.NET开发上手Microsoft Agent Framework（一）从开发一个AI美女聊天群组开始

前言

在AI快速发展的今天，微软推出了多个AI开发框架，从早期的AutoGen到Semantic Kernel，再到最新的Microsoft Agent Framework。很多开发者可能会有疑问：为什么微软要推出这么多框架？它们之间有什么区别？本文将通过一个实际的AI美女聊天群组项目，带你深入理解Microsoft Agent Framework，掌握多智能体开发的核心概念。
本文的示例代码已开源：agent-framework-tutorial-code/agent-groupchat

• 视频演示
  

为什么微软要推出Microsoft Agent Framework？

AutoGen vs Semantic Kernel vs Agent Framework

在讲解新框架之前，我们先理解一下微软AI框架的演进路径：
AutoGen（研究导向）

• 最早期的多智能体研究框架
  
• 侧重学术研究和实验性功能
  
• Python为主，生态相对独立
  

Semantic Kernel（应用导向）

• 面向生产环境的AI应用开发框架
  
• 强大的插件系统和内存管理
  
• 多语言支持（C#、Python、Java）
  
• 适合单一智能体应用
  

Microsoft Agent Framework（企业导向）

• 专为多智能体协作设计
  
• 内置工作流编排能力(Sequential、Concurrent、Handoff、GroupChat)
  
• 支持Handoff转移模式和GroupChat管理模式
  
• 与Azure AI Foundry深度集成
  
• 同时支持.NET和Python
  

Agent Framework的核心优势

• 原生多智能体支持：无需手动管理智能体间的通信,框架自动处理消息路由
  
• 声明式工作流：通过AgentWorkflowBuilder构建复杂协作场景
  
• 内置编排模式：
  
  
  
  • Handoff模式：智能体通过function calling实现控制权转移
    
  • GroupChat模式：通过GroupChatManager选择下一个发言智能体(支持RoundRobin、Prompt-based等策略)
    
  
  
• 状态管理：支持checkpoint存储,可恢复中断的工作流
  

大模型基础知识科普

在使用框架之前，我们需要理解大模型的工作原理。很多开发者对大模型有神秘感，其实它本质上就是一个HTTP API调用。
LLM API的本质

让我们用curl演示一个最简单的OpenAI API调用：

1. curl https://api.openai.com/v1/chat/completions \
2.   -H "Content-Type: application/json" \
3.   -H "Authorization: Bearer YOUR_API_KEY" \
4.   -d '{
5.     "model": "gpt-4o-mini",
6.     "messages": [
7.       {
8.         "role": "user",
9.         "content": "你好，请介绍一下自己"
10.       }
11.     ]
12.   }'

复制代码

响应结果：

1. {
2.   "id": "chatcmpl-abc123",
3.   "object": "chat.completion",
4.   "created": 1677652288,
5.   "model": "gpt-4o-mini",
6.   "choices": [{
7.     "index": 0,
8.     "message": {
9.       "role": "assistant",
10.       "content": "你好！我是一个AI助手，可以回答问题、提供建议..."
11.     },
12.     "finish_reason": "stop"
13.   }]
14. }

复制代码

关键点：

• LLM就是一个普通的HTTP接口
  
• 输入：对话历史（messages数组）
  
• 输出：AI生成的回复（content字段）
  
• 所有复杂的Agent功能都是框架基于这个简单API构建的
  

函数调用（Function Calling）

函数调用是让LLM能够操作外部工具的关键机制。
工作流程：

• 开发者定义可用的函数（工具）
  
• LLM根据用户意图决定调用哪个函数
  
• 框架执行函数并获取结果
  
• 将结果返回给LLM继续对话
  

示例 - 定义天气查询函数：

1. {
2.   "name": "get_weather",
3.   "description": "查询指定城市的天气信息",
4.   "parameters": {
5.     "type": "object",
6.     "properties": {
7.       "city": {
8.         "type": "string",
9.         "description": "城市名称，例如：北京"
10.       }
11.     },
12.     "required": ["city"]
13.   }
14. }

