워크플로의 에이전트

이 자습서에서는 Agent Framework를 사용하여 워크플로에 AI 에이전트를 통합하는 방법을 보여 줍니다. 콘텐츠 만들기, 검토 및 기타 공동 작업을 위해 특수한 AI 에이전트의 기능을 활용하는 워크플로를 만드는 방법을 알아봅니다.

만들게 될 것들

다음과 같은 워크플로를 만듭니다.

Azure Foundry 에이전트 서비스를 사용하여 지능형 에이전트 만들기
입력을 프랑스어로 번역하는 프랑스어 번역 에이전트를 구현합니다.
프랑스어를 스페인어로 번역하는 스페인어 번역 에이전트 구현
스페인어를 영어로 다시 번역하는 영어 번역 에이전트를 구현합니다.
순차 워크플로 파이프라인에서 에이전트 연결
에이전트가 요청을 처리할 때 실시간 업데이트를 스트리밍합니다.
Azure Foundry 에이전트에 대한 적절한 리소스 정리를 보여 줍니다.

다루는 개념

필수 조건

.NET 8.0 SDK 이상
구성된 Azure Foundry 프로젝트 엔드포인트 및 모델
Azure CLI 설치 및 인증(Azure 자격 증명 인증용)
새 콘솔 애플리케이션

1단계: NuGet 패키지 설치

먼저 .NET 프로젝트에 필요한 패키지를 설치합니다.

dotnet add package Azure.AI.Projects --prerelease
dotnet add package Azure.Identity
dotnet add package Microsoft.Agents.AI.Foundry --prerelease
dotnet add package Microsoft.Agents.AI.Workflows --prerelease

2단계: Azure Foundry 클라이언트 설정

환경 변수 및 인증을 사용하여 Azure Foundry 클라이언트를 구성합니다.

using Azure.AI.Projects;
using Azure.AI.Projects.Agents;
using Azure.Identity;
using Microsoft.Agents.AI;
using Microsoft.Agents.AI.Foundry;
using Microsoft.Agents.AI.Workflows;
using Microsoft.Extensions.AI;

public static class Program
{
    private static async Task Main()
    {
        // Set up the Azure AI Project client
        var endpoint = Environment.GetEnvironmentVariable("AZURE_AI_PROJECT_ENDPOINT")
            ?? throw new InvalidOperationException("AZURE_AI_PROJECT_ENDPOINT is not set.");
        var deploymentName = Environment.GetEnvironmentVariable("AZURE_AI_MODEL_DEPLOYMENT_NAME") ?? "gpt-4o-mini";
        var aiProjectClient = new AIProjectClient(new Uri(endpoint), new AzureCliCredential());

3단계: 에이전트 팩터리 메서드 만들기

도우미 메서드를 구현하여 특정 지침에 따라 Azure Foundry 에이전트를 만듭니다.

    /// <summary>
    /// Creates a translation agent for the specified target language.
    /// </summary>
    /// <param name="targetLanguage">The target language for translation</param>
    /// <param name="aiProjectClient">The AIProjectClient 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,
        AIProjectClient aiProjectClient,
        string model)
    {
        string agentName = $"{targetLanguage} Translator";
        var version = await aiProjectClient.AgentAdministrationClient.CreateAgentVersionAsync(
            agentName,
            new ProjectsAgentVersionCreationOptions(
                new DeclarativeAgentDefinition(model)
                {
                    Instructions = $"You are a translation assistant that translates the provided text to {targetLanguage}."
                }));

        return aiProjectClient.AsAIAgent(version);
    }
}

4단계: 특수화된 Azure Foundry 에이전트 만들기

도우미 메서드를 사용하여 세 개의 번역 에이전트를 만듭니다.

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

5단계: 워크플로 빌드

WorkflowBuilder를 사용하여 순차 워크플로에서 에이전트를 연결합니다.

