Bagikan melalui

Microsoft Agent Framework

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 Azure OpenAI, OpenAI, Anthropic, Ollama, dan banyak lagi.
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 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}")

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.

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 Semantic Kernel — 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 Semantic Kernel seperti manajemen status berbasis sesi, keamanan tipe, filter, telemetri, dan dukungan model dan penyematan yang luas. 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 Semantic Kernel dan AutoGen.

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

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

Nota

Microsoft Agent Framework saat ini dalam pratinjau publik. Harap kirimkan umpan balik atau masalah apa pun di repositori GitHub.

Penting

Jika Anda menggunakan Microsoft Agent Framework untuk membangun aplikasi yang beroperasi dengan server atau agen pihak ketiga, Anda melakukannya dengan risiko Anda sendiri. Sebaiknya tinjau semua data yang dibagikan dengan server atau agen pihak ketiga dan berkognizan dengan praktik pihak ketiga untuk retensi dan lokasi data. Anda bertanggung jawab untuk mengelola apakah data Anda akan mengalir ke luar batas kepatuhan Azure dan batas geografis organisasi Anda, serta implikasi terkait.

Langkah selanjutnya

Langkah 1: Agen Pertama Anda

Masuk lebih dalam:

  • Last updated on