工作流程中的代理

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
一個 Azure Foundry 專案端點與模型已配置
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.Projects --prerelease
dotnet add package Azure.Identity
dotnet add package Microsoft.Agents.AI.Foundry --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 Azure.AI.Projects;
using Azure.AI.Projects.Agents;
using Azure.Identity;
using Microsoft.Agents.AI;
using Microsoft.Agents.AI.Foundry;
using Microsoft.Agents.AI.Workflows;
using Microsoft.Extensions.AI;

public static class Program
{
    private static async Task Main()
    {
        // Set up the Azure AI Project client
        var endpoint = Environment.GetEnvironmentVariable("AZURE_AI_PROJECT_ENDPOINT")
            ?? throw new InvalidOperationException("AZURE_AI_PROJECT_ENDPOINT is not set.");
        var deploymentName = Environment.GetEnvironmentVariable("AZURE_AI_MODEL_DEPLOYMENT_NAME") ?? "gpt-4o-mini";
        var aiProjectClient = new AIProjectClient(new Uri(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="aiProjectClient">The AIProjectClient 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,
        AIProjectClient aiProjectClient,
        string model)
    {
        string agentName = $"{targetLanguage} Translator";
        var version = await aiProjectClient.AgentAdministrationClient.CreateAgentVersionAsync(
            agentName,
            new ProjectsAgentVersionCreationOptions(
                new DeclarativeAgentDefinition(model)
                {
                    Instructions = $"You are a translation assistant that translates the provided text to {targetLanguage}."
                }));

        return aiProjectClient.AsAIAgent(version);
    }
}

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", aiProjectClient, deploymentName);
        AIAgent spanishAgent = await GetTranslationAgentAsync("Spanish", aiProjectClient, deploymentName);
        AIAgent englishAgent = await GetTranslationAgentAsync("English", aiProjectClient, deploymentName);

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.RunStreamingAsync(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())
        {
            if (evt is AgentResponseUpdateEvent 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 aiProjectClient.AgentAdministrationClient.DeleteAgentAsync(frenchAgent.Id);
        await aiProjectClient.AgentAdministrationClient.DeleteAgentAsync(spanishAgent.Id);
        await aiProjectClient.AgentAdministrationClient.DeleteAgentAsync(englishAgent.Id);
    }

運作方式

Azure Foundry 用戶端設定： AIProjectClient 搭配 Azure CLI 認證進行驗證
代理建立：在 Azure Foundry 上建立版本化代理，並附有特定轉譯指示
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：AgentResponseUpdateEvent 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

關鍵概念

Azure Foundry 代理服務：具有進階推理功能的雲端式 AI 代理程式
AIProjectClient：用於在 Azure Foundry 建立及管理代理的客戶端
WorkflowEvent：輸出事件（type="output"）包含代理輸出資料（AgentResponseUpdate 串流、 AgentResponse 非串流）
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：

FoundryChatClient用於創造智慧代理
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

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 OpenAI 回應已設定為具備合適的環境變數
Azure CLI 驗證： az login

步驟 1：匯入所需的依賴項

首先從匯入工作流程與 Azure OpenAI 回應代理所需的元件開始：

import asyncio
import os

from agent_framework import AgentResponseUpdate, WorkflowBuilder
from agent_framework.foundry import FoundryChatClient
from azure.identity import AzureCliCredential

步驟 2：建立 Azure OpenAI 回應客戶端

建立一個共用客戶端，用來構建多個代理：

async def main() -> None:
    client = FoundryChatClient(
        project_endpoint=os.environ["FOUNDRY_PROJECT_ENDPOINT"],
        model=os.environ["FOUNDRY_MODEL"],
        credential=AzureCliCredential(),
    )

步驟三：建立專業代理人

建立兩個專門的代理程式以進行內容建立和檢閱：

    # Create a Writer agent that generates content
    writer_agent = client.as_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_agent = client.as_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

使用建構工具以順序工作流程連接代理：

        # Build the workflow with agents as executors
        workflow = WorkflowBuilder(start_executor=writer_agent).add_edge(writer_agent, reviewer_agent).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_author: str | None = None

    events = workflow.run("Create a slogan for a new electric SUV that is affordable and fun to drive.", stream=True)
    async for event in events:
        if event.type == "output" and isinstance(event.data, AgentResponseUpdate):
            update = event.data
            author = update.author_name
            if author != last_author:
                if last_author is not None:
                    print()
                print(f"{author}: {update.text}", end="", flush=True)
                last_author = author
            else:
                print(update.text, end="", flush=True)

