Compartilhar via

Estrutura do Microsoft Agent

O Agent Framework oferece duas categorias primárias de funcionalidades:

DESCRIÇÃO
Agentes Agentes individuais que usam LLMs para processar entradas, chamar ferramentas e se conectar a servidores MCP, gerando respostas. Dá suporte ao Azure OpenAI, OpenAI, Antropic, Ollama e muito mais.
Fluxos de Trabalho Fluxos de trabalho baseados em grafo que conectam agentes e funções para tarefas de várias etapas com roteamento seguro de tipo, ponto de verificação e suporte humano no loop.

A estrutura também fornece blocos de construção fundamentais, incluindo clientes de modelo (conclusões e respostas de chat), uma sessão de agente para gerenciamento de estado, provedores de contexto para memória do agente, middleware para interceptar ações do agente e clientes MCP para integração de ferramentas. Juntos, esses componentes oferecem flexibilidade e poder para criar aplicativos de IA interativos, robustos e seguros.

Introdução

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}")

É isso : um agente que chama uma LLM e retorna uma resposta. A partir daqui, você pode adicionar ferramentas, conversas de múltiplos turnos, middleware e fluxos de trabalho para criar aplicações de produção.

Introdução – tutorial completo

Quando usar agentes versus fluxos de trabalho

Use um agente quando... Use um fluxo de trabalho quando...
A tarefa é aberta e conversacional. O processo tem etapas bem definidas
Você precisa de uso e planejamento de ferramentas autônomas Você precisa de controle explícito sobre a ordem de execução
Uma única chamada LLM (possivelmente com ferramentas) é suficiente. Vários agentes ou funções devem ser coordenadas

Se você puder escrever uma função para lidar com a tarefa, faça isso em vez de usar um agente de IA.

Por que o Agent Framework?

O Agent Framework combina abstrações de agente simples da AutoGen com os recursos empresariais do Kernel Semântico — gerenciamento de estado baseado em sessão, segurança de tipo, middleware, telemetria — e adiciona fluxos de trabalho baseados em grafo para orquestração explícita de vários agentes.

Kernel semântico e AutoGen foram pioneiros nos conceitos de agentes de IA e orquestração de vários agentes. O Agent Framework é o sucessor direto, criado pelas mesmas equipes. Ele combina as abstrações simples da AutoGen para padrões de um e vários agentes com os recursos de nível empresarial do Kernel Semântico, como gerenciamento de estado baseado em sessão, segurança de tipo, filtros, telemetria e amplo suporte a modelo e inserção. Além de mesclar os dois, o Agent Framework apresenta fluxos de trabalho que dão aos desenvolvedores controle explícito sobre caminhos de execução de vários agentes, além de um sistema de gerenciamento de estado robusto para cenários de longa execução e humanos no loop. Em suma, o Agent Framework é a próxima geração de Kernel Semântico e AutoGen.

Para saber mais sobre como migrar do Kernel Semântico ou do AutoGen, consulte o Guia de Migração do Kernel Semântico e o Guia de Migração do AutoGen.

Kernel Semântico e AutoGen se beneficiaram significativamente da comunidade de software livre, e o mesmo é esperado para o Agent Framework. Microsoft Agent Framework recebe contribuições e continuará melhorando com novos recursos e capacidades.

Observação

O Microsoft Agent Framework está atualmente em versão prévia pública. Envie comentários ou problemas no repositório GitHub.

Importante

Se você usar o Microsoft Agent Framework para criar aplicativos que operam com servidores ou agentes de terceiros, faça isso por sua conta e risco. Recomendamos revisar todos os dados compartilhados com servidores ou agentes de terceiros e estar ciente das práticas de terceiros para retenção e localização de dados. É sua responsabilidade gerenciar se seus dados fluirão fora dos limites geográficos e de conformidade do Azure da sua organização e quaisquer implicações relacionadas.

Próximas etapas

Etapa 1: Seu primeiro agente

Vá mais fundo:

  • Last updated on