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

6단계: 스트리밍으로 실행

스트리밍을 사용하여 워크플로를 실행하여 모든 에이전트의 실시간 업데이트를 관찰합니다.

        // Execute the workflow
        await using StreamingRun run = await InProcessExecution.RunStreamingAsync(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())
        {
            if (evt is AgentResponseUpdateEvent executorComplete)
            {
                Console.WriteLine($"{executorComplete.ExecutorId}: {executorComplete.Data}");
            }
        }

7단계: 리소스 정리

사용 후 Azure Foundry 에이전트를 올바르게 정리합니다.

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

작동 방식

Azure Foundry 클라이언트 설정: 인증을 위해 Azure CLI 자격 증명과 함께 사용 AIProjectClient
에이전트 만들기: 번역에 대한 특정 지침을 사용하여 Azure Foundry에서 버전이 지정된 에이전트를 만듭니다.
순차적 처리: 프랑스어 에이전트가 먼저 입력을 번역하고 그 다음 스페인어 에이전트가, 마지막으로 영어 에이전트가 번역합니다.
토큰 패턴 전환: 에이전트는 메시지를 캐시하고 메시지를 받을 때만 처리합니다. TurnToken
스트리밍 업데이트: AgentResponseUpdateEvent 에이전트가 응답을 생성할 때 실시간 토큰 업데이트를 제공합니다.
리소스 관리: 관리 API를 사용하여 Azure Foundry 에이전트의 적절한 정리

주요 개념

Azure Foundry 에이전트 서비스: 고급 추론 기능이 있는 클라우드 기반 AI 에이전트
AIProjectClient: Azure Foundry에서 에이전트를 만들고 관리하기 위한 클라이언트
WorkflowEvent: 출력 이벤트(type="output")에는 에이전트 출력 데이터(AgentResponseUpdate 스트리밍의 경우, AgentResponse 비 스트리밍용)가 포함됩니다.
TurnToken: 메시지 캐싱 후 에이전트 처리를 트리거하는 신호
순차 워크플로: 출력이 하나에서 다음으로 흐르는 파이프라인에 연결된 에이전트

전체 구현

이 Azure Foundry 에이전트 워크플로의 전체 작업 구현은 Agent Framework 리포지토리의 FoundryAgent Program.cs 샘플을 참조하세요.

만들게 될 것들

다음과 같은 워크플로를 만듭니다.

지능형 에이전트를 만드는 데 사용 FoundryChatClient
프롬프트에 따라 콘텐츠를 생성하는 작성기 에이전트를 구현합니다.
콘텐츠에 대한 피드백을 제공하는 검토자 에이전트를 구현합니다.
순차 워크플로 파이프라인에서 에이전트 연결
에이전트가 요청을 처리할 때 실시간 업데이트를 스트리밍합니다.

다루는 개념

필수 조건

Python 3.10 이상
에이전트 프레임워크 설치: pip install agent-framework
적절한 환경 변수로 구성된 Azure OpenAI 응답
Azure CLI 인증: az login

1단계: 필요한 종속성 가져오기

먼저 워크플로 및 Azure OpenAI 응답 에이전트에 필요한 구성 요소를 가져옵니다.

import asyncio
import os

from agent_framework import AgentResponseUpdate, WorkflowBuilder
from agent_framework.foundry import FoundryChatClient
from azure.identity import AzureCliCredential

2단계: Azure OpenAI 응답 클라이언트 만들기

여러 에이전트를 생성하는 데 사용할 수 있는 하나의 공유 클라이언트를 만듭니다.

async def main() -> None:
    client = FoundryChatClient(
        project_endpoint=os.environ["FOUNDRY_PROJECT_ENDPOINT"],
        model=os.environ["FOUNDRY_MODEL"],
        credential=AzureCliCredential(),
    )

3단계: 특수 에이전트 만들기

콘텐츠 만들기 및 검토를 위한 두 개의 특수 에이전트를 만듭니다.

