Frontier Agents Workshop

Microsoft Agent Framework-了解如何解决代理企业场景

加入我们的沉浸式动手实验室，专注于Microsoft Agent Framework，在那里您将学习如何构建利用Azure AI功能的智能多代理系统。本课程专为希望探索编排模式的实际实现的架构师、开发人员和人工智能爱好者而设计。

目录

1. 概述
2. 先决条件
3. 学习目标
4. 环境设置
5. 工作坊场景
6. 故障排除
7. 额外资源

什么是代理人？

*代理*：感知环境，做出决策，自主采取行动以实现目标，并可能通过学习或获取知识来提高其绩效

What is an agent

本次研讨会的学习目标

本次研讨会旨在学习如何独立于AI Foundry使用Microsoft Agent Framwork。 story

🛠代理创作

学习使用 *Microsoft代理框架* 用于基于代码和声明性代理开发的SDK。

workflows

🚀代理调试

使用DevUI、Foundry UI或VSCode扩展构建、测试和部署代理。

devui

🔌 连接代理

使用AG-UI、MCP、A2A协议连接代理，将其集成到您的解决方案中。

protocols

⚙️多代理编排

定义多代理编排工作流，以解决代理的复杂问题。

patterns

🔍代理人追踪与评估

追踪代理行为、执行流程，并评估代理的质量和安全性。

evaluations

先决条件

• Python 3.10或更高版本
• 具有开发人员访问令牌的GitHub帐户
• 可选：Redis、AI搜索和应用洞察

环境设置

1. 安装程序包 （使用代码空间时将自动完成）

   pip install -r requirements.txt

2a。 配置环境变量（适用于GitHub模型）\ 该项目通过个人访问令牌（PAT）支持GitHub AI模型。

1. 创建个人访问令牌

要使用模型进行身份验证，您需要在GitHub设置中生成个人访问令牌（PAT）。

现在，您可以使用GitHub PAT访问AI推理。 根据您的计划了解更多关于限额的信息。除了模型使用外，您不需要为令牌授予任何权限。

1. 配置 .env 文件

重命名文件 .env.example 到 .env 并设置 GITHUB_TOKEN 值：

GITHUB_TOKEN=""

每个Python脚本都将从 .env 文件自动。

2b。 配置环境变量（适用于Azure OpenAI模型）

如果你想使用Azure OpenAI而不是（或除了）GitHub模型，还可以在你的 .env 文件：

AZURE_OPENAI_API_KEY=""
AZURE_OPENAI_ENDPOINT="https://.openai.azure.com/openai/v1/"
AZURE_OPENAI_VERSION="2024-10-01-preview"
COMPLETION_DEPLOYMENT_NAME=""
SMALL_DEPLOYMENT_MODEL_NAME=""
RESPONSES_DEPLOYMENT_NAME=""

这些设置的默认值和结构记录在 .env.example 文件。

工作坊场景

本次研讨会分为七个独立的、逐步更高级的场景。每个场景都有自己的 README.md 在 src/scenarios 描述目标、任务、参考和示例提示。

您不必使用 规格套件 对于这个研讨会，我们建议去看看，因为这是在人工智能的帮助下练习专业软件工程的好方法。

1. 场景1——学习如何构建你的第一个代理\

学习如何定义基本代理、连接工具，并使用代理框架开发UI检查活动、指标和跟踪，同时代理回答时间和天气问题并维护会话记忆。\ 看 场景1 README.

1. 场景2——为您的代理构建用户界面\

构建一个基于控制台的客户端，通过AG-UI协议与您的代理进行通信，这样您就可以在不构建完整web UI的情况下发送用户输入并接收代理响应。\ 看 场景2 README.

1. 场景3——将您的代理暴露给其他代理\

通过A2A协议暴露一个气象代理，并将其连接到一个单独的旅行计划代理，该代理远程调用它，仅计划前往天气良好的地点的5天旅行。\ 看 场景3 README.

1. 场景4——跨多个代理编排工作流\

使用确定性工作流来控制多个代理（偏好收集、位置建议、天气检查、总结）协作创建旅行计划的顺序。\ 看 场景4 README.

1. 场景5——声明性代理和工作流\

使用声明性代理和工作流定义而不是命令式代码重新创建旅行计划和天气验证流程，以了解低代码编排模式。\ 看 场景5 README.

1. 场景6——主持代理人之间的讨论\

设计一个由Magentic One等主持人/协调人协调的多代理旅行系统（地点、天气、活动、航班、酒店），执行预算、首选地点和活动多样性等全球规则。\ 看 场景6 README.

1. 场景7——代理可观察性和评估\

为您的代理之一启用基于OpenTetry的跟踪和指标，将其连接到可观察性后端（如果可用），并使用评估循环和自定义指标来分析和改进行为。\ 看 场景7自述.

故障排除

• 缺少环境变量 --验证 .env 镜子里传出钥匙的声音。
• 模型部署 -确保模型部署名称在env文件中匹配。请注意，GitHub模型部署名称以提供者前缀“openai/gpt-5-nano”开头，而不是“gpt-5-nano”。
• Application Insights摄取延迟 --遥测可能需要几分钟才能出现在Azure门户中；使用实时指标流进行近乎实时的调试。

额外资源

• 产品文档：
• GitHub存储库：
• 微软人工智能指南：