Semantic Kernel Agent Orchestration编排

一、多代理编排核心价值

Semantic Kernel的Agent Orchestration框架解决了传统单代理系统的局限性：

1. // 统一调用接口示例（适用于所有模式）
2. InProcessRuntime runtime = new();  
3. await runtime.StartAsync();
5. // 任意编排模式通用执行流程
6. OrchestrationResult<string> result = await orchestration.InvokeAsync(task, runtime);  
7. string output = await result.GetValueAsync();  

复制代码

通过协调具有​​不同专业技能​​的代理（如物理专家、化学专家），构建出能处理复杂工作流的协作系统。​​实验性提示​​：当前功能仍处实验阶段，API可能变更。
二、五种编排模式详解

1. 并发编排 (Concurrent)

​​原理​​：向所有代理广播任务，独立收集结果
​​适用场景​​：并行分析、多方案决策

1. // 定义不同领域的专家代理
2. ChatCompletionAgent physicist = new() {  
3.     Name = "物理专家",  
4.     Instructions = "你是一名物理学专家，从物理角度回答问题",  
5.     Kernel = kernel  
6. };
8. ChatCompletionAgent chemist = new() {  
9.     Name = "化学专家",  
10.     Instructions = "你是一名化学专家，从化学角度分析问题",  
11.     Kernel = kernel  
12. };
14. // 创建并发编排
15. ConcurrentOrchestration orchestration = new(physicist, chemist);  
17. // 执行任务（获取温度定义的多元视角）
18. var result = await orchestration.InvokeAsync("温度是什么？", runtime);  
19. string[] outputs = await result.GetValueAsync();  
21. /* 输出示例：
22. 物理专家：温度是衡量粒子平均动能的物理量...
23. 化学专家：温度反映了分子热运动的剧烈程度...
24. */

复制代码

2. 顺序编排 (Sequential)

​​原理​​：按预设顺序传递处理结果，形成流水线
​​适用场景​​：多阶段文档处理、供应链管理

1. // 创建营销处理流水线
2. ChatCompletionAgent analyst = new() {  
3.     Name = "市场分析师",  
4.     Instructions = "你是一名市场分析师，从产品描述中提取：\n-核心功能\n-目标用户\n-独特卖点"  
5. };
7. ChatCompletionAgent writer = new() {  
8.     Name = "文案撰写人",  
9.     Instructions = "根据分析结果撰写150字营销文案，只需输出文案正文"  
10. };
12. ChatCompletionAgent editor = new() {  
13.     Name = "内容编辑",  
14.     Instructions = "优化文案语法，提升表达清晰度，保持风格统一"  
15. };
17. // 构建顺序链
18. SequentialOrchestration orchestration = new(analyst, writer, editor);  
20. // 执行产品文案生成
21. var result = await orchestration.InvokeAsync(  
22.     "一款环保不锈钢水杯，可保持饮品低温24小时", runtime);  
24. /* 输出示例：
25. 市场分析师：核心功能：环保材料、24小时保冷...
26. 文案撰写人：全新环保不锈钢水杯，让您的冷饮持续冰爽...
27. 内容编辑：【最终文案】创新环保不锈钢水杯...
28. */

复制代码

3. 群聊编排 (Group Chat)

​​原理​​：通过管理器协调多代理对话
​​适用场景​​：头脑风暴、争议解决

1. // 构建创意团队
2. ChatCompletionAgent writer = new() {  
3.     Name = "文案专员",  
4.     Instructions = "你是有十年经验的文案专家，擅长简洁幽默的表达，每次仅提出一个方案"  
5. };
7. ChatCompletionAgent director = new() {  
8.     Name = "艺术总监",  
9.     Instructions = "你是一位崇尚David Ogilvy的创意总监，负责审核文案质量"  
10. };
12. // 创建轮询式群聊（5轮对话上限）
13. GroupChatOrchestration orchestration = new(  
14.     new RoundRobinGroupChatManager { MaximumInvocationCount = 5 },  
15.     writer, director  
16. );
18. // 发起创意任务
19. var result = await orchestration.InvokeAsync(  
20.     "为经济型电动SUV设计广告标语", runtime);  
22. /* 输出示例：
23. 文案专员：“电动驾趣，触手可及”
24. 艺术总监：建议加入环保元素...
25. 文案专员：“绿色动力，轻松驰骋”
26. */

