Udostępnij przez

Microsoft Agent Framework

Struktura agenta oferuje dwie główne kategorie możliwości:

Opis
Agenci Pojedynczy agenci, którzy używają LLM do przetwarzania danych wejściowych, wywoływania narzędzi oraz serwerów MCP, i generowania odpowiedzi. Obsługuje usługi Azure OpenAI, OpenAI, Anthropic, Ollama i nie tylko.
Przepływy pracy Przepływy pracy oparte na grafach, które łączą agentów i funkcje dla zadań wieloetapowych z typowo bezpiecznym routingiem, tworzeniem punktów kontrolnych i udziałem człowieka w pętli.

Platforma udostępnia również podstawowe bloki konstrukcyjne, w tym klientów modelu (kończenia czatów i odpowiedzi), sesję agenta na potrzeby zarządzania stanem, dostawców kontekstu dla pamięci agenta, oprogramowanie pośredniczące do przechwytywania akcji agenta i klientów MCP na potrzeby integracji narzędzi. Razem te składniki zapewniają elastyczność i możliwości tworzenia interaktywnych, niezawodnych i bezpiecznych aplikacji sztucznej inteligencji.

Wprowadzenie

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}")

To wszystko — agent, który wywołuje moduł LLM i zwraca odpowiedź. W tym miejscu możesz dodawać narzędzia, rozmowy wieloetapowe, oprogramowanie pośredniczące i przepływy pracy w celu tworzenia aplikacji produkcyjnych.

Wprowadzenie — pełny samouczek

Kiedy należy używać agentów a przepływów pracy

Użyj agenta, gdy... Użyj przepływu pracy, gdy...
Zadanie jest otwarte lub konwersacyjne Proces zawiera dobrze zdefiniowane kroki
Potrzebujesz autonomicznego korzystania z narzędzi oraz planowania. Potrzebna jest jawna kontrola nad kolejnością wykonywania
Wystarczy pojedyncze wywołanie LLM (prawdopodobnie z narzędziami) Wielu agentów lub funkcji musi koordynować

Jeśli możesz napisać funkcję do obsługi zadania, zrób to zamiast używać agenta sztucznej inteligencji.

Dlaczego platforma agenta?

Framework Agentów łączy proste abstrakcje agentów rozwiązania AutoGen z funkcjami przedsiębiorstwa Semantycznego Kernela — zarządzanie stanem sesji, bezpieczeństwo typów, oprogramowanie pośredniczące, telemetria — i dodaje oparte na grafach przepływy pracy do jawnej orkiestracji wielu agentów.

Semantyczne jądro i autogen zapoczątkowały koncepcje agentów sztucznej inteligencji i orkiestracji wielu agentów. Struktura agentów jest bezpośrednim następcą utworzonym przez te same zespoły. Łączy ona proste abstrakcje rozwiązania AutoGen dla wzorców pojedynczych i wieloagentów z funkcjami klasy korporacyjnej Semantycznego Jądra, takimi jak zarządzanie stanem opartym na sesji, bezpieczeństwo typów, filtry, telemetria oraz rozbudowana obsługa modeli i osadzania. Poza połączeniem tych dwóch elementów Agent Framework wprowadza przepływy pracy, które zapewniają deweloperom jawną kontrolę nad ścieżkami wykonywania wielu agentów oraz niezawodny system zarządzania stanem na potrzeby długotrwałych scenariuszy z udziałem człowieka. Krótko mówiąc, Struktura agentów to następna generacja zarówno semantycznego jądra, jak i autogenu.

Aby dowiedzieć się więcej na temat migracji z Semantic Kernel lub AutoGen, zobacz Przewodnik migracji z narzędzia Semantic Kernel i Przewodnik migracji z AutoGen.

Zarówno jądro semantyczne, jak i autogen znacznie skorzystały ze społeczności typu open source, a to samo jest oczekiwane w przypadku platformy Agent Framework. Program Microsoft Agent Framework z zadowoleniem przyjmuje wkład i będzie nadal ulepszać nowe funkcje i możliwości.

Uwaga / Notatka

Program Microsoft Agent Framework jest obecnie w publicznej wersji zapoznawczej. Prześlij wszelkie opinie lub problemy w repozytorium GitHub.

Ważne

Jeśli używasz programu Microsoft Agent Framework do tworzenia aplikacji działających z serwerami lub agentami innych firm, możesz to zrobić na własne ryzyko. Zalecamy przejrzenie wszystkich danych udostępnianych serwerom lub agentom innych firm i zapoznanie się z praktykami innych firm w zakresie przechowywania i lokalizacji danych. Twoim zadaniem jest zarządzanie tym, czy dane będą przepływać poza granice geograficzne i zgodność platformy Azure w organizacji oraz wszelkie powiązane implikacje.

Dalsze kroki

Krok 1. Pierwszy agent

Głębiej:

  • Last updated on