这一系列的主线，就是我现在正在使用的一套框架：Microsoft Agent Framework。如果你用 Agent Framework，你得到的是一个“能行动的 AI”。Microsoft Agent Framework 是微软推出的一套开源框架，用来构建、编排和部署 AI Agent（智能体）和多智能体工作流。它不是一个聊天机器人框架，而是一个用来搭建“会做事的 AI...

Agent Skills 规范提供了一种标准化的方式来定义和分发 Agent 技能，而 Microsoft Agent Framework (MAF) 则提供了构建 AI Agent 的强大基础设施。通过这套实现，开发者可以轻松为 AI Agent 添加可复用的专业技能，使 Agent 能够完成更复杂的任务。：Agent...

本文通过 Microsoft Agent Framework 的一个示例，演示如何将一个 Agent 封装成标准的“函数工具”，供另一个 Agent 按需调用。在真实系统中，超时控制、调用深度限制、错误回传与重试等逻辑，通常放在主 Agent 的工具调用包装层（tool policy / middleware）中统一处理，以避免多 Agent...

在 Workflow 中，我们可以将一个任务同时分发给多个 Agent，让它们并行处理，最后再将它们的结果汇总起来。: 这个方法创建一个“扇入”边，它会收集多个源节点（如此处的多个 Agent）的输出，然后将这些输出作为一个列表，发送给单个目标节点（通常是一个聚合结果的 Executor）。: 这个方法创建一个“扇出”边，它将单个源节点（通常是一个分发任务的...

在构建复杂的人工智能应用时，我们常常需要将一个大任务拆解成多个小步骤，并让不同的 AI Agent 按顺序依次处理。Microsoft Agent Framework 提供了一个强大而灵活的工具——Workflow，来帮助我们轻松编排和管理这些 Agent 的协作流程。通过链式组合不同功能的 Agent，我们可以构建出功能强大、逻辑严密的 AI 应用，而框架本身则优雅地处理了 Agent...

在构建生成式 AI 应用时，我们经常面临一个关键挑战：“记忆管理（Memory Management）”。在简单的 Demo 中，我们通常把聊天记录（Chat History）直接存在内存的。，将 AI 的记忆托管给外部存储。扩展性：可替换底层存储（Redis、CosmosDB、Postgres），可以使用不同的连接器。通过解耦“计算”（Agent）与“存储”（VectorStore），让...

借助其类型安全的体系结构和直观的设计，您可以编排复杂的工作流，而无需陷入基础设施的复杂性中，从而专注于核心业务逻辑。Workflow 的流程是明确定义的，允许对执行路径进行更精确的控制，非常适合处理复杂的业务流程。Executors 作为独立的业务处理单元，而 Edges...

在调用Agent的RunAsync时，通过ChatOptions对象显式指定AIFunction工具的使用，这是因为Tool的使用是由LLM决定的，如果不显式指定，有时候LLM并不会执行指定的Tool，通过Agent得到的返回结果（response）中的数据结构就不一定包含FunctionResultContent，这将对后续结构化数据的获得造成困难。在这个应用中，我们需要整合一个地图组件，...

在 Agentic AI 爆发式发展的时代，我们追求的早已不只是“更强大的模型”——而是一次真正能让开发者睡个好觉的开发体验。任何支持 AG-UI 的前端（例如 CopilotKit 提供的组件），都可以直接连接你的本地 Agent。在这个案例的代码结构中，你会发现 Agent 的定义方式变得异常清晰：不再是杂乱无章的 Python / C# 代码，而是结构化、声明式的 Agent...

注意看最后一次 RunAsync 的参数，我们传入的是 resumedThread（恢复后的线程）。💡 这里给 Agent 的指令（Instructions）很简单：你是一位江湖说书人，擅长用幽默、接地气的方式讲笑话和故事。在构建复杂的 AI 应用（如客服机器人、RPG 游戏...

