamat létrehozása

Csatlakoztassa az ügynököket szekvenciális munkafolyamatban a fluent builder használatával:

        # Build the workflow with agents as executors
        workflow = WorkflowBuilder().set_start_executor(writer).add_edge(writer, reviewer).build()

5. lépés: Végrehajtás streameléssel

Futtassa a munkafolyamatot streameléssel a két ügynök valós idejű frissítéseinek megfigyeléséhez:

        last_executor_id: str | None = None

        events = workflow.run_stream("Create a slogan for a new electric SUV that is affordable and fun to drive.")
        async for event in events:
            if isinstance(event, AgentRunUpdateEvent):
                # Handle streaming updates from agents
                eid = event.executor_id
                if eid != last_executor_id:
                    if last_executor_id is not None:
                        print()
                    print(f"{eid}:", end=" ", flush=True)
                    last_executor_id = eid
                print(event.data, end="", flush=True)
            elif isinstance(event, WorkflowOutputEvent):
                print("\n===== Final output =====")
                print(event.data)
    finally:
        await close()

6. lépés: Fő függvény befejezése

A fő függvény minden elemének körbefuttatása megfelelő aszinkron végrehajtással:

if __name__ == "__main__":
    asyncio.run(main())

Hogyan működik?

Azure AI-ügyfél beállítása: Azure CLI-hitelesítő adatokkal történő hitelesítés AzureAIAgentClient
Ügynök-előállító minta: Létrehoz egy gyárfüggvényt, amely több ügynök aszinkron környezeti életciklusát kezeli
Szekvenciális feldolgozás: Az íróügynök először létrehozza a tartalmat, majd átadja azt a Véleményező ügynöknek
Streamelési frissítések: AgentRunUpdateEvent valós idejű token frissítéseket biztosít az ügynökök válaszának generálásakor
Környezetkezelés: Az Azure AI erőforrások megfelelő tisztítása a AsyncExitStack használatával.

Alapfogalmak

Azure AI Agent Service: Felhőalapú AI-ügynökök speciális érvelési képességekkel
AgentRunUpdateEvent: Valós idejű streamelési frissítések az ügynök végrehajtása során
AsyncExitStack: Megfelelő aszinkron környezetkezelés több erőforráshoz
Ügynök-előállító minta: Újrahasználható ügynök létrehozása megosztott ügyfélkonfigurációval
Szekvenciális munkafolyamat: Olyan folyamathoz csatlakoztatott ügynökök, ahol a kimeneti folyamatok egyikről a másikra haladnak

Implementáció befejezése

Az Azure AI-ügynökök munkafolyamatának teljes körű megvalósításáért tekintse meg az Ügynök keretrendszer adattárában található azure_ai_agents_streaming.py mintát.

Következő lépések

Tudjon meg többet a munkafolyamatok ágaztatásáról

Visszacsatolás

Hasznos volt ez az oldal?

Last updated on 2025-11-21

Megosztás:

Ügynökök a munkafolyamatokban

Mit fog felépíteni?

A tárgyalt fogalmak

Előfeltételek

1. lépés: NuGet-csomagok telepítése

2. lépés: Az Azure Foundry-ügyfél beállítása

3. lépés: Az Agent Factory metódus létrehozása

4. lépés: Specializált Azure Foundry-ügynökök létrehozása

5. lépés: A munkafolyamat létrehozása

6. lépés: Végrehajtás streameléssel

7. lépés: Erőforrás-karbantartás

Hogyan működik?

Alapfogalmak

Implementáció befejezése

Mit fog felépíteni?

A tárgyalt fogalmak

Előfeltételek

1. lépés: Kötelező függőségek importálása

2. lépés: Az Azure AI Agent Factory létrehozása

3. lépés: Speciális Azure AI-ügynökök létrehozása

4. lépés: A munkafolyamat létrehozása

5. lépés: Végrehajtás streameléssel

6. lépés: Fő függvény befejezése

Hogyan működik?

Alapfogalmak

Implementáció befejezése

Következő lépések

Visszacsatolás

További források