    # Create a Writer agent that generates content
    writer_agent = client.as_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_agent = client.as_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."
        ),
    )

4단계: 워크플로 빌드

작성기를 사용하여 순차 워크플로에서 에이전트를 연결합니다.

        # Build the workflow with agents as executors
        workflow = WorkflowBuilder(start_executor=writer_agent).add_edge(writer_agent, reviewer_agent).build()

5단계: 스트리밍으로 실행

스트리밍을 사용하여 워크플로를 실행하여 두 에이전트의 실시간 업데이트를 관찰합니다.

    last_author: str | None = None

    events = workflow.run("Create a slogan for a new electric SUV that is affordable and fun to drive.", stream=True)
    async for event in events:
        if event.type == "output" and isinstance(event.data, AgentResponseUpdate):
            update = event.data
            author = update.author_name
            if author != last_author:
                if last_author is not None:
                    print()
                print(f"{author}: {update.text}", end="", flush=True)
                last_author = author
            else:
                print(update.text, end="", flush=True)

6단계: 주 함수 완료

적절한 비동기 실행을 사용하여 주 함수의 모든 항목을 래핑합니다.

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

작동 방식

클라이언트 설정: Azure CLI 자격 증명을 사용하여 인증하기 위해 하나를 사용합니다 FoundryChatClient.
에이전트 만들기: 동일한 클라이언트 구성에서 기록기 및 검토자 에이전트를 만듭니다.
순차적 처리: 기록기 에이전트는 먼저 콘텐츠를 생성한 다음 검토자 에이전트에 전달합니다.
스트리밍 업데이트: 데이터와 함께 type="output" 출력 이벤트(AgentResponseUpdate)는 에이전트가 응답을 생성할 때 실시간 토큰 업데이트를 제공합니다.

주요 개념

FoundryChatClient: 일관된 구성으로 워크플로 에이전트를 만드는 데 사용되는 공유 클라이언트입니다.
WorkflowEvent: 출력 이벤트(type="output")에는 에이전트 출력 데이터(AgentResponseUpdate 스트리밍, AgentResponse 비 스트리밍용)가 포함됩니다.
순차 워크플로: 출력이 1에서 다음으로 흐르는 파이프라인에 연결된 에이전트입니다.

전체 구현

전체 작업 구현은 Agent Framework 리포지토리의 azure_ai_agents_streaming.py 참조하세요.

만들게 될 것들

다음과 같은 워크플로를 만듭니다.

Azure OpenAI 에이전트를 워크플로 실행자로 사용
프랑스어 번역 에이전트 구현
스페인어 번역 에이전트 구현
영어 번역 에이전트 구현
순차 워크플로 파이프라인에서 에이전트 연결
에이전트가 요청을 처리할 때 실시간 업데이트를 스트리밍합니다.

다루는 개념

필수 조건

1.25 이상 이동
Microsoft Foundry 프로젝트 엔드포인트 및 모델 배포가 구성됨
Azure CLI 인증 또는 다른 Azure 자격 증명 원본

1단계: Foundry 구성 설정

endpoint := os.Getenv("FOUNDRY_PROJECT_ENDPOINT")
model := cmp.Or(os.Getenv("FOUNDRY_MODEL"), "gpt-4o-mini")

token, err := azidentity.NewDefaultAzureCredential(nil)
if err != nil {
    return err
}

Warning

azidentity.NewDefaultAzureCredential 은 개발에 편리하지만 프로덕션 환경에서 신중하게 고려해야 합니다. 프로덕션 환경에서는 대기 시간 문제, 의도하지 않은 자격 증명 검색 및 대체 메커니즘의 잠재적인 보안 위험을 방지하기 위해 특정 자격 증명(예: azidentity.NewManagedIdentityCredential)을 사용하는 것이 좋습니다.

