Rendering av serverdelsverktyg med AG-UI

Backendverktyg använder den vanliga MAF-verktygspipelinen. AG-UI lägger till transporthändelser så att en klient kan observera anropet och resultatet. Det introducerar inte en separat verktygsabstraktion.

Lägg till ett backend-verktyg

Definiera och registrera verktyget på samma sätt som för alla MAF-agenter:

using System.ComponentModel;
using Microsoft.Extensions.AI;

[Description("Get the weather for a location.")]
static string GetWeather(
    [Description("The city to look up.")] string location) =>
    $"The weather in {location} is sunny.";

AITool getWeather = AIFunctionFactory.Create(GetWeather, name: "get_weather");
AIAgent agent = chatClient.AsAIAgent(tools: [getWeather]);

app.MapAGUIServer("/", agent);

För komplexa typer av begäranden eller svar konfigurerar du samma JsonSerializerOptions för ASP.NET Core och AIFunctionFactory.Create.

Tips/Råd

Se exemplet .NET serverdelsverktyg för en fullständig implementering.

Information om verktygsscheman, beroendeinmatning, felhantering och allmän verktygsdesign finns i Använda funktionsverktyg med en agent.

AG-UI mappning av händelser

När agenten anropar verktyget:

• FunctionCallContent genereras som AG-UI TOOL_CALL_START, TOOL_CALL_ARGSoch TOOL_CALL_END händelser.
• FunctionResultContent genereras som en TOOL_CALL_RESULT händelse.
• Text och annat agentinnehåll fortsätter att strömmas normalt.

En .NET-klient tar emot det översatta innehållet som FunctionCallContent och FunctionResultContent:

await foreach (AgentResponseUpdate update in agent.RunStreamingAsync(messages, session))
{
    foreach (AIContent content in update.Contents)
    {
        if (content is FunctionCallContent call)
        {
            Console.WriteLine($"Calling {call.Name}");
        }
        else if (content is FunctionResultContent result)
        {
            Console.WriteLine($"Result: {result.Result}");
        }
    }
}

Verktygsresultat är modellinriktade värden som AG-UI också exponerar för klienten. Om du vill generera delat användargränssnittstillstånd utöver ett verktygsresultat använder du de explicita mappningar som beskrivs i Tillståndshantering.

Nästa steg

Använd frontendverktyg med AG-UI

Den här handledningen visar hur du lägger till funktionsverktyg i dina AG-UI agenter. Funktionsverktyg är anpassade Python-funktioner som agenten kan anropa för att utföra specifika uppgifter som att hämta data, utföra beräkningar eller interagera med externa system. Med AG-UI körs dessa verktyg på serverdelen och deras resultat strömmas automatiskt till klienten.

Förutsättningar

Innan du börjar kontrollerar du att du har slutfört handledningen Komma igång och har:

• Python 3.10 eller senare
• agent-framework-ag-ui installerad
• Azure OpenAI-tjänsten har konfigurerats
• Grundläggande förståelse för AG-UI server- och klientkonfiguration

Anmärkning

Dessa exempel använder DefaultAzureCredential för autentisering. Kontrollera att du är autentiserad med Azure (t.ex. via az login). Mer information finns i dokumentationen om Azure Identity.

Vad är Backend-verktygsrendering?

Återgivningen av backend-verktyg betyder:

• Funktionsverktyg definieras på servern
• AI-agenten bestämmer när dessa verktyg ska anropas
• Verktyg körs på serverdelen (serversidan)
• Händelser och resultat för verktygsanrop strömmas till klienten i realtid
• Klienten får uppdateringar om förloppet för verktygskörning

Den här metoden ger:

• Säkerhet: Känsliga åtgärder finns kvar på servern
• Konsekvens: Alla klienter använder samma verktygsimplementering
• Transparens: Klienter kan visa förloppet för verktygskörning
• Flexibilitet: Uppdatera verktyg utan att ändra klientkod

Skapa funktionsverktyg

Grundläggande funktionsverktyg

Du kan omvandla valfri Python-funktion till ett verktyg med hjälp av dekoratören @tool :

from typing import Annotated
from pydantic import Field
from agent_framework import tool


@tool
def get_weather(
    location: Annotated[str, Field(description="The city")],
) -> str:
    """Get the current weather for a location."""
    # In a real application, you would call a weather API
    return f"The weather in {location} is sunny with a temperature of 22°C."

