本教學課程示範如何使用代理程式架構將 AI 代理程式整合到工作流程中。 您將學習創建工作流程，利用專門的 AI 代理的強大功能來進行內容創建、審查和其他協作任務。
您將構建什麼
您將建立工作流程，以：
- 使用 Azure Foundry 代理程式服務來建立智慧型代理程式
- 實作法語翻譯代理，將輸入翻譯成法語
- 實施將法語翻譯成西班牙語的西班牙語翻譯代理
- 實施一個英語翻譯程式，將西班牙語翻譯回英語。
- 在循序工作流程管線中連接代理人
- 在客服人員處理請求時串流即時更新
- 示範如何為 Azure Foundry 代理程式正確地釋放資源
涵蓋概念
先決條件
- .NET 8.0 SDK 或更新版本
- 已配置 Azure Foundry 服務端點和部署
- 已安裝並驗證 Azure CLI（適用於 Azure 認證驗證）
- 新的主控台應用程式
步驟 1：安裝 NuGet 套件
首先，安裝 .NET 專案所需的套件：
dotnet add package Azure.AI.Agents.Persistent --prerelease
dotnet add package Azure.Identity
dotnet add package Microsoft.Agents.AI.AzureAI --prerelease
dotnet add package Microsoft.Agents.AI.Workflows --prerelease
步驟 2：設定 Azure Foundry 用戶端
使用環境變數和驗證來設定 Azure Foundry 用戶端：
using System;
using System.Threading.Tasks;
using Azure.AI.Agents.Persistent;
using Azure.Identity;
using Microsoft.Agents.AI;
using Microsoft.Agents.AI.Workflows;
using Microsoft.Extensions.AI;
public static class Program
{
private static async Task Main()
{
// Set up the Azure Foundry client
var endpoint = Environment.GetEnvironmentVariable("AZURE_FOUNDRY_PROJECT_ENDPOINT") ?? throw new Exception("AZURE_FOUNDRY_PROJECT_ENDPOINT is not set.");
var model = Environment.GetEnvironmentVariable("AZURE_FOUNDRY_PROJECT_MODEL_ID") ?? "gpt-4o-mini";
var persistentAgentsClient = new PersistentAgentsClient(endpoint, new AzureCliCredential());
步驟三：建立代理工廠方法
實作協助程式方法，以使用特定指示建立 Azure Foundry 代理程式：
/// <summary>
/// Creates a translation agent for the specified target language.
/// </summary>
/// <param name="targetLanguage">The target language for translation</param>
/// <param name="persistentAgentsClient">The PersistentAgentsClient 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,
PersistentAgentsClient persistentAgentsClient,
string model)
{
var agentMetadata = await persistentAgentsClient.Administration.CreateAgentAsync(
model: model,
name: $"{targetLanguage} Translator",
instructions: $"You are a translation assistant that translates the provided text to {targetLanguage}.");
return await persistentAgentsClient.GetAIAgentAsync(agentMetadata.Value.Id);
}
}
步驟 4：建立專用的 Azure Foundry 代理
使用協助程式方法建立三個翻譯代理程式：
// Create agents
AIAgent frenchAgent = await GetTranslationAgentAsync("French", persistentAgentsClient, model);
AIAgent spanishAgent = await GetTranslationAgentAsync("Spanish", persistentAgentsClient, model);
AIAgent englishAgent = await GetTranslationAgentAsync("English", persistentAgentsClient, model);
步驟 5：建立工作流程
使用 WorkflowBuilder 在循序工作流程中連接代理程式：
// Build the workflow by adding executors and connecting them
var workflow = new WorkflowBuilder(frenchAgent)
.AddEdge(frenchAgent, spanishAgent)
.AddEdge(spanishAgent, englishAgent)
.Build();
第 6 步：使用串流執行
使用串流執行工作流程，以觀察所有代理程式的即時更新：
// Execute the workflow
await using StreamingRun run = await InProcessExecution.StreamAsync(workflow, new ChatMessage(ChatRole.User, "Hello World!"));
// Must send the turn token to trigger the agents.
// The agents are wrapped as executors. When they receive messages,
// they will cache the messages and only start processing when they receive a TurnToken.
await run.TrySendMessageAsync(new TurnToken(emitEvents: true));
await foreach (WorkflowEvent evt in run.WatchStreamAsync().ConfigureAwait(false))
{
if (evt is AgentRunUpdateEvent executorComplete)
{
Console.WriteLine($"{executorComplete.ExecutorId}: {executorComplete.Data}");
}
}
第 7 步：資源清理
使用後正確清除 Azure Foundry 代理程式：
// Cleanup the agents created for the sample.
