Freigeben über

Microsoft Agent Framework

Agent Framework bietet zwei hauptkategorien von Funktionen:

Description
Agenten Einzelne Agents, die LLMs verwenden, um Eingaben zu verarbeiten, Tools und MCP-Server aufzurufen und Antworten zu generieren. Unterstützt Microsoft Foundry, Anthropic, Azure OpenAI, OpenAI, Ollama und more.
Workflows Graphbasierte Workflows, die Agenten und Funktionen für mehrstufige Aufgaben mit typsicherem Routing, Checkpoints und Human-in-the-Loop-Unterstützung verbinden.

Das Framework bietet auch grundlegende Bausteine, einschließlich Modellclients (Chatabschluss und Antworten), eine Agentsitzung für die Zustandsverwaltung, Kontextanbieter für Agent-Speicher, Middleware zum Abfangen von Agentaktionen und MCP-Clients für die Toolintegration. Diese Komponenten bieten Ihnen gemeinsam die Flexibilität und Leistungsfähigkeit, interaktive, robuste und sichere KI-Anwendungen zu erstellen.

Get started

dotnet add package Microsoft.Agents.AI.Foundry --prerelease

using System;
using Azure.AI.Projects;
using Azure.Identity;
using Microsoft.Agents.AI;

AIAgent agent = new AIProjectClient(
        new Uri("https://your-foundry-service.services.ai.azure.com/api/projects/your-foundry-project"),
        new AzureCliCredential())
    .AsAIAgent(
        model: "gpt-5.4-mini",
        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

    from agent_framework.foundry import FoundryChatClient
    from azure.identity import AzureCliCredential

    credential = AzureCliCredential()
    client = FoundryChatClient(
        project_endpoint="https://your-foundry-service.services.ai.azure.com/api/projects/your-foundry-project",
        model="gpt-5.4-mini",
        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}")

Das ist es – ein Agent, der eine LLM aufruft und eine Antwort zurückgibt. Von hier aus können Sie Tools, Multi-Turn-Unterhaltungen, Middleware und Workflows hinzufügen, um Produktionsanwendungen zu erstellen.

Hinweis

Das Agent-Framework lädt .env automatisch. Um eine .env Datei zu verwenden, rufen Sie load_dotenv() zu Beginn Der Anwendung auf, oder legen Sie Umgebungsvariablen direkt in Der Shell oder IDE fest.

Erste Schritte – vollständiges Lernprogramm

Wann sollten Agents im Vergleich zu Workflows verwendet werden?

Verwenden Sie einen Agent, wenn... Verwenden Sie einen Workflow, wenn...
Die Aufgabe ist offen oder konversationell. Der Prozess verfügt über klar definierte Schritte.
Sie benötigen autonome Werkzeugnutzung und -planung Sie benötigen eine explizite Kontrolle über die Ausführungsreihenfolge.
Ein einzelner LLM-Aufruf (möglicherweise mit Tools) reicht aus. Mehrere Agents oder Funktionen müssen koordinieren

Wenn Sie eine Funktion schreiben können, um die Aufgabe zu verarbeiten, führen Sie dies aus, anstatt einen KI-Agent zu verwenden.

Warum Agent Framework?

Agent Framework kombiniert die einfachen Agentabstraktionen von AutoGen mit den Unternehmensfeatures Semantischer Kernel – sitzungsbasierte Zustandsverwaltung, Typsicherheit, Middleware, Telemetrie – und fügt graphbasierte Workflows für explizite Multi-Agent-Orchestrierung hinzu.

Semantischer Kernel und AutoGen pionierte die Konzepte von KI-Agents und multi-Agent-Orchestrierung. Das Agent Framework ist der direkte Nachfolger, der von denselben Teams erstellt wurde. Es kombiniert die einfachen Abstraktionen von AutoGen für Einzel- und Multi-Agent-Muster mit unternehmensweiten Semantischer Kernel-Funktionen wie einer sitzungsbasierten Zustandsverwaltung, Typsicherheit, Filtern, Telemetrie sowie umfassender Unterstützung für Modelle und Einbettungen. Neben der Integration der beiden führt das Agent-Framework Workflows ein, die Entwicklern explizite Kontrolle über Multiagenten-Ausführungspfade geben, sowie ein robustes Zustandsverwaltungssystem für lang andauernde und Mensch-in-der-Schleife-Szenarien. Kurz gesagt, Agent Framework ist die nächste Generation von Semantischer Kernel und AutoGen.

Weitere Informationen zum Migrieren von Semantischer Kernel oder AutoGen finden Sie im Migrationshandbuch von Semantischer Kernel und Migrationshandbuch von AutoGen.

Sowohl Semantischer Kernel als auch AutoGen haben erheblich von der Open-Source-Community profitiert, und das gleiche wird für Agent Framework erwartet. Microsoft Agent Framework begrüßt Beiträge und verbessert weiterhin neue Features und Funktionen.

Von Bedeutung

Wenn Sie Microsoft Agent Framework verwenden, um Anwendungen zu erstellen, die mit Drittanbieterservern, Agents, Code oder nicht-Azure Direct-Modellen ("Drittanbietersysteme") arbeiten, tun Sie dies auf eigene Gefahr. Drittanbietersysteme sind nicht Microsoft Produkte unter den Microsoft Produktbedingungen und unterliegen ihren eigenen Lizenzbedingungen von Drittanbietern. Sie sind für alle Nutzungs- und damit verbundenen Kosten verantwortlich.

Es wird empfohlen, alle Daten zu überprüfen, die mit Drittanbietersystemen geteilt und empfangen werden, und von Drittanbieterpraktiken für die Verarbeitung, Freigabe, Aufbewahrung und Position von Daten Kenntnis zu haben. Es liegt in Ihrer Verantwortung, zu verwalten, ob Ihre Daten außerhalb der Azure Compliance- und geografischen Grenzen Ihrer Organisation und alle damit verbundenen Auswirkungen fließen und dass entsprechende Berechtigungen, Grenzen und Genehmigungen bereitgestellt werden.

Sie sind dafür verantwortlich, Anwendungen, die Sie mit Microsoft Agent Framework im Kontext Ihrer spezifischen Anwendungsfälle erstellen, sorgfältig zu überprüfen und zu testen und alle geeigneten Entscheidungen und Anpassungen zu treffen. Dazu gehört auch die Implementierung Ihrer eigenen verantwortungsvollen KI-Gegenmaßnahmen wie Metaprompt, Inhaltsfilter oder andere Sicherheitssysteme und sicherstellen, dass Ihre Anwendungen angemessene Qualität, Zuverlässigkeit, Sicherheit und Vertrauenswürdigkeitsstandards erfüllen. Siehe auch: Häufig gestellte Fragen zur Transparenz

Nächste Schritte

Schritt 1: Ihr erster Agent

Gehen Sie tiefer:

  • Last updated on