Viktiga begrepp

• @tool dekoratör: Markerar en funktion som tillgänglig för agenten
• Typanteckningar: Ange typinformation för parametrar
• Annotated och Field: Lägg till beskrivningar som hjälper agenten att förstå parametrar
• Docstring: Beskriver vad funktionen gör (hjälper agenten att bestämma när den ska användas)
• Returvärde: Resultatet som returneras till agenten (och strömmas till klienten)

Verktyg för flera funktioner

Du kan tillhandahålla flera verktyg för att ge agenten fler funktioner:

from typing import Any
from agent_framework import tool


@tool
def get_weather(
    location: Annotated[str, Field(description="The city.")],
) -> str:
    """Get the current weather for a location."""
    return f"The weather in {location} is sunny with a temperature of 22°C."


@tool
def get_forecast(
    location: Annotated[str, Field(description="The city.")],
    days: Annotated[int, Field(description="Number of days to forecast")] = 3,
) -> dict[str, Any]:
    """Get the weather forecast for a location."""
    return {
        "location": location,
        "days": days,
        "forecast": [
            {"day": 1, "weather": "Sunny", "high": 24, "low": 18},
            {"day": 2, "weather": "Partly cloudy", "high": 22, "low": 17},
            {"day": 3, "weather": "Rainy", "high": 19, "low": 15},
        ],
    }

Skapa en AG-UI-server med funktionsverktyg

Här är en fullständig serverimplementering med funktionsverktyg:

"""AG-UI server with backend tool rendering."""

import os
from typing import Annotated, Any

from agent_framework import Agent, tool
from agent_framework.openai import OpenAIChatCompletionClient
from agent_framework_ag_ui import add_agent_framework_fastapi_endpoint
from azure.identity import AzureCliCredential
from fastapi import FastAPI
from pydantic import Field


# Define function tools
@tool
def get_weather(
    location: Annotated[str, Field(description="The city")],
) -> str:
    """Get the current weather for a location."""
    # Simulated weather data
    return f"The weather in {location} is sunny with a temperature of 22°C."


@tool
def search_restaurants(
    location: Annotated[str, Field(description="The city to search in")],
    cuisine: Annotated[str, Field(description="Type of cuisine")] = "any",
) -> dict[str, Any]:
    """Search for restaurants in a location."""
    # Simulated restaurant data
    return {
        "location": location,
        "cuisine": cuisine,
        "results": [
            {"name": "The Golden Fork", "rating": 4.5, "price": "$$"},
            {"name": "Bella Italia", "rating": 4.2, "price": "$$$"},
            {"name": "Spice Garden", "rating": 4.7, "price": "$$"},
        ],
    }


# Read required configuration
endpoint = os.environ.get("AZURE_OPENAI_ENDPOINT")
deployment_name = os.environ.get("AZURE_OPENAI_CHAT_COMPLETION_MODEL")

if not endpoint:
    raise ValueError("AZURE_OPENAI_ENDPOINT environment variable is required")
if not deployment_name:
    raise ValueError("AZURE_OPENAI_CHAT_COMPLETION_MODEL environment variable is required")

chat_client = OpenAIChatCompletionClient(
    model=deployment_name,
    azure_endpoint=endpoint,
    api_version=os.getenv("AZURE_OPENAI_API_VERSION"),
    credential=AzureCliCredential(),
)

# Create agent with tools
agent = Agent(
    name="TravelAssistant",
    instructions="You are a helpful travel assistant. Use the available tools to help users plan their trips.",
    client=chat_client,
    tools=[get_weather, search_restaurants],
)

