wen aidev
Published on

Microsoft Agent Framework 完整指南 01：統一 Semantic Kernel 與 AutoGen 的未來

Table of Contents

前言：AI 開發的戰國時代

在過去的一年裡，微軟生態系的 AI 開發者往往面臨一個艱難的選擇：

  • Semantic Kernel (SK)：這是企業級開發的首選。它穩定、支援強型別 C#、擁有完善的過濾器（Filters）與依賴注入（DI）支援。但它原本是為了「單一 Agent」或「Plugin 呼叫」設計的，要做複雜的多代理（Multi-Agent）協作相對困難。
  • AutoGen：這是 AI 研究與創新的前沿。它引入了 "Group Chat"、"Conversable Agent" 等革命性概念，讓多個 AI 像人類一樣在聊天室協作。但它的 .NET 支援一直落後於 Python，且 API 變動頻繁，難以在生產環境長期維護。

為了解決這個**「穩定 vs 創新」**的兩難，微軟推出了 Microsoft Agent Framework（預覽版）。

Microsoft Agent Framework Evolution Diagram

什麼是 Microsoft Agent Framework？

簡單來說，它是未來的統一標準。

Agent Framework = Semantic Kernel 的企業基因 + AutoGen 的協作大腦

它不是要取代 Semantic Kernel，而是建立在 SK 的基礎之上（底層許多組件仍使用 SK 的連接器），並將 AutoGen 的 Orchestration（編排） 能力標準化。

核心優勢

  1. 統一的抽象層：無論用 Python 還是 .NET，Agent 的定義方式趨於一致。
  2. 生產就緒 (Production Ready)：原生支援 OpenTelemetry 遙測、分散式狀態管理。
  3. 向後相容：你可以直接重複使用既有的 Semantic Kernel Plugins。

核心概念：Agent vs. Workflow

在 Agent Framework 中，我們必須區分兩個極易混淆的角色：

1. AI Agent (代理人)

Agent 是「大腦」。它由 LLM 驅動，具有不確定性與自主性。

  • 特性：你給它一個目標（Instruction），它自己決定該呼叫什麼工具、問什麼問題。
  • 適用場景：客服對話、創意寫作、非結構化資料分析。
  • 關鍵組件：
    • Context：短期記憶。
    • Tools：手腳（可以是 SK Plugins）。

2. Workflow (工作流程)

Workflow 是「骨架」。它由程式碼定義，具有確定性。

  • 特性：路徑是預先寫死的（A -> B -> C），或者有明確的邏輯分支。
  • 適用場景：固定流程的業務邏輯，如「收到訂單 -> 驗證庫存 -> 扣款 -> 寄信」。
  • 關鍵組件：
    • Step：流程中的每一個節點。
    • Cloud Events：驅動流程前進的事件。

設計心法：盡量用 Workflow 處理「硬邏輯」，只將需要「軟邏輯」（推理、判斷）的部分交給 Agent。別讓 Agent 瞎猜你的業務規則。

C# 快速入門：打造你的第一個 Agent

讓我們看看如何用 C# 建立一個最簡單的 Agent。

1. 安裝套件

目前框架仍在預覽階段，你需要加入 Prerelease feed 或直接安裝預覽版 NuGet：

dotnet add package Microsoft.Agents.AI.OpenAI --prerelease
dotnet add package Azure.AI.OpenAI --prerelease

2. Hello World 程式碼

using Azure.Identity;
using Microsoft.Agents.AI;
using Microsoft.Agents.AI.OpenAI;

// 1. 建立連線 (推薦使用 Azure Identity)
// 比起 API Key，這更安全且符合企業規範
var client = new AzureOpenAIClient(
    new Uri("https://your-resource.openai.azure.com/"),
    new DefaultAzureCredential()
);

// 2. 定義 Agent
// 我們使用 ChatClient 來驅動這個 Agent
var agent = new ChatAgent(
    name: "JokeBot",
    client: client.GetChatClient("gpt-4o"),
    instructions: "你是一個嚴肅的德國工程師，但被強迫講笑話。你的笑話要充滿技術細節且不好笑。"
);

// 3. 執行對話
var inputs = new List<ChatMessage>
{
    new ChatMessage(ChatRole.User, "講一個關於由下而上(Bottom-up)程式設計的笑話")
};

await foreach (var message in agent.InvokeAsync(inputs))
{
    Console.WriteLine($"[{message.Role}]: {message.Content}");
}

這個範例雖然簡單，但它展示了標準的 InvokeAsync 模式，這與我們之後要介紹的串流（Streaming）和工具呼叫（Function Calling）是一致的。

決策指南：我該選擇誰？

這是開發者最關心的問題。既然有了 Agent Framework，Semantic Kernel 還能用嗎？

比較項目Semantic Kernel (SK)Microsoft Agent Framework
定位現在的穩定基石未來的旗艦
適用場景單一 Agent、RAG、傳統 Web API 整合多 Agent 協作、複雜長時間工作流
ASP.NET 整合⭐⭐⭐⭐⭐ (極佳)⭐⭐⭐ (發展中)
學習曲線低高 (需理解 Orchestration, Dapr 等概念)
API 穩定性高 (不常 Breaking Change)低 (Preview 階段)

結論

  • 如果你現在就要上線一個企業級專案，且主要是「單一助理」或「RAG」架構：👉 請繼續使用 Semantic Kernel。它成熟、穩定，且能很好地嵌入 ASP.NET Core。
  • 如果你要打造下一代 AI 應用，需要多個 AI 分工合作（例如一個寫 code，一個 review，一個寫測試）：👉 請開始投資 Microsoft Agent Framework。

在下一篇，我們將深入 Agent Framework 最強大的武器 —— Azure 生態整合，看看如何利用 Durable Functions 讓你的 Agent 擁有「不死之身」。

👉 前往下一篇：完整指南 02：Azure 生態整合

留言討論