Microsoft Agent Framework Bölüm 3: Araçlardan İş Akışlarına — Yapı Taşları Yerine Oturdu

Bu yazı otomatik olarak çevrilmiştir. Orijinal sürüm için buraya tıklayın.

.NET’teki Building Blocks for AI serisini takip ettiyseniz: Bölüm 1 bize IChatClient‘ı (evrensel model arayüzü), Bölüm 2 ise Microsoft.Extensions.VectorData‘yı (semantik arama ve RAG) verdi. Her ikisi de temel yapı taşları ve kendi başlarına kullanışlı. Ama her şeyin birbirine bağlanmaya başladığı yer burası.

Bölüm 3 Microsoft Agent Framework hakkında — dürüst olmak gerekirse, .NET’te görmek için sabırsızlandığım parça bu. 1.0 Nisan’da çıktı. API kararlı. Gerçek agentlar inşa etme zamanı geldi.

Agent gerçekte nedir (chatbot’a karşı)

Koda dalmadan önce bu ayrımı netleştirelim. Chatbot girdi alır, modeli çağırır, çıktı döndürür. Basit döngü.

Agentın özerkliği vardır. Bir görev hakkında akıl yürütebilir, hangi araçları kullanacağına karar verebilir, onları çağırabilir, sonuçları değerlendirebilir ve sıradaki adıma karar verebilir — her senaryo için açık adım adım mantık yazmadan. Araçlar ve talimatlar verirsiniz, orkestrasyon kendiliğinden gerçekleşir.

Şöyle düşünün: IChatClient bir konuşma yapmak gibi. Agent, birine görev listesi devretmek gibi.

10 satırda ilk agentınız

dotnet add package Microsoft.Agents.AI

AIAgent agent = new AzureOpenAIClient(
    new Uri(endpoint),
    new DefaultAzureCredential())
    .GetChatClient(deploymentName)
    .AsAIAgent(
        instructions: "You are good at telling jokes.",
        name: "Joker");

Console.WriteLine(await agent.RunAsync("Tell me a joke about a pirate."));

.AsAIAgent() uzantı yöntemi köprüdür. MEAI’dan .AsIChatClient() ile aynı desen — sağlayıcının SDK’sını kararlı bir soyutlamaya sarar. Azure OpenAI, OpenAI, GitHub Models, Microsoft Foundry veya yerel modellerle çalışır.

Akış da işe yarar:

await foreach (var update in agent.RunStreamingAsync("Tell me a joke about a pirate."))
{
    Console.Write(update);
}

Agenta araçlar vermek

Burada agentlar süslü chatbot olmaktan çıkar. Araçlar, modelin kullanıcının istediklerine göre çağırmaya karar verebileceği fonksiyonlardır. Yönlendirme mantığına gerek yok — model kendisi çözüyor.

[Description("Get the weather for a given location.")]
static string GetWeather(
    [Description("The location to get the weather for.")] string location)
    => $"The weather in {location} is cloudy with a high of 15°C.";

AIAgent agent = chatClient.AsAIAgent(
    instructions: "You are a helpful assistant",
    tools: [AIFunctionFactory.Create(GetWeather)]);

İki şeye dikkat edin. Birincisi, AIFunctionFactory MEAI’dan — normal bir IChatClient ile kullanacağınız araç fabrikasıyla aynı. Sohbet senaryoları için araç tanımladıysanız, burada da çalışır.

İkincisi, Description öznitelikleri çok önemlidir. Modelin bir aracın ne yaptığını ve ne zaman kullanılacağını anlama biçimi budur. Bunlara insanlar için değil, yapay zekanız için belgeler gibi davranın.

Oturumlar: Gerçekten hatırlayan konuşmalar

AgentSession session = await agent.CreateSessionAsync();

Console.WriteLine(await agent.RunAsync("Tell me a joke about a pirate.", session));

Console.WriteLine(await agent.RunAsync(
    "Now add some emojis and tell it in the voice of a pirate's parrot.",
    session));

Oturum olmadan her RunAsync çağrısı durumsuz. Oturumla, agent hangi şakadan bahsettiğinizi bilir. AgentSession, turlar arasında konuşma geçmişini korur.