# Create FastAPI app
app = FastAPI(title="AG-UI Travel Assistant")
add_agent_framework_fastapi_endpoint(app, agent, "/")

if __name__ == "__main__":
    import uvicorn

    uvicorn.run(app, host="127.0.0.1", port=8888)

Förstå verktygshändelser

När agenten anropar ett verktyg tar klienten emot flera händelser:

Verktygsanropshändelser

# 1. TOOL_CALL_START - Tool execution begins
{
    "type": "TOOL_CALL_START",
    "toolCallId": "call_abc123",
    "toolCallName": "get_weather"
}

# 2. TOOL_CALL_ARGS - Tool arguments (may stream in chunks)
{
    "type": "TOOL_CALL_ARGS",
    "toolCallId": "call_abc123",
    "delta": "{\"location\": \"Paris, France\"}"
}

# 3. TOOL_CALL_END - Arguments complete
{
    "type": "TOOL_CALL_END",
    "toolCallId": "call_abc123"
}

# 4. TOOL_CALL_RESULT - Tool execution result
{
    "type": "TOOL_CALL_RESULT",
    "toolCallId": "call_abc123",
    "content": "The weather in Paris, France is sunny with a temperature of 22°C."
}

Förbättrad klient för verktygshändelser

Här är en förbättrad klient med AGUIChatClient som visar verktygskörning.

"""AG-UI client with tool event handling."""

import asyncio
import os

from agent_framework import Agent
from agent_framework_ag_ui import AGUIChatClient


async def main():
    """Main client loop with tool event display."""
    server_url = os.environ.get("AGUI_SERVER_URL", "http://127.0.0.1:8888/")
    print(f"Connecting to AG-UI server at: {server_url}\n")

    # Create AG-UI chat client
    chat_client = AGUIChatClient(endpoint=server_url)

    # Create agent with the chat client
    agent = Agent(
        name="ClientAgent",
        client=chat_client,
        instructions="You are a helpful assistant.",
    )

    # Get a thread for conversation continuity
    thread = agent.create_session()

    try:
        while True:
            message = input("\nUser (:q or quit to exit): ")
            if not message.strip():
                continue

            if message.lower() in (":q", "quit"):
                break

            print("\nAssistant: ", end="", flush=True)
            async for update in agent.run(message, session=thread, stream=True):
                # Display text content
                if update.text:
                    print(f"\033[96m{update.text}\033[0m", end="", flush=True)

                # Display tool calls and results
                for content in update.contents:
                    if content.type == "function_call":
                        print(f"\n\033[95m[Calling tool: {content.name}]\033[0m")
                    elif content.type == "function_result":
                        result_text = content.result if isinstance(content.result, str) else str(content.result)
                        print(f"\033[94m[Tool result: {result_text}]\033[0m")

            print("\n")

    except KeyboardInterrupt:
        print("\n\nExiting...")
    except Exception as e:
        print(f"\n\033[91mError: {e}\033[0m")


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

Exempelinteraktion

Med den förbättrade servern och klienten igång:

User (:q or quit to exit): What's the weather like in Paris and suggest some Italian restaurants?

[Run Started]
[Tool Call: get_weather]
[Tool Result: The weather in Paris, France is sunny with a temperature of 22°C.]
[Tool Call: search_restaurants]
[Tool Result: {"location": "Paris", "cuisine": "Italian", "results": [...]}]
Based on the current weather in Paris (sunny, 22°C) and your interest in Italian cuisine,
I'd recommend visiting Bella Italia, which has a 4.2 rating. The weather is perfect for
outdoor dining!
[Run Finished]

Metodtips för verktygsimplementering

Felhantering

Hantera fel på ett korrekt sätt i dina verktyg:

