智能体框架一览

点击上方图片可观看原课程视频。

智能体框架是帮助开发者更简单地创建、部署和管理智能体的工具集合，通常提供现成的组件、抽象和调试能力，使复杂的多智能体系统更易落地。

学习目标

理解智能体框架在 AI 开发流程中的角色。
学会利用框架快速构建、迭代和优化智能体。
了解 AutoGen、Semantic Kernel、Azure AI Agent Service 三者的侧重点与差异。
明白这些框架如何与现有 Azure 生态或其他工具集成。

智能体框架能带来什么

传统的 AI 框架可以帮助应用完成：

个性化：分析用户行为与偏好，提供个性化推荐与内容。
自动化与效率：处理重复任务、优化流程，释放人工投入。
更好的交互体验：通过语音识别、自然语言处理等能力提升用户体验。

智能体框架则在此基础上进一步提供：

智能体协同：快速构建多个智能体协作的系统，支持通信与协调。
任务编排与管理：封装多步骤任务的分配、反馈与异常处理。
上下文理解与自适应：让智能体能够读懂场景变化并作出响应。

换言之，智能体框架让自动化迈入“可适应”“可协作”的阶段。

如何快速原型、迭代与优化

多数框架都会提供三类能力，帮助你快速验证想法：

模块化组件：SDK 内置模型连接器、记忆模块、函数调用、提示模板等，可直接拼装。如下例所示，利用 Semantic Kernel 的自动函数调用，就能构建旅行助手原型。

python

# Semantic Kernel Python 示例

import asyncio
from typing import Annotated

from semantic_kernel.connectors.ai import FunctionChoiceBehavior
from semantic_kernel.connectors.ai.open_ai import AzureChatCompletion, AzureChatPromptExecutionSettings
from semantic_kernel.contents import ChatHistory
from semantic_kernel.functions import kernel_function
from semantic_kernel.kernel import Kernel

chat_history = ChatHistory()
chat_history.add_user_message("I'd like to go to New York on January 1, 2025")


class BookTravelPlugin:
    """示例旅行预订插件"""

    @kernel_function(name="book_flight", description="Book travel given location and date")
    async def book_flight(
        self, date: Annotated[str, "The date of travel"], location: Annotated[str, "The location to travel to"]
    ) -> str:
        return f"Travel was booked to {location} on {date}"

kernel = Kernel()
kernel.add_plugin(BookTravelPlugin(), plugin_name="book_travel")

chat_service = AzureChatCompletion(
    deployment_name="YOUR_DEPLOYMENT_NAME",
    api_key="YOUR_API_KEY",
    endpoint="https://<your-resource>.azure.openai.com/",
)

request_settings = AzureChatPromptExecutionSettings(function_choice_behavior=FunctionChoiceBehavior.Auto())


async def main():
    response = await chat_service.get_chat_message_content(
        chat_history=chat_history, settings=request_settings, kernel=kernel
    )
    assert response is not None

    print(f"{response}")
    chat_history.add_assistant_message(response.content)


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

csharp

// Semantic Kernel C# 示例

using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.ChatCompletion;
using System.ComponentModel;
using Microsoft.SemanticKernel.Connectors.AzureOpenAI;

ChatHistory chatHistory = [];
chatHistory.AddUserMessage("I'd like to go to New York on January 1, 2025");

var kernelBuilder = Kernel.CreateBuilder();
kernelBuilder.AddAzureOpenAIChatCompletion(
    deploymentName: "NAME_OF_YOUR_DEPLOYMENT",
    apiKey: "YOUR_API_KEY",
    endpoint: "YOUR_AZURE_ENDPOINT"
);
kernelBuilder.Plugins.AddFromType<BookTravelPlugin>("BookTravel");
var kernel = kernelBuilder.Build();

var settings = new AzureOpenAIPromptExecutionSettings()
{
    FunctionChoiceBehavior = FunctionChoiceBehavior.Auto()
};

var chatCompletion = kernel.GetRequiredService<IChatCompletionService>();

var response = await chatCompletion.GetChatMessageContentAsync(chatHistory, settings, kernel);