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

用戶端設定：使用帶有 Azure CLI 憑證的裝置 FoundryChatClient 來進行驗證。
代理建立：從同一客戶端設定中建立寫入者與審核者代理。
序列處理：作者代理先產生內容，然後再交給審稿代理。
串流更新：包含type="output"資料的輸出事件AgentResponseUpdate提供代理生成回應時的即時令牌更新。

關鍵概念

FoundryChatClient：用於建立具有一致設定的工作流程代理的共享客戶端。
工作流程事件：輸出事件（type="output"）包含代理的輸出資料（AgentResponseUpdate 串流、 AgentResponse 非串流）。
序列式工作流程：代理在管線中連接，輸出從一個流向下一個。

完成實施

完整實作請參見代理框架倉庫中的 azure_ai_agents_streaming.py 。

您將構建什麼

您將建立工作流程，以：

使用 Azure OpenAI 代理作為工作流程執行者
實作法文翻譯代理
實作西班牙語翻譯代理
實現英文翻譯代理程式
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

涵蓋概念

先決條件

升級到 1.25 或更高版本
Microsoft Foundry 專案端點與模型部署已設定
Azure CLI 驗證或其他 Azure 認證來源

步驟 1：設定 Foundry 組態

endpoint := os.Getenv("FOUNDRY_PROJECT_ENDPOINT")
model := cmp.Or(os.Getenv("FOUNDRY_MODEL"), "gpt-4o-mini")

token, err := azidentity.NewDefaultAzureCredential(nil)
if err != nil {
    return err
}

Warning

azidentity.NewDefaultAzureCredential 開發方便，但在生產過程中需謹慎考量。在生產環境中，建議使用特定的憑證，例如 azidentity.NewManagedIdentityCredential，以避免延遲問題、意外的憑證探測，以及備用機制帶來的安全風險。

步驟 2：建立代理程式工廠函式

建立具有特定翻譯指示的代理人：

newTranslationAgent := func(language string) *agent.Agent {
    return foundryprovider.NewAgent(endpoint, token, foundryprovider.ModelDeployment(model), foundryprovider.AgentConfig{
        Instructions: fmt.Sprintf(
            "Translate the user's text to %s. Return only the translation.",
            language,
        ),
        Config: agent.Config{Name: language + "Agent"},
    })
}

步驟三：建立專業的鑄造代理

frenchAgent := newTranslationAgent("French")
spanishAgent := newTranslationAgent("Spanish")
englishAgent := newTranslationAgent("English")

步驟 4：建立工作流程

代理可作為工作流程執行者使用，實現 AI 驅動的工作流程步驟。

將每個代理程式指定為工作流程執行器，然後以邊將這些執行器連接起來：

import (
    "github.com/microsoft/agent-framework-go/agent"
    "github.com/microsoft/agent-framework-go/workflow/agentworkflow"
    "github.com/microsoft/agent-framework-go/message"
    "github.com/microsoft/agent-framework-go/workflow"
    "github.com/microsoft/agent-framework-go/workflow/inproc"
)

cfg := agentworkflow.Config{DisableForwardIncomingMessages: true}
french := agentworkflow.New(frenchAgent, cfg)
spanish := agentworkflow.New(spanishAgent, cfg)
english := agentworkflow.New(englishAgent, cfg)

wf, err := workflow.NewBuilder(french).
    AddEdge(french, spanish).
    AddEdge(spanish, english).
    WithOutputFrom(english).
    Build()
if err != nil {
    return err
}

步驟 5：使用串流執行

執行工作流程，並使用 workflow.TurnToken 啟用更新事件：

run, err := inproc.Default.RunStreaming(ctx, wf, message.NewText("Hello World"))
if err != nil {
    return err
}
defer run.Close(ctx)

emitEvents := true
if err := run.SendMessage(ctx, workflow.TurnToken{EmitEvents: &emitEvents}); err != nil {
    return err
}

for evt, err := range run.WatchStream(ctx) {
    if err != nil {
        return err
    }
    if out, ok := evt.(workflow.OutputEvent); ok {
        if update, ok := out.Output.(*agent.ResponseUpdate); ok {
            fmt.Printf("%s: %s\n", out.ExecutorID, update.String())
        }
    }
}

運作方式

用戶端設定：使用 Azure 憑證搭配 OpenAI 用戶端。
代理創建：建立具有特定語言指令的專業代理。
代理主機：用於 agentworkflow.New 綁定每個代理作為工作流程執行者。
循序處理：法語執行器會先執行，接著是西班牙語執行器，最後是英語執行器。
回合權杖模式：託管代理程式會緩衝訊息，並在收到 workflow.TurnToken 時執行。
串流更新： workflow.OutputEvent 數值可包含 *agent.ResponseUpdate 即時進度的輸出。