然而，目前的开源智能体框架分散，难以在本地实验和云端量产之间无缝切换，更缺乏企业级的可观测性、安全、合规和可持续（durability）能力。例如，KPMG 用于智能审计自动化，宝马用于车辆数据实时分析，Commerzbank 实现智能客服，Fractal、TCS、Fujitsu、Elastic...

结合上一篇的 DevUI 调试能力，你可以先通过模块化拆分开发 Agent，再用 DevUI 调试工具调用逻辑，最后通过 MCP 协议暴露供外部系统使用，形成 “开发→调试→集成” 的完整闭环。通过这两种方式，实现 Agent 的模块化拆分、跨 Agent 协作，还能让你的 Agent 被外部系统标准化调用，真正实现 “一次开发、多端复用”。跨 Agent 复用：一个工具 Agent...

这里我们创建了一个名为 "HelpfulAssistant" 的 Agent，并用一句简单的系统提示词说明它的角色：你是一个乐于助人的助手。这节示例展示的，就是如何用 Microsoft Agents 框架，让 ChatClientAgent 直接产出这样的结构化结果。和前面的泛型方法相比，这种方式更显式地把「结构化 JSON」的要求传递给模型，是更专业的接口级用法。传统的聊天式...

下面的 C# 代码示例，展示了如何使用微软 Agent Framework 创建一个需要人工审批才能调用外部函数的 AI 代理。近年来，AI代理（Agent）的能力越来越强，通过调用外部函数驱动真实世界的操作成为主流。代码中预留了“流式调用”的...

只需简单步骤，即可实现让 AI 智能体通过自然语言自动调用工具方法，大幅提升企业智能助手、自动化流程的开发效率与智能化水平。未来，随着 Agent Framework 持续迭代，更多行业和业务场景都能够充分受益于智能体与工具的结合与协同。在现代 AI 应用场景中，Agent Framework...

在上面我们构建整个智能体很简单，我们在做智能体之前需要把前凑步骤做好，这个是一次性的，做过一次你下次基本复用就行，就行我们在开发软件之前必须安装开发环境一样，真所谓：工欲善其事，必先利其器。在调用 Azure AI Foundry / Azure OpenAI 的模型 API 时，必须先完成 Azure 的身份认证。当你调用 Azure AI Foundry 中部署的模型 API...

正如我们的示例所示，无论是动态调整 Agent 的行为，还是从对话中提取和记忆信息，您可以把它想象成 AI Agent 的“记忆模块”。在构建复杂的对话式 AI 应用时，如何有效管理和利用对话过程中的上下文信息至关重要。，我们直接将这个信息（例如：“用户最喜欢的运动是：足球”）注入到提示中，让 Agent...

而 Agentic RAG 更像是一个经验丰富的图书管理员，会根据你的问题帮你分析需求，先找哪本书，再找哪本书，甚至会告诉你"这个问题可能需要跨学科查阅"。RAG 的未来不是更大的向量数据库，也不是更强的 Embedding 模型，而是更智能的检索策略。接下来，我们用 Microsoft Agent Framework 实现三种典型的 Agentic RAG...

而 Agentic RAG 更像是一个经验丰富的图书管理员，会根据你的问题帮你分析需求，先找哪本书，再找哪本书，甚至会告诉你"这个问题可能需要跨学科查阅"。RAG 的未来不是更大的向量数据库，也不是更强的 Embedding 模型，而是更智能的检索策略。接下来，我们用 Microsoft Agent Framework 实现三种典型的 Agentic RAG...

而 Agentic RAG 更像是一个经验丰富的图书管理员，会根据你的问题帮你分析需求，先找哪本书，再找哪本书，甚至会告诉你"这个问题可能需要跨学科查阅"。RAG 的未来不是更大的向量数据库，也不是更强的 Embedding 模型，而是更智能的检索策略。接下来，我们用 Microsoft Agent Framework 实现三种典型的 Agentic RAG...