Console.WriteLine(response.Content);
chatHistory.AddMessage(response!.Role, response!.Content!);

public class BookTravelPlugin
{
    [KernelFunction("book_flight")]
    [Description("Book travel given location and date")]
    public async Task<string> BookFlight(DateTime date, string location)
    {
        return await Task.FromResult($"Travel was booked to {location} on {date}");
    }
}

上述示例展示了如何依靠框架提供的解析能力，从用户输入中提取地点与日期，完成一次自动订票任务。

协作工具：诸如 AutoGen、Semantic Kernel、CrewAI 等框架支持多智能体协作。你可以为每个智能体预设专长，让它们轮流处理任务。

python

# AutoGen 示例：定义多智能体并轮询执行

agent_retrieve = AssistantAgent(
    name="dataretrieval",
    model_client=model_client,
    tools=[retrieve_tool],
    system_message="Use tools to solve tasks."
)

agent_analyze = AssistantAgent(
    name="dataanalysis",
    model_client=model_client,
    tools=[analyze_tool],
    system_message="Use tools to solve tasks."
)

termination = TextMentionTermination("APPROVE")

user_proxy = UserProxyAgent("user_proxy", input_func=input)

team = RoundRobinGroupChat([agent_retrieve, agent_analyze, user_proxy], termination_condition=termination)

stream = team.run_stream(task="Analyze data", max_turns=10)
await Console(stream)

实时学习：通过反馈循环让智能体根据用户反馈或环境数据迭代策略，实现持续优化。

AutoGen：事件驱动的多智能体实验场

AutoGen 由微软研究院团队开源，强调事件驱动、分布式的智能体应用，适合多个 LLM/SLM 与工具配合，探索多智能体设计模式。

其核心概念包括：

智能体：基于 Actor Model，可通过消息通信、维护自身状态并执行动作。
消息与对话图：智能体之间以消息异步协作，支持灵活的对话流程。
运行时：提供独立与分布式两种运行模式，负责身份、生命周期与安全隔离。
多智能体协作：支持注册多种角色，如写手、审校、用户等，由 GroupChatManager 统筹。

AutoGen 常用于代码生成、数据分析、研究型助手等场景，适合快速试验多智能体策略。

Semantic Kernel：企业级编排与插件体系

Semantic Kernel 是微软推出的 AI 编排 SDK，包含智能体框架、记忆体系和丰富的插件机制，适合需要可观测、可扩展的企业级应用。

常用组件包括：

AI 连接器：在 Python/C# 中快速接入外部模型和数据源。

python

from semantic_kernel.connectors.ai.open_ai import AzureChatCompletion
from semantic_kernel.kernel import Kernel

kernel = Kernel()
kernel.add_service(
    AzureChatCompletion(
        deployment_name="your-deployment-name",
        api_key="your-api-key",
        endpoint="your-endpoint",
    )
)

csharp

using Microsoft.SemanticKernel;

var builder = Kernel.CreateBuilder();
builder.Services.AddAzureOpenAIChatCompletion(
    "your-resource-name",
    "your-endpoint",
    "your-resource-key",
    "deployment-model");
var kernel = builder.Build();

插件与提示函数：将业务逻辑封装为可调用函数，由模型在对话中按需触发。

python

from semantic_kernel.connectors.ai.open_ai.services.azure_chat_completion import AzureChatCompletion


async def main():
    from semantic_kernel.functions import KernelFunctionFromPrompt
    from semantic_kernel.kernel import Kernel

    kernel = Kernel()
    kernel.add_service(AzureChatCompletion())

    user_input = input("User Input:> ")

    kernel_function = KernelFunctionFromPrompt(
        function_name="SummarizeText",
        prompt="""
        Summarize the provided unstructured text in a sentence that is easy to understand.
        Text to summarize: {{$user_input}}
        """,
    )

    response = await kernel_function.invoke(kernel=kernel, user_input=user_input)
    print(f"Model Response: {response}")


