Kerangka Kerja Agen Microsoft

Agent Framework menawarkan dua kategori kemampuan utama:

Deskripsi
Agen Agen individual yang menggunakan LLM untuk memproses input, memanggil alat dan server MCP serta menghasilkan respons. Mendukung Microsoft Foundry, Anthropic, Azure OpenAI, OpenAI, Ollama, dan more.
Alur kerja Alur kerja berbasis grafik yang menghubungkan agen dan fungsi untuk tugas multi-langkah dengan perutean, titik pemeriksaan, dan dukungan human-in-the-loop yang aman.

Kerangka kerja ini juga menyediakan blok penyusun dasar, termasuk klien model (penyelesaian dan respons obrolan), sesi agen untuk manajemen status, penyedia konteks untuk memori agen, middleware untuk mencegat tindakan agen, dan klien MCP untuk integrasi alat. Bersama-sama, komponen-komponen ini memberi Anda fleksibilitas dan kekuatan untuk membangun aplikasi AI interaktif, kuat, dan aman.

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}")

Itu saja — agen yang memanggil LLM dan mengembalikan respons. Dari sini Anda dapat menambahkan alat, percakapan multi-giliran, middleware, dan alur kerja untuk membangun aplikasi produksi.

Nota

Agent Framework tidak memuat .env file secara otomatis. Untuk menggunakan .env file, hubungi load_dotenv() di awal aplikasi Anda, atau atur variabel lingkungan langsung di shell atau IDE Anda.

Memulai - tutorial lengkap

Kapan menggunakan agen vs alur kerja

Gunakan agen ketika... Gunakan alur kerja saat...
Tugas ini bersifat terbuka atau percakapan Proses ini memiliki langkah-langkah yang terdefinisi dengan baik
Anda memerlukan penggunaan dan perencanaan alat otonom Anda memerlukan kontrol eksplisit atas urutan eksekusi
Satu panggilan LLM (mungkin dengan alat) sudah cukup Beberapa agen atau fungsi harus berkoordinasi

Jika Anda dapat menulis fungsi untuk menangani tugas, lakukan itu alih-alih menggunakan agen AI.

Mengapa Agent Framework?

Agent Framework menggabungkan abstraksi agen sederhana AutoGen dengan fitur perusahaan Kernel Semantik — manajemen status berbasis sesi, keamanan jenis, middleware, telemetri — dan menambahkan alur kerja berbasis grafik untuk orkestrasi multi-agen eksplisit.

Kernel Semantik dan AutoGen merintis konsep agen AI dan orkestrasi multi-agen. Agent Framework adalah penerus langsung, yang dibuat oleh tim yang sama. Ini menggabungkan abstraksi sederhana AutoGen untuk pola agen tunggal dan multi-agen dengan fitur kelas perusahaan Kernel Semantik seperti manajemen status berbasis sesi, keamanan jenis, filter, telemetri, dan dukungan yang luas untuk model dan penyematan. Selain menggabungkan keduanya, Agent Framework memperkenalkan alur kerja yang memberi pengembang kontrol eksplisit atas jalur eksekusi multi-agen, ditambah sistem manajemen status yang kuat untuk skenario jangka panjang dan human-in-the-loop. Singkatnya, Agent Framework adalah generasi berikutnya dari Kernel Semantik dan AutoGen.

Untuk mempelajari selengkapnya tentang migrasi dari Kernel Semantik atau AutoGen, lihat Panduan Migration dari Kernel Semantik dan panduan Migration dari AutoGen.

Baik Kernel Semantik maupun AutoGen telah mendapat manfaat signifikan dari komunitas sumber terbuka, dan hal yang sama diharapkan untuk Kerangka Kerja Agen. Microsoft Agent Framework menyambut kontribusi dan akan terus meningkat dengan fitur dan kemampuan baru.

Penting

Jika Anda menggunakan Microsoft Agent Framework untuk membangun aplikasi yang beroperasi dengan server pihak ketiga, agen, kode, atau model langsung non-Azure ("Sistem Pihak Ketiga"), Anda melakukannya dengan risiko Anda sendiri. Sistem Pihak Ketiga adalah Produk Non-Microsoft berdasarkan Ketentuan Produk Microsoft dan diatur oleh ketentuan lisensi pihak ketiga mereka sendiri. Anda bertanggung jawab atas penggunaan apa pun dan biaya terkait.

Sebaiknya tinjau semua data yang dibagikan dengan dan diterima dari Sistem Pihak Ketiga dan mengenali praktik pihak ketiga untuk penanganan, berbagi, retensi, dan lokasi data. Anda bertanggung jawab untuk mengelola apakah data Anda akan mengalir di luar batas kepatuhan dan geografis Azure dari organisasi Anda serta implikasi-implikasi terkait, serta memastikan bahwa izin, pembatasan, dan persetujuan yang tepat telah disediakan.

Anda bertanggung jawab untuk meninjau dan menguji aplikasi yang Anda buat dengan cermat menggunakan Microsoft Agent Framework dalam konteks kasus penggunaan spesifik Anda, dan membuat semua keputusan dan penyesuaian yang sesuai. Ini termasuk menerapkan mitigasi AI Anda sendiri yang bertanggung jawab seperti metaprompt, filter konten, atau sistem keamanan lainnya, dan memastikan aplikasi Anda memenuhi standar kualitas, keandalan, keamanan, dan kepercayaan yang sesuai. Lihat juga: Tanya Jawab Umum Transparansi

Langkah selanjutnya

Langkah 1: Agen Pertama Anda

Masuk lebih dalam:

  • Last updated on