复制代码

LLM的调用响应：

1. {
2.   "role": "assistant",
3.   "content": null,
4.   "function_call": {
5.     "name": "get_weather",
6.     "arguments": "{"city": "北京"}"
7.   }
8. }

复制代码

重点理解：

• LLM不会直接执行函数，只是"建议"调用
  
• 框架负责解析并执行函数
  
• 执行结果需要再次发送给LLM才能生成最终回复
  

MCP（Model Context Protocol）

MCP是新兴的标准化协议，用于LLM与外部工具的通信。
MCP的优势：

• 标准化接口：不同工具遵循统一协议
  
• 动态工具发现：运行时加载工具
  
• 安全隔离：工具在独立进程运行
  

在我们的示例项目中，使用MCP集成了阿里云通义万相图片生成能力。
agent-groupchat项目解析

项目架构

项目采用.NET Aspire编排,前后端分离架构:

1. agent-groupchat/
2. ├── AgentGroupChat.AppHost/         # Aspire编排入口
3. │   └── Program.cs                  # 服务编排配置
4. │
5. ├── AgentGroupChat.AgentHost/       # 后端API服务（.NET 9）
6. │   ├── Services/
7. │   │   ├── AgentChatService.cs     # 核心聊天服务
8. │   │   ├── WorkflowManager.cs      # 工作流管理
9. │   │   ├── AgentRepository.cs      # 智能体配置管理
10. │   │   └── AgentGroupRepository.cs # 群组管理
11. │   ├── Models/
12. │   │   ├── AgentProfile.cs         # 智能体模型
13. │   │   └── AgentGroup.cs           # 群组模型
14. │   └── Program.cs                  # API端点
15. │
16. ├── AgentGroupChat.Web/             # Blazor WebAssembly前端
17. │   ├── Components/
18. │   │   ├── Pages/
19. │   │   │   ├── Home.razor          # 聊天主页面
20. │   │   │   └── Admin.razor         # 管理后台
21. │   │   └── Layout/
22. │   │       └── MainLayout.razor    # 主布局
23. │   ├── Services/
24. │   │   └── AgentHostClient.cs      # API客户端
25. │   └── Program.cs                  # 前端入口
26. │
27. └── AgentGroupChat.ServiceDefaults/ # 共享服务配置
28.     └── Extensions.cs               # OpenTelemetry/健康检查

复制代码

Aspire编排说明

什么是.NET Aspire？
.NET Aspire是微软推出的云原生应用编排框架,简化分布式应用的开发和部署：

• 服务发现：自动解析服务地址,前端无需硬编码API地址
  
• 统一启动：一个命令启动所有服务
  
• 可观测性：内置OpenTelemetry遥测数据收集
  
• Dashboard：实时查看服务状态、日志、指标
  

AppHost配置（AgentGroupChat.AppHost/Program.cs）：

1. var builder = DistributedApplication.CreateBuilder(args);
3. // 添加后端API服务
4. var agentHost = builder.AddProject<Projects.AgentGroupChat_AgentHost>("agenthost");
6. // 添加Blazor前端,引用后端服务
7. builder.AddProject<Projects.AgentGroupChat_Web>("webfrontend")
8.     .WithExternalHttpEndpoints()  // 暴露外部访问端口
9.     .WithReference(agentHost)      // 注入agenthost服务发现信息
10.     .WaitFor(agentHost);           // 等待后端启动完成
12. builder.Build().Run();

复制代码

服务发现原理：
前端通过Aspire自动获取后端地址（Program.cs）：

1. // Web项目的Program.cs
2. var agentHostUrl = builder.Configuration["AgentHostUrl"] ?? "https://localhost:7390";
3. builder.Services.AddScoped(sp => new HttpClient { BaseAddress = new Uri(agentHostUrl) });

复制代码

Aspire会自动将agenthost服务的实际地址注入到配置中。
智能体定义

项目创建了6个性格各异的AI美女角色，组成"AI世界公馆"：
艾莲 (Elena)
[code]new PersistedAgentProfile{    Id = "elena",    Name = "艾莲",    Avatar = "
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！

感谢分享，学习下。