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

csharp

var userInput = Console.ReadLine();

string skPrompt = @"Summarize the provided unstructured text in a sentence that is easy to understand.
                    Text to summarize: {{$userInput}}";

KernelFunction summarizeFunc = kernel.CreateFunctionFromPrompt(
    promptTemplate: skPrompt,
    functionName: "SummarizeText"
);

kernel.ImportPluginFromFunctions("SemanticFunctions", [summarizeFunc]);

原生函数：可直接调用 C# 方法处理文件、数据库等本地资源。

csharp

public class NativeFunctions {

    [SKFunction, Description("Retrieve content from local file")]
    public async Task<string> RetrieveLocalFile(string fileName, int maxSize = 5000)
    {
        string content = await File.ReadAllTextAsync(fileName);
        if (content.Length <= maxSize) return content;
        return content.Substring(0, maxSize);
    }
}

kernel.ImportPluginFromType<NativeFunctions>();

记忆体系：通过向量存储管理长期上下文，把需要让模型“记住”的事实写入记忆。

Semantic Kernel 既可用于实验多智能体流程，也适合构建生产级智能体服务。

Azure AI Agent Service：部署与运维平台

Azure AI Agent Service 是 Azure Foundry 中面向智能体的托管平台，提供模型托管、工具调用、日志与安全能力。它的优势在于：

可直接接入 Azure OpenAI、Azure AI Search、Bing Search、Azure Functions 等服务。
平台级别的身份、安全、监控能力，便于大规模上线。
与 AutoGen、Semantic Kernel 有良好兼容性，可作为它们的运行与发布平台。

在设计落地方案时，可将其视为“部署层”，而不是唯一选择。

如何选择框架

AutoGen：擅长事件驱动、分布式的多智能体实验与快速迭代。
Semantic Kernel：提供企业级编排与插件体系，兼顾实验与生产。
Azure AI Agent Service：关注部署、运维与生态整合，适合作为云端承载环境。

若只想快速体验，可先用 Semantic Kernel 完成原型，再结合 Azure AI Agent Service 部署；需要探索复杂多智能体交互时，可引入 AutoGen 的协作模式。

框架	关注点	核心要素	典型场景
AutoGen	事件驱动、多智能体实验	智能体、角色设定、函数与数据	代码生成、数据分析、研究工具
Semantic Kernel	语言理解与生成、插件体系	智能体、模块化组件、协作	企业知识助手、内容生产
Azure AI Agent Service	模型管理、安全合规、流程编排	模块化、协作、部署管控	云端发布与配套服务整合

与 Azure 生态的集成方式

Azure AI Agent Service 原生支持多种 Azure 服务，适合直接组合使用。
AutoGen、Semantic Kernel 也能通过 Azure SDK 或 REST API 访问这些服务，只是需要在代码中手动编排。
你还可以让 Azure AI Agent Service 作为编排层，调用用 AutoGen 或 Semantic Kernel 实现的智能体逻辑。

基础入门

核心能力

高级模式

技术标准与优化

框架实战

智能体框架一览

学习目标

智能体框架能带来什么

如何快速原型、迭代与优化

AutoGen：事件驱动的多智能体实验场

Semantic Kernel：企业级编排与插件体系

Azure AI Agent Service：部署与运维平台

如何选择框架

与 Azure 生态的集成方式

上一篇

下一篇

智能体框架一览 ​

学习目标 ​

智能体框架能带来什么 ​

如何快速原型、迭代与优化 ​

AutoGen：事件驱动的多智能体实验场 ​

Semantic Kernel：企业级编排与插件体系 ​

Azure AI Agent Service：部署与运维平台 ​

如何选择框架 ​

与 Azure 生态的集成方式 ​

上一篇 ​

下一篇 ​

智能体框架一览

学习目标

智能体框架能带来什么

如何快速原型、迭代与优化

AutoGen：事件驱动的多智能体实验场

Semantic Kernel：企业级编排与插件体系

Azure AI Agent Service：部署与运维平台

如何选择框架

与 Azure 生态的集成方式

上一篇

下一篇