· · 2 minut czytania

Odpowiedzi w Tle w Microsoft Agent Framework: Koniec z Lękiem Przed Timeoutem

Microsoft Agent Framework umożliwia teraz odciążanie długotrwałych zadań AI za pomocą tokenów kontynuacji. Oto jak działają odpowiedzi w tle i dlaczego mają znaczenie dla Twoich agentów .NET.

dotnet ai agent-framework azure
Ten post jest dostępny również w:English, Català, Español, Deutsch, Français, Português, Italiano, 日本語, 中文, 한국어, Русский, हिन्दी, Türkçe, العربية, Bahasa Indonesia, Nederlands

Ten post został automatycznie przetłumaczony. Aby przejść do oryginału, kliknij tutaj.

Jeśli budowałeś cokolwiek z modelami rozumowania jak o3 lub GPT-5.2, znasz ten ból. Twój agent zaczyna przetwarzać złożone zadanie, klient czeka, a gdzieś między “to jest w porządku” a “czy to się zawiesiło?” połączenie przekracza czas.

Microsoft Agent Framework właśnie dostarczył odpowiedzi w tle — i szczerze mówiąc, to jedna z tych funkcji, która powinna istnieć od pierwszego dnia.

Problem z blokującymi wywołaniami

W tradycyjnym wzorcu żądanie-odpowiedź klient blokuje się do momentu zakończenia przez agenta. Odpowiedzi w tle odwracają to do góry nogami.

Jak działają tokeny kontynuacji

Zamiast blokować, uruchamiasz zadanie agenta i otrzymujesz z powrotem token kontynuacji. Pomyśl o tym jak o numerku w garderob. Przepływ jest prosty:

  1. Wyślij żądanie z AllowBackgroundResponses = true
  2. Jeśli agent obsługuje przetwarzanie w tle, otrzymujesz token kontynuacji
  3. Odpytuj według harmonogramu, aż token wróci jako null
AgentRunOptions options = new()
{
    AllowBackgroundResponses = true
};

AgentSession session = await agent.CreateSessionAsync();
AgentResponse response = await agent.RunAsync(
    "Write a detailed market analysis for the Q4 product launch.", session, options);

while (response.ContinuationToken is not null)
{
    await Task.Delay(TimeSpan.FromSeconds(2));
    options.ContinuationToken = response.ContinuationToken;
    response = await agent.RunAsync(session, options);
}

Console.WriteLine(response.Text);

Kiedy faktycznie tego używać

  • Złożone zadania rozumowania — wieloetapowe analizy, głębokie badania
  • Długa generacja treści — szczegółowe raporty, wieloczęściowe dokumenty
  • Nierezualne sieci — klienci mobilni, wdrożenia brzegowe
  • Asynchroniczne wzorce UX — prześlij zadanie, zrób coś innego, wróć po wyniki

Sprawdź pełną dokumentację po kompletny opis API.

Udostępnij:
Zobacz kod źródłowy tego posta na GitHub ↗
← VS Code 1.112: co programiści .NET powinni naprawdę wiedzieć
Od Laptopa do Produkcji: Wdrażanie Agentów AI do Microsoft Foundry Dwoma Poleceniami →