2단계: 에이전트 팩터리 함수 만들기

특정 번역 지침을 사용하여 에이전트를 만듭니다.

newTranslationAgent := func(language string) *agent.Agent {
    return foundryprovider.NewAgent(endpoint, token, foundryprovider.ModelDeployment(model), foundryprovider.AgentConfig{
        Instructions: fmt.Sprintf(
            "Translate the user's text to %s. Return only the translation.",
            language,
        ),
        Config: agent.Config{Name: language + "Agent"},
    })
}

3단계: 특수한 파운드리 에이전트 만들기

frenchAgent := newTranslationAgent("French")
spanishAgent := newTranslationAgent("Spanish")
englishAgent := newTranslationAgent("English")

4단계: 워크플로 빌드

에이전트를 워크플로 실행자로 사용하여 AI 기반 워크플로 단계를 사용하도록 설정할 수 있습니다.

각 에이전트를 워크플로 실행기로 바인딩한 다음, 실행기를 에지와 연결합니다.

import (
    "github.com/microsoft/agent-framework-go/agent"
    "github.com/microsoft/agent-framework-go/workflow/agentworkflow"
    "github.com/microsoft/agent-framework-go/message"
    "github.com/microsoft/agent-framework-go/workflow"
    "github.com/microsoft/agent-framework-go/workflow/inproc"
)

cfg := agentworkflow.Config{DisableForwardIncomingMessages: true}
french := agentworkflow.New(frenchAgent, cfg)
spanish := agentworkflow.New(spanishAgent, cfg)
english := agentworkflow.New(englishAgent, cfg)

wf, err := workflow.NewBuilder(french).
    AddEdge(french, spanish).
    AddEdge(spanish, english).
    WithOutputFrom(english).
    Build()
if err != nil {
    return err
}

5단계: 스트리밍으로 실행

워크플로를 실행하고 workflow.TurnToken를 사용해 업데이트 이벤트를 활성화합니다:

run, err := inproc.Default.RunStreaming(ctx, wf, message.NewText("Hello World"))
if err != nil {
    return err
}
defer run.Close(ctx)

emitEvents := true
if err := run.SendMessage(ctx, workflow.TurnToken{EmitEvents: &emitEvents}); err != nil {
    return err
}

for evt, err := range run.WatchStream(ctx) {
    if err != nil {
        return err
    }
    if out, ok := evt.(workflow.OutputEvent); ok {
        if update, ok := out.Output.(*agent.ResponseUpdate); ok {
            fmt.Printf("%s: %s\n", out.ExecutorID, update.String())
        }
    }
}

작동 방식

클라이언트 설정: OpenAI 클라이언트에서 Azure 자격 증명을 사용합니다.
에이전트 만들기: 언어별 지침이 포함된 특수 에이전트를 만듭니다.
에이전트 호스팅: 각 에이전트를 워크플로 실행기로 바인딩하는 데 사용합니다 agentworkflow.New .
순차적 처리: 프랑스어 실행기가 먼저 실행된 다음 스페인어, 영어가 실행됩니다.
턴 토큰 패턴: 호스팅된 에이전트는 메시지를 버퍼링한 후 workflow.TurnToken를 받으면 실행됩니다.
스트리밍 업데이트: workflow.OutputEvent 값은 실시간 진행률에 대한 출력을 포함 *agent.ResponseUpdate 할 수 있습니다.

주요 개념

Azure OpenAI 에이전트: agent.Agent Azure OpenAI에서 지원되는 에이전트입니다.
agentworkflow. 새 기능: 워크플로 실행기로 사용할 에이전트를 조정합니다.
워크플로. TurnToken: 버퍼링된 메시지를 처리하기 위해 호스트된 에이전트를 트리거하는 신호입니다.
워크플로 OutputEvent: 에이전트 응답 업데이트 및 최종 워크플로 출력을 전달합니다.
순차 워크플로: 출력이 1에서 다음으로 흐르는 파이프라인에 연결된 에이전트입니다.