關鍵概念

Azure OpenAI 代理：由 agent.Agent Azure OpenAI 支持。
agentworkflow.New：使代理適用於作為工作流程執行器。
工作流程。TurnToken：觸發託管代理處理緩衝訊息的訊號。
Workflow OutputEvent：傳送代理回應更新及最終工作流程輸出。
序列式工作流程：代理在管線中連接，輸出從一個流向下一個。

完成實施

package main

import (
    "cmp"
    "context"
    "fmt"
    "log"
    "os"

    "github.com/microsoft/agent-framework-go/agent"
    "github.com/microsoft/agent-framework-go/workflow/agentworkflow"
    "github.com/microsoft/agent-framework-go/message"
    "github.com/microsoft/agent-framework-go/workflow"
    "github.com/microsoft/agent-framework-go/workflow/inproc"

    "github.com/Azure/azure-sdk-for-go/sdk/azidentity"
    "github.com/microsoft/agent-framework-go/provider/foundryprovider"
)

func main() {
    ctx := context.Background()
    endpoint := os.Getenv("FOUNDRY_PROJECT_ENDPOINT")
    model := cmp.Or(os.Getenv("FOUNDRY_MODEL"), "gpt-4o-mini")

    credential, err := azidentity.NewDefaultAzureCredential(nil)
    if err != nil {
        log.Fatal(err)
    }

    newTranslationAgent := func(language string) *agent.Agent {
        return foundryprovider.NewAgent(endpoint, credential, foundryprovider.ModelDeployment(model), foundryprovider.AgentConfig{
            Instructions: fmt.Sprintf(
                "Translate the user's text to %s. Return only the translation.",
                language,
            ),
            Config: agent.Config{Name: language + "Agent"},
        })
    }

    cfg := agentworkflow.Config{DisableForwardIncomingMessages: true}
    french := agentworkflow.New(newTranslationAgent("French"), cfg)
    spanish := agentworkflow.New(newTranslationAgent("Spanish"), cfg)
    english := agentworkflow.New(newTranslationAgent("English"), cfg)

    wf, err := workflow.NewBuilder(french).
        AddEdge(french, spanish).
        AddEdge(spanish, english).
        WithOutputFrom(english).
        Build()
    if err != nil {
        log.Fatal(err)
    }

    run, err := inproc.Default.RunStreaming(ctx, wf, message.NewText("Hello World"))
    if err != nil {
        log.Fatal(err)
    }
    defer run.Close(ctx)

    emitEvents := true
    if err := run.SendMessage(ctx, workflow.TurnToken{EmitEvents: &emitEvents}); err != nil {
        log.Fatal(err)
    }

    for evt, err := range run.WatchStream(ctx) {
        if err != nil {
            log.Fatal(err)
        }
        if out, ok := evt.(workflow.OutputEvent); ok {
            if update, ok := out.Output.(*agent.ResponseUpdate); ok {
                fmt.Printf("%s: %s\n", out.ExecutorID, update.String())
            }
        }
    }
}

Warning

Tip

完整範例請參見工作流程中的代理人範例。

後續步驟

人類參與循環

意見反應

此頁面對您有幫助嗎？

Last updated on 2026-07-10

工作流程中的代理

您將構建什麼

涵蓋概念

先決條件

步驟 1：安裝 NuGet 套件

步驟 2：設定 Azure Foundry 用戶端

步驟三：建立代理工廠方法

步驟 4：建立專用的 Azure Foundry 代理

步驟 5：建立工作流程

第 6 步：使用串流執行

第 7 步：資源清理

運作方式

關鍵概念

完成實施

您將構建什麼

涵蓋概念

先決條件

步驟 1：匯入所需的依賴項

步驟 2：建立 Azure OpenAI 回應客戶端

步驟三：建立專業代理人

步驟 4：建立工作流程

步驟 5：使用串流執行

第 6 步：完成主要功能

運作方式

關鍵概念

完成實施

您將構建什麼

涵蓋概念

先決條件

步驟 1：設定 Foundry 組態

步驟 2：建立代理程式工廠函式

步驟三：建立專業的鑄造代理

步驟 4：建立工作流程

步驟 5：使用串流執行

運作方式

關鍵概念

完成實施

後續步驟

意見反應

其他資源