ai-agents-for-beginners

探索AI代理框架

(点击上方图片观看本课视频)

探索AI代理框架

AI代理框架是为简化AI代理的创建、部署和管理而设计的软件平台。这些框架为开发者提供了预构建的组件、抽象和工具，简化了复杂AI系统的开发过程。

这些框架通过为AI代理开发中常见的挑战提供标准化的方法，帮助开发者专注于应用的独特方面。它们提升了构建AI系统的可扩展性、可访问性和效率。

介绍

本课将涵盖：

学习目标

本课的目标是帮助你理解：

什么是AI代理框架，它们能实现什么？

传统AI框架可以帮助你将AI集成到应用中，并提升应用的性能，具体体现在以下方面：

听起来很不错，为什么我们还需要AI代理框架？

AI代理框架不仅仅是AI框架。它们旨在支持智能代理的创建，这些代理可以与用户、其他代理及环境互动以实现特定目标。这些代理能表现出自主行为，做出决策，并适应变化的条件。下面介绍AI代理框架支持的一些关键能力：

总结来说，代理让你能够做更多事情，将自动化提升到新高度，构建能够适应和学习其环境的更智能系统。

如何快速原型设计、迭代和提升代理能力？

这是一个快速发展的领域，但大多数AI代理框架都有一些共通点，可帮助你快速原型设计和迭代，主要包括模块化组件、协作工具和实时学习。让我们深入了解：

使用模块化组件

微软Agent Framework等SDK提供预构建组件，如AI连接器、工具定义和代理管理。

团队如何使用：团队可以快速组装这些组件创建功能性原型，无需从零开始构建，支持快速实验与迭代。

实际应用：你可以使用预构建的解析器提取用户输入中的信息，利用内存模块存储和检索数据，并使用提示生成器与用户交互，均不需从头搭建这些组件。

示例代码。来看一个示例，说明如何使用FoundryChatClient的Microsoft Agent Framework，使模型通过工具调用响应用户输入：

# 微软代理框架 Python 示例

import asyncio
import os

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


# 定义一个示例工具函数以预订旅行
@tool(approval_mode="never_require")
def book_flight(date: str, location: str) -> str:
    """Book travel given location and date."""
    return f"Travel was booked to {location} on {date}"


async def main():
    provider = FoundryChatClient(
        project_endpoint=os.environ["AZURE_AI_PROJECT_ENDPOINT"],
        model=os.environ["AZURE_AI_MODEL_DEPLOYMENT_NAME"],
        credential=AzureCliCredential(),
    )
    agent = provider.as_agent(
        name="travel_agent",
        instructions="Help the user book travel. Use the book_flight tool when ready.",
        tools=[book_flight],
    )

    response = await agent.run("I'd like to go to New York on January 1, 2025")
    print(response)
    # 示例输出：您2025年1月1日飞往纽约的航班已成功预订。祝旅途愉快！✈️🗽


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

从该示例中你可以看到，如何利用预构建解析器提取用户输入中的关键信息，如航班预订请求的起点、终点和日期。这种模块化方法让你专注于高层逻辑。

利用协作工具

微软Agent Framework等框架便于创建多个可协同工作的代理。

团队如何使用：团队可以设计具备特定角色和任务的代理，测试和优化协同工作流，提高整体系统效率。

实际应用：你可以创建一个代理团队，每个代理专注于数据检索、分析或决策等特定功能。代理间可以通讯共享信息，实现共同目标，如回答用户查询或完成任务。

示例代码（微软Agent Framework）：

# 使用 Microsoft Agent Framework 创建多个协作的代理

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

provider = FoundryChatClient(
    project_endpoint=os.environ["AZURE_AI_PROJECT_ENDPOINT"],
    model=os.environ["AZURE_AI_MODEL_DEPLOYMENT_NAME"],
    credential=AzureCliCredential(),
)

# 数据检索代理
agent_retrieve = provider.as_agent(
    name="dataretrieval",
    instructions="Retrieve relevant data using available tools.",
    tools=[retrieve_tool],
)

# 数据分析代理
agent_analyze = provider.as_agent(
    name="dataanalysis",
    instructions="Analyze the retrieved data and provide insights.",
    tools=[analyze_tool],
)

# 顺序运行任务代理
retrieval_result = await agent_retrieve.run("Retrieve sales data for Q4")
analysis_result = await agent_analyze.run(f"Analyze this data: {retrieval_result}")
print(analysis_result)

该代码示例展示了如何创建涉及多个代理协作分析数据的任务。每个代理执行特定功能，任务通过协调代理完成预期结果。通过创建具备专职角色的代理，提升任务效率和性能。

实时学习

先进框架支持实时上下文理解与适应能力。

团队如何使用：团队可以实现反馈循环，让代理从交互中学习，动态调整行为，从而持续改进和完善能力。

实际应用：代理可分析用户反馈、环境数据及任务结果，不断更新知识库，调整决策算法，提高性能。该迭代学习流程使代理适应环境变化和用户偏好，增强整体系统效能。

Microsoft Agent Framework与Microsoft Foundry Agent Service有什么区别？

这里有许多对比方式，下面重点介绍它们在设计、能力和目标用例上的关键差异：

Microsoft Agent Framework (MAF)