Üretim durumsuz servisleri için oturumlar temiz bir şekilde serileştirilebilir:

JsonElement sessionState = await agent.SerializeSessionAsync(session);
// ... bir yerde saklayın ...
var restoredSession = await agent.DeserializeSessionAsync(sessionState);
Console.WriteLine(await agent.RunAsync("What were we just talking about?", restoredSession));

Agentınız sunucusuz veya yatay ölçeklenmiş ortamda çalışıyorsa bu kritiktir.

AIContextProvider: Oturumlar arası kalıcı bellek

Oturumlar, konuşma geçmişini bir oturum içinde korur. Peki oturumlar arasında kullanıcı hakkında bir şeyler bilmek? AIContextProvider bunu ele alır.

İki kancası var:

• ProvideAIContextAsync — her etkileşimden önce çalışır, agenta bağlam enjekte eder
• StoreAIContextAsync — her etkileşimden sonra çalışır, öğrenmeye ve kalıcılaştırmaya olanak tanır

Desen zarif: birden fazla sağlayıcıyı yığın şeklinde kullanabilirsiniz — biri kullanıcı tercihleri için, biri son etkileşimler için, biri ilgili belgeler için VectorData deposunu sorgulayan. Sonuncusu tam olarak Bölüm 2’den RAG deseni, artık her agent çağrısında otomatik olarak çalışıyor.

Çok agentlı iş akışları

Framework’ün adını hak ettiği yer burası. Yürütücülerin (agentlar, fonksiyonlar, her neyse) kenarlar üzerinden bağlandığı grafik tabanlı bir iş akışı sistemi içerir.

Yerel olarak desteklenen bazı desenler:

• Sıralı: Agent A’nın çıktısı Agent B’ye gider
• Eşzamanlı (fan-out/fan-in): Paralel olarak birden fazla agenta gönderir, sonuçları toplar
• Koşullu yönlendirme: Çıktıya göre farklı agentlara iş yönlendirir
• Yazar-eleştirmen döngüleri: Bir agent yazar, diğeri değerlendirir, onaylanana kadar döngü
• Alt iş akışları: İş akışlarını hiyerarşik olarak oluşturur

Yazar-eleştirmen örneği:

WorkflowBuilder builder = new(writerAgent);
builder
    .AddEdge(writerAgent, criticAgent)
    .AddEdge(criticAgent, writerAgent, condition: result => !result.IsApproved)
    .WithOutputFrom(criticAgent, condition: result => result.IsApproved);
var workflow = builder.Build();

Temiz, okunabilir ve koşul tabanlı yönlendirme, döngü mantığını kendiniz yazmanız gerekmediği anlamına gelir.

Human-in-the-Loop

Her şey tamamen özerk çalışmamalı. Hassas operasyonlar için — veritabanı yazmaları, finansal işlemler, iletişim gönderme — agentın yürütmeden önce bir insanın onaylamasını istersiniz.

Framework, FunctionApprovalRequestContent ve FunctionApprovalResponseContent aracılığıyla bunun için yerleşik desteğe sahip. Agent araç çağrısını önerir, uygulama kodunuz bunu kullanıcıya sunar ve yanıt yürütmenin devam edip etmeyeceğini belirler.

Kurumsal ortamlarda agentlar hakkında düşünmenin doğru yolu bu: tam özerk değil, muhafızlı özerklik.

Tam tablo

Bir adım geri çekilirseniz:

• MEAI herhangi bir modele evrensel arayüz sağlar
• VectorData semantik arama yoluyla agentlarınıza kuruluşunuzun bilgisine erişim verir
• Agent Framework her şeyi orkestre eder — dahili olarak IChatClient kullanır, bağlam sağlayıcılarıyla birleşir ve iş akışları üzerinden koordinasyon sağlar

Her parça diğerleriyle birleşecek şekilde tasarlanmış. Jeremy Likness’ın orijinal gönderisi ve tam örnekler için Agent Framework GitHub deposuna bakın.

Sonuç

Microsoft Agent Framework Bölüm 3 gönderisi yapı taşları serisindeki döngüyü kapatıyor. Araçları kullanan, şeyleri hatırlayan ve koordine eden gerçek AI agentları — sadece chatbot değil — oluşturmak isteyen .NET geliştiricileri için bu ilerlemenin yolu.

Kararlı 1.0 sürümü, bunu üretimde inşa edebileceğiniz anlamına gelir. .NET’te agent geliştirmeye atlamak için bekliyordunuz, doğru zaman şu an.