await persistentAgentsClient.Administration.DeleteAgentAsync(frenchAgent.Id);
await persistentAgentsClient.Administration.DeleteAgentAsync(spanishAgent.Id);
await persistentAgentsClient.Administration.DeleteAgentAsync(englishAgent.Id);
}
運作方式
-
Azure Foundry 用戶端設定：
PersistentAgentsClient搭配 Azure CLI 認證進行驗證 - 代理程式建立：在 Azure Foundry 上建立持續性代理程式，並提供特定的翻譯指示
- 順序處理：法語代理先翻譯輸入，然後翻譯西班牙語代理，然後翻譯英語代理
- 轉權杖模式：代理程式會快取訊息，並且僅在收到權杖後才處理訊息。
-
流式更新：
AgentRunUpdateEvent在代理生成響應時提供實時標記更新 - 資源管理：使用系統管理 API 正確清除 Azure Foundry 代理程式
重要概念
- Azure Foundry 代理服務：具有進階推理功能的雲端式 AI 代理程式
- PersistentAgentsClient：用於在 Azure Foundry 上建立和管理代理程式的用戶端
- AgentRunUpdateEvent：代理程式執行期間的即時串流更新
- TurnToken：訊息快取後觸發代理程式處理的訊號
- 循序工作流程：在管道中連接的代理程式，其中輸出從一個流向下一個
完成實施
如需此 Azure Foundry 代理程式工作流程的完整工作實作，請參閱代理程式架構存放庫中的 FoundryAgent Program.cs 範例。
您將構建什麼
您將建立工作流程，以：
- 使用 Azure AI 代理程式服務來建立智慧型代理程式
- 實作根據提示建立內容的 Writer 代理程式
- 實作檢閱者代理程式，提供內容的意見反應
- 在循序工作流程管線中連接代理人
- 在客服人員處理請求時串流即時更新
- 示範 Azure AI 客戶端的正確異步上下文管理
涵蓋概念
先決條件
- Python 3.10 或更新版本
- 已安裝代理程式架構：
pip install agent-framework-azure-ai --pre - 使用適當環境變數設定的 Azure AI 代理程式服務
- Azure CLI 驗證：
az login
步驟 1：匯入所需的依賴項
首先匯入 Azure AI 代理程式和工作流程的必要元件：
import asyncio
from collections.abc import Awaitable, Callable
from contextlib import AsyncExitStack
from typing import Any
from agent_framework import AgentRunUpdateEvent, WorkflowBuilder, WorkflowOutputEvent
from agent_framework.azure import AzureAIAgentClient
from azure.identity.aio import AzureCliCredential
步驟 2：建立 Azure AI 代理處理站
建立協助程式函式，以適當的非同步內容處理來管理 Azure AI 代理程式建立：
async def create_azure_ai_agent() -> tuple[Callable[..., Awaitable[Any]], Callable[[], Awaitable[None]]]:
"""Helper method to create an Azure AI agent factory and a close function.
This makes sure the async context managers are properly handled.
"""
stack = AsyncExitStack()
cred = await stack.enter_async_context(AzureCliCredential())
client = await stack.enter_async_context(AzureAIAgentClient(async_credential=cred))
async def agent(**kwargs: Any) -> Any:
return await stack.enter_async_context(client.create_agent(**kwargs))
async def close() -> None:
await stack.aclose()
return agent, close
步驟 3：建立特製化的 Azure AI 代理程式
建立兩個專門的代理程式以進行內容建立和檢閱：
async def main() -> None:
agent, close = await create_azure_ai_agent()
try:
# Create a Writer agent that generates content
writer = await 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 = await 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."
),
)
步驟 4：建立工作流程
使用流暢建構器將代理程式連接到循序工作流程中：
# Build the workflow with agents as executors
workflow = WorkflowBuilder().set_start_executor(writer).add_edge(writer, reviewer).build()
步驟 5：使用串流執行
使用串流執行工作流程，以觀察兩個代理程式的即時更新：
last_executor_id: str | None = None
events = workflow.run_stream("Create a slogan for a new electric SUV that is affordable and fun to drive.")
async for event in events:
if isinstance(event, AgentRunUpdateEvent):
# Handle streaming updates from agents
eid = event.executor_id
if eid != last_executor_id:
if last_executor_id is not None:
print()
print(f"{eid}:", end=" ", flush=True)
last_executor_id = eid
print(event.data, end="", flush=True)
elif isinstance(event, WorkflowOutputEvent):
print("\n===== Final output =====")
print(event.data)
finally:
await close()
第 6 步：完成主要功能
使用適當的非同步執行將所有內容包裝在 main 函數中：
if __name__ == "__main__":
asyncio.run(main())
運作方式
-
Azure AI 用戶端設定：
AzureAIAgentClient搭配 Azure CLI 認證進行驗證 - 代理程式工廠模式：建立工廠函數，用於管理多個代理程式的非同步上下文生命週期
- 順序處理： Writer 代理首先生成內容，然後將其傳遞給 Reviewer 代理
-
流式更新：
AgentRunUpdateEvent在代理生成響應時提供實時標記更新 -
情境管理：使用
AsyncExitStack妥善清理 Azure AI 資源
重要概念
- Azure AI 代理服務： 基於雲的 AI 代理，具有高級推理能力
- AgentRunUpdateEvent：代理程式執行期間的即時串流更新
- AsyncExitStack：多個資源的適當非同步內容管理
- 代理程式工廠模式：使用共用用戶端組態建立可重複使用的代理程式
- 循序工作流程：在管道中連接的代理程式，其中輸出從一個流向下一個
完成實施
如需此 Azure AI 代理程式工作流程的完整工作實作，請參閱代理程式架構存放庫中的 azure_ai_agents_streaming.py 範例。