Microsoft Agent Framework提供了一个简化的SDK，通过FoundryChatClient构建AI代理。它支持利用Azure OpenAI模型的内置工具调用、对话管理和通过Azure身份实现企业级安全。

用例：构建具备工具使用、多步骤工作流及企业集成场景的生产级AI代理。

Microsoft Agent Framework的几个重要核心概念：

Microsoft Foundry Agent Service

Microsoft Foundry Agent Service是微软在Ignite 2024上推出的较新服务。它支持更灵活的模型，如直接调用开源大语言模型（LLM）Llama 3、Mistral和Cohere，实现AI代理的开发和部署。

Microsoft Foundry Agent Service提供更强的企业安全机制和数据存储方案，适合企业级应用。

它可以无缝与Microsoft Agent Framework协作，共同构建和部署代理。

该服务目前处于公开预览阶段，支持Python和C#构建代理。

使用Microsoft Foundry Agent Service Python SDK，可以创建带有用户定义工具的代理：

import asyncio
from azure.identity import DefaultAzureCredential
from azure.ai.projects import AIProjectClient

# 定义工具函数
def get_specials() -> str:
    """Provides a list of specials from the menu."""
    return """
    Special Soup: Clam Chowder
    Special Salad: Cobb Salad
    Special Drink: Chai Tea
    """

def get_item_price(menu_item: str) -> str:
    """Provides the price of the requested menu item."""
    return "$9.99"


async def main() -> None:
    credential = DefaultAzureCredential()
    project_client = AIProjectClient.from_connection_string(
        credential=credential,
        conn_str="your-connection-string",
    )

    agent = project_client.agents.create_agent(
        model="gpt-5-mini",
        name="Host",
        instructions="Answer questions about the menu.",
        tools=[get_specials, get_item_price],
    )

    thread = project_client.agents.create_thread()

    user_inputs = [
        "Hello",
        "What is the special soup?",
        "How much does that cost?",
        "Thank you",
    ]

    for user_input in user_inputs:
        print(f"# User: '{user_input}'")
        message = project_client.agents.create_message(
            thread_id=thread.id,
            role="user",
            content=user_input,
        )
        run = project_client.agents.create_and_process_run(
            thread_id=thread.id, agent_id=agent.id
        )
        messages = project_client.agents.list_messages(thread_id=thread.id)
        print(f"# Agent: {messages.data[0].content[0].text.value}")


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

核心概念

Microsoft Foundry Agent Service包括以下核心概念：

用例：Microsoft Foundry Agent Service设计用于需要安全、可扩展和灵活AI代理部署的企业应用。

这些方法有何区别？

看起来确实有重叠，但在设计、能力和目标用例上存在关键区别：

仍然不确定选择哪个？

用例

让我们通过一些常见用例帮你理清：

问：我想快速开始构建生产级AI代理应用

答：Microsoft Agent Framework是不错的选择。它通过FoundryChatClient提供了简单的Python风格API，仅需几行代码即可定义带工具和指令的代理。

问：我需要具备Azure搜索和代码执行等集成的企业级部署

答：Microsoft Foundry Agent Service最合适。该服务平台支持多种模型，集成Azure AI搜索、Bing搜索和Azure功能，实现支持Foundry Portal中构建代理并大规模部署。

问：我还是有点糊涂，给我一个推荐

答：先用Microsoft Agent Framework构建代理，当需要生产环境部署和扩展时，再使用Microsoft Foundry Agent Service。此方法既能快速迭代代理逻辑，也提供清晰的企业部署路径。

让我们用表格总结主要差异：

框架 重点 核心概念 用例
Microsoft Agent Framework 简化的代理SDK，支持工具调用 代理、工具、Azure身份 构建AI代理、工具使用、多步骤工作流
Microsoft Foundry Agent Service 灵活模型，企业安全，代码生成，工具调用 模块化、协作、流程编排 安全、可扩展且灵活的AI代理部署

我能否直接集成现有Azure生态工具，还是必须使用独立解决方案？

答案是肯定的，您可以将现有的 Azure 生态系统工具直接集成到 Microsoft Foundry Agent Service，特别是因为它已被设计为与其他 Azure 服务无缝协作。例如，您可以集成 Bing、Azure AI Search 和 Azure Functions。Microsoft Foundry 也有深度集成。

Microsoft Agent Framework 还通过 FoundryChatClient 和 Azure 身份集成了 Azure 服务，允许您直接从代理工具调用 Azure 服务。

示例代码

关于 AI Agent Frameworks 有更多问题吗？

加入 Microsoft Foundry Discord，与其他学习者交流，参加办公时间并获得您的 AI Agents 问题的解答。

参考资料

上一课

AI Agents 介绍及代理用例

下一课

理解 Agentic 设计模式

免责声明： 本文件由 AI 翻译服务 Co-op Translator 翻译完成。尽管我们力求准确，但请注意，自动翻译可能包含错误或不准确之处。原始语言版文件应视为权威来源。对于重要信息，建议使用专业人工翻译。我们对因使用本翻译而产生的任何误解或误释不承担责任。

This site is open source. Improve this page.