复制代码

4. 移交编排 (Handoff)

​​原理​​：根据上下文动态转移控制权
​​适用场景​​：多级客服系统、专家转接

1. // 构建客服代理链
2. OrchestrationHandoffs handoffs = OrchestrationHandoffs  
3.     .StartWith(triageAgent)  
4.     .Add(triageAgent, statusAgent, returnAgent, refundAgent)  
5.     .Add(statusAgent, triageAgent, "遇到非订单问题转接")  
6.     .Add(returnAgent, triageAgent, "遇到非退货问题转接");
8. // 模拟用户咨询队列
9. Queue<string> queries = new(new[] {  
10.     "我想查询订单状态", "订单号123", "需要退货", "订单号456", "商品破损"  
11. });
13. // 创建移交编排（支持人工介入）
14. HandoffOrchestration orchestration = new(handoffs) {  
15.     InteractiveCallback = () => ValueTask.FromResult(  
16.         new ChatMessageContent(AuthorRole.User, queries.Dequeue()))  
17. };
19. // 处理用户请求
20. var result = await orchestration.InvokeAsync("我需要订单帮助", runtime);  
22. /* 输出示例：
23. 工单代理：请问您需要什么帮助？
24. 订单代理：请提供订单号
25. 退货代理：请描述退货原因...
26. */

复制代码

5. Magentic编排

​​原理​​：管理器动态协调代理分工
​​适用场景​​：研究分析、跨领域协作

1. // 创建研究+执行代理
2. ChatCompletionAgent researcher = new() {  
3.     Name = "研究专员",  
4.     Instructions = "你负责收集信息，不执行计算或量化分析",  
5.     Kernel = researchKernel // 使用gpt-4o-search-preview模型  
6. };
8. AzureAIAgent coder = new() {  
9.     Name = "代码专员",  
10.     Instructions = "你使用代码处理数据，需提供详细分析过程",  
11.     Tools = { new CodeInterpreterToolDefinition() }  // 代码解释器  
12. };
14. // 配置Magentic管理器
15. StandardMagenticManager manager = new(...) {  
16.     MaximumInvocationCount = 5  // 最大调用次数  
17. };
19. // 构建复杂任务协作
20. MagenticOrchestration orchestration = new(manager, researcher, coder);  
22. // 执行综合研究任务
23. var result = await orchestration.InvokeAsync(@"  
24. 比较ResNet-50、BERT-base和GPT-2在Azure Standard_NC6s_v3 VM上训练24小时的  
25. 能耗与CO2排放量，按图像分类/文本分类/文本生成任务给出建议", runtime);  
27. /* 输出示例：
28. 研究专员：根据论文A，ResNet-50训练能耗约45kWh...
29. 代码专员：排放量计算代码：
30.     emissions = energy * 0.387 // 微软区域排放因子
31. 表格结果：
32. | 模型       | 任务类型       | 能耗(kWh) | CO2(kg) |
33. |----------|--------------|----------|---------|
34. | ResNet-50| 图像分类      | 42       | 16.25   |
35. */

复制代码

三、开发准备

• 安装必要包：
  

1. dotnet add package Microsoft.SemanticKernel.Agents.Orchestration --prerelease
2. dotnet add package Microsoft.SemanticKernel.Agents.Runtime.InProcess --prerelease

复制代码

• 统一架构优势：
  

1. // 所有模式共享相同调用接口
2. await orchestration.InvokeAsync(task, runtime);  
3. await result.GetValueAsync();  
4. await runtime.RunUntilIdleAsync();

复制代码

​​实验性声明​​：本文所述功能仍处开发阶段，API可能变更，生产环境慎用。完整示例代码详见官方GitHub仓库。

 

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！