@tool
def get_weather(
    location: Annotated[str, Field(description="The city.")],
) -> str:
    """Get the current weather for a location."""
    try:
        # Call weather API
        result = call_weather_api(location)
        return f"The weather in {location} is {result['condition']} with temperature {result['temp']}°C."
    except Exception as e:
        return f"Unable to retrieve weather for {location}. Error: {str(e)}"

Rika returtyper

Returnera strukturerade data när det är lämpligt:

@tool
def analyze_sentiment(
    text: Annotated[str, Field(description="The text to analyze")],
) -> dict[str, Any]:
    """Analyze the sentiment of text."""
    # Perform sentiment analysis
    return {
        "text": text,
        "sentiment": "positive",
        "confidence": 0.87,
        "scores": {
            "positive": 0.87,
            "neutral": 0.10,
            "negative": 0.03,
        },
    }

Beskrivande dokumentation

Ange tydliga beskrivningar som hjälper agenten att förstå när verktyg ska användas:

@tool
def book_flight(
    origin: Annotated[str, Field(description="Departure city and airport code, e.g., 'New York, JFK'")],
    destination: Annotated[str, Field(description="Arrival city and airport code, e.g., 'London, LHR'")],
    date: Annotated[str, Field(description="Departure date in YYYY-MM-DD format")],
    passengers: Annotated[int, Field(description="Number of passengers")] = 1,
) -> dict[str, Any]:
    """
    Book a flight for specified passengers from origin to destination.

    This tool should be used when the user wants to book or reserve airline tickets.
    Do not use this for searching flights - use search_flights instead.
    """
    # Implementation
    pass

Verktygsorganisation med klasser

Ordna dem i en klass för relaterade verktyg:

from agent_framework import tool


class WeatherTools:
    """Collection of weather-related tools."""

    def __init__(self, api_key: str):
        self.api_key = api_key

    @tool
    def get_current_weather(
        self,
        location: Annotated[str, Field(description="The city.")],
    ) -> str:
        """Get current weather for a location."""
        # Use self.api_key to call API
        return f"Current weather in {location}: Sunny, 22°C"

    @tool
    def get_forecast(
        self,
        location: Annotated[str, Field(description="The city.")],
        days: Annotated[int, Field(description="Number of days")] = 3,
    ) -> dict[str, Any]:
        """Get weather forecast for a location."""
        # Use self.api_key to call API
        return {"location": location, "forecast": [...]}


# Create tools instance
weather_tools = WeatherTools(api_key="your-api-key")

# Create agent with class-based tools
agent = Agent(
    name="WeatherAgent",
    instructions="You are a weather assistant.",
    client=OpenAIChatCompletionClient(...),
    tools=[
        weather_tools.get_current_weather,
        weather_tools.get_forecast,
    ],
)

Nästa steg

Nu när du förstår hur backendverktyget återger, kan du:

• Skapa avancerade verktyg: Läs mer om att skapa funktionsverktyg med Agent Framework

Ytterligare resurser

• översikt överAG-UI
• Komma igång med AG-UI
• Självstudie om funktionsverktyg

Go AG-UI-servrar kan exponera vanliga funktionsverktyg i Agent Framework. Skapa verktyg med tool/functool, koppla dem till den värdbaserade agenten och hantera agenten med aguiprovider.NewJSONHTTPHandler.

searchRestaurants := functool.MustNew(functool.Config{
    Name:        "search_restaurants",
    Description: "Search for restaurants in a location.",
}, func(ctx context.Context, in restaurantSearchRequest) (restaurantSearchResponse, error) {
    return restaurantSearchResponse{
        Location: in.Location,
        Cuisine:  in.Cuisine,
        Results:  []restaurantInfo{{Name: "The Golden Fork", Cuisine: in.Cuisine}},
    }, nil
})

a := foundryprovider.NewAgent(endpoint, token, foundryprovider.ModelDeployment(model), foundryprovider.AgentConfig{
    Config: agent.Config{
        Tools: []tool.Tool{searchRestaurants},
    },
})

Tips/Råd

Se exemplet AG-UI backend-verktyg för ett fullständigt körbart exempel.