전체 구현

package main

import (
    "cmp"
    "context"
    "fmt"
    "log"
    "os"

    "github.com/microsoft/agent-framework-go/agent"
    "github.com/microsoft/agent-framework-go/workflow/agentworkflow"
    "github.com/microsoft/agent-framework-go/message"
    "github.com/microsoft/agent-framework-go/workflow"
    "github.com/microsoft/agent-framework-go/workflow/inproc"

    "github.com/Azure/azure-sdk-for-go/sdk/azidentity"
    "github.com/microsoft/agent-framework-go/provider/foundryprovider"
)

func main() {
    ctx := context.Background()
    endpoint := os.Getenv("FOUNDRY_PROJECT_ENDPOINT")
    model := cmp.Or(os.Getenv("FOUNDRY_MODEL"), "gpt-4o-mini")

    credential, err := azidentity.NewDefaultAzureCredential(nil)
    if err != nil {
        log.Fatal(err)
    }

    newTranslationAgent := func(language string) *agent.Agent {
        return foundryprovider.NewAgent(endpoint, credential, foundryprovider.ModelDeployment(model), foundryprovider.AgentConfig{
            Instructions: fmt.Sprintf(
                "Translate the user's text to %s. Return only the translation.",
                language,
            ),
            Config: agent.Config{Name: language + "Agent"},
        })
    }

    cfg := agentworkflow.Config{DisableForwardIncomingMessages: true}
    french := agentworkflow.New(newTranslationAgent("French"), cfg)
    spanish := agentworkflow.New(newTranslationAgent("Spanish"), cfg)
    english := agentworkflow.New(newTranslationAgent("English"), cfg)

    wf, err := workflow.NewBuilder(french).
        AddEdge(french, spanish).
        AddEdge(spanish, english).
        WithOutputFrom(english).
        Build()
    if err != nil {
        log.Fatal(err)
    }

    run, err := inproc.Default.RunStreaming(ctx, wf, message.NewText("Hello World"))
    if err != nil {
        log.Fatal(err)
    }
    defer run.Close(ctx)

    emitEvents := true
    if err := run.SendMessage(ctx, workflow.TurnToken{EmitEvents: &emitEvents}); err != nil {
        log.Fatal(err)
    }

    for evt, err := range run.WatchStream(ctx) {
        if err != nil {
            log.Fatal(err)
        }
        if out, ok := evt.(workflow.OutputEvent); ok {
            if update, ok := out.Output.(*agent.ResponseUpdate); ok {
                fmt.Printf("%s: %s\n", out.ExecutorID, update.String())
            }
        }
    }
}

Warning

팁 (조언)

전체 예제는 워크플로의 에이전트 샘플을 참조하세요.

다음 단계

휴먼 인 더 루프

피드백

이 페이지가 도움이 되었나요?

Last updated on 2026-07-10

워크플로의 에이전트

만들게 될 것들

다루는 개념

필수 조건

1단계: NuGet 패키지 설치

2단계: Azure Foundry 클라이언트 설정

3단계: 에이전트 팩터리 메서드 만들기

4단계: 특수화된 Azure Foundry 에이전트 만들기

5단계: 워크플로 빌드

6단계: 스트리밍으로 실행

7단계: 리소스 정리

작동 방식

주요 개념

전체 구현

만들게 될 것들

다루는 개념

필수 조건

1단계: 필요한 종속성 가져오기

2단계: Azure OpenAI 응답 클라이언트 만들기

3단계: 특수 에이전트 만들기

4단계: 워크플로 빌드

5단계: 스트리밍으로 실행

6단계: 주 함수 완료

작동 방식

주요 개념

전체 구현

만들게 될 것들

다루는 개념

필수 조건

1단계: Foundry 구성 설정

2단계: 에이전트 팩터리 함수 만들기

3단계: 특수한 파운드리 에이전트 만들기

4단계: 워크플로 빌드

5단계: 스트리밍으로 실행

작동 방식

주요 개념

전체 구현

다음 단계

피드백

추가 리소스