Agent Framework-integreringar

Microsoft Agent Framework har integreringar med många olika tjänster, verktyg och protokoll.

Bläddra efter leverantör

Provider	Integrationsområden
Microsoft Foundry	Modeller, hanterade agenter, verktyg, RAG, minne, utvärdering, observerbarhet, lokala modeller och värdbaserade agenter
Microsoft Azure	Azure OpenAI, Azure AI-sökning, Azure Cosmos DB, Azure Content Understanding, Microsoft Purview, Azure Monitor och Azure Functions
OpenAI	Modellinferens, värdbaserade verktyg, ChatKit- och OpenAI-kompatibla slutpunkter
Anthropic	Claude-modeller, Claude Agent SDK, Foundry, Bedrock och Vertex AI
Amazon Web Services	Amazon Bedrock och Anthropic Claude på Bedrock
Google	Google Gemini och Anthropic Claude på Vertex AI
Ollama	Lokal modellinferens via interna och OpenAI-kompatibla klienter
Mistral	Inbäddning av mistraltext

Se alla providerekosystem.

Bläddra efter komponent

• Modellprovidrar
• Agenttjänster
• Arbetsredskap
• Kontextprovidrar
• Middleware
• Utvärdering
• Användargränssnitt: AG-UI, ChatKit och DevUI
• Alla komponentkategorier
• Begrepp för kontextprovider

UI Framework-integreringar

Användargränssnitt Ramverk	Versionsstatus
AG-UI	Preview
ChatKit	Preview
DevUI	Preview

Mellanprogramsintegreringar

• Microsoft Purview

Utvärderingsintegreringar

• Microsoft Foundry

Vektorlager

Microsoft Agent Framework stöder integrering med många olika vektorlager. Dessa kan vara användbara för återhämtningsförstärkt generering (RAG) eller för att lagra minnen.

För att integrera med vektorlager förlitar vi oss på 📦Microsoft. Extensions.VectorData.Abstractions paket som tillhandahåller ett enhetligt lager av abstraktioner för interaktion med vektorlager i .NET. Med dessa abstraktioner kan du skriva enkel kod på hög nivå mot ett enda API och växla ut det underliggande vektorarkivet med minimala ändringar i ditt program. Där Agent Framework-komponenter förlitar sig på ett vektorlager använder de dessa abstraktioner så att du kan välja önskad implementering.

Tips/Råd

Se dokumentationen Vector-databaser för .NET AI-appar för mer information om hur du matar in data i ett vektorlager, genererar inbäddningar och gör vektor- eller hybridsökningar.

Abstraktionsimplementeringar för vektorlager

Implementation	C#	Använder SDK som stöds officiellt	Underhållare/leverantör
Azure AI-sökning	✅	✅	Microsoft
Cosmos DB MongoDB (virtuell kärna)	✅	✅	Microsoft
Cosmos DB Ingen SQL	✅	✅	Microsoft
Couchbase	✅	✅	Couchbase
Elasticsearch	✅	✅	Elastisk
I minnet	✅	Inte tillämpligt	Microsoft
MongoDB	✅	✅	Microsoft
Neon Serverless Postgres	Använda Postgres Connector	✅	Microsoft
Oracle	✅	✅	Oracle
Tallkotte	✅	❌	Microsoft
Postgres	✅	✅	Microsoft
Qdrant	✅	✅	Microsoft
Redis	✅	✅	Microsoft
SQL Server	✅	✅	Microsoft
SQLite	✅	✅	Microsoft
Flyktigt (minnesinternt)	Föråldrad (använd In-Memory)	Inte tillämpligt	Microsoft
Viaviate	✅	✅	Microsoft

Viktigt!

Abstraktionsimplementeringarna för vektorarkivet skapas av en mängd olika källor. Alla anslutningar underhålls inte av Microsoft. När du överväger en implementering bör du utvärdera kvalitet, licensiering, support osv. för att säkerställa att de uppfyller dina krav. Se också till att du läser dokumentationen för varje leverantör för detaljerad information om versionskompatibilitet.

Viktigt!

Vissa implementeringar använder databas-SDK:er internt som inte stöds officiellt av Microsoft eller av databasprovidern. -kolumnen "Använder officiellt stödda SDK:er" listar vilka som använder SDK:er som stöds officiellt och vilka som inte gör det.

Agent Framework stöder användning av Semantic Kernel VectorStore-samlingar för att tillhandahålla vektorlagringsfunktioner till agenter. Mer information om hur du konfigurerar olika vektorlagersamlingar finns i dokumentationen för anslutningsprogram för vektorarkiv . Mer information om hur du använder dessa för RAG finns i Skapa ett sökverktyg från ett VectorStore .

Note

Go-stöd för den här funktionen kommer snart. Se Agent Framework Go-lagringsplatsen för den senaste statusen.

Nästa steg

Bläddra bland integreringar efter komponent