探索 Agentic 框架

▲ 點擊圖片觀看課程影片

什麼是 AI Agent 框架？

AI Agent 框架幫助開發者用標準化的方式解決 Agent 開發中的常見挑戰，提升系統的擴展性、可及性和開發效率。

傳統的 AI 框架能做到：

那為什麼還需要「Agent 專用框架」？

AI Agent 框架跟一般 AI 框架不同。它們是為了建立能與使用者、其他 Agent 和環境互動以達成特定目標的智慧型 Agent。這些 Agent 能展現自主行為、做決策，並適應變化中的環境。

如何快速原型、迭代、改進 Agent？

雖然技術變化很快，但多數 AI Agent 框架有以下共同點可以幫助你快速開發：

1. 使用模組化元件

SDK（如 Microsoft Agent Framework）提供預建的 AI 連接器、工具定義、Prompt 模板等。團隊可以直接組裝這些元件來建立功能性原型，不需從零打造。

📝 Microsoft Agent Framework 範例 — 用 FoundryChatClient 建立旅遊訂票 Agent：

import asyncio
import os

from agent_framework import tool
from agent_framework.foundry import FoundryChatClient
from azure.identity import AzureCliCredential

# 定義工具函式：訂機票
@tool(approval_mode="never_require")
def book_flight(date: str, location: str) -> str:
    """根據日期和地點訂票"""
    return f"已為您預訂 {date} 飛往 {location} 的航班"

async def main():
    provider = FoundryChatClient(
        project_endpoint=os.environ["AZURE_AI_PROJECT_ENDPOINT"],
        model=os.environ["AZURE_AI_MODEL_DEPLOYMENT_NAME"],
        credential=AzureCliCredential(),
    )
    agent = provider.as_agent(
        name="travel_agent",
        instructions="幫助使用者訂票。準備好時使用 book_flight 工具。",
        tools=[book_flight],
    )

    response = await agent.run("我想在 2025 年 1 月 1 日去紐約")
    print(response)

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

2. 利用協作工具

像 Microsoft Agent Framework 這類框架能讓多個 Agent 一起工作。團隊可以為每個 Agent 設計專門的角色和任務，測試和改進協作流程。

📝 多 Agent 協作範例：

import os
from agent_framework.foundry import FoundryChatClient
from azure.identity import AzureCliCredential

provider = FoundryChatClient(
    project_endpoint=os.environ["AZURE_AI_PROJECT_ENDPOINT"],
    model=os.environ["AZURE_AI_MODEL_DEPLOYMENT_NAME"],
    credential=AzureCliCredential(),
)

# 資料擷取 Agent
agent_retrieve = provider.as_agent(
    name="dataretrieval",
    instructions="使用可用工具擷取相關資料",
    tools=[retrieve_tool],
)

# 資料分析 Agent
agent_analyze = provider.as_agent(
    name="dataanalysis",
    instructions="分析擷取到的資料並提供洞見",
    tools=[analyze_tool],
)

# 循序執行
retrieval_result = await agent_retrieve.run("擷取 Q4 銷售數據")
analysis_result = await agent_analyze.run(f"分析這些數據：{retrieval_result}")
print(analysis_result)

3. 即時學習

進階框架提供即時情境理解和適應能力。團隊可以實作回饋迴圈，讓 Agent 從互動中學習、動態調整行為，持續改進。

Microsoft Agent Framework vs Microsoft Foundry Agent Service

這兩個工具互補，但設計目標不同。以下是核心差異：

Microsoft Agent Framework (MAF)

核心概念：

Microsoft Foundry Agent Service

核心概念：

快速對照表

我該選哪一個？常見問答

能否整合既有的 Azure 生態工具？

本課重點回顧

1. AI Agent 框架 ≠ 一般 AI 框架：多了 Agent 協作、任務自動化、情境適應等關鍵能力
2. 快速開發三招：模組化元件（用 SDK 預建組件）、協作工具（多 Agent 分工）、即時學習（回饋迴圈）
3. MAF = SDK：用 FoundryChatClient 簡潔開發，適合建立生產級 Agent
4. Foundry Agent Service = 平台：企業級部署、多模型支援、Azure 整合，適合上線和大規模營運
5. 兩者互補：先用 MAF 開發迭代，再用 Foundry Agent Service 部署擴展

範例程式碼

• Python: Agent Framework (Microsoft Foundry)
• Python: Agent Framework (Azure OpenAI Responses API)
• .NET: Agent Framework

參考資源

• Azure Agent Service 介紹
• Microsoft Agent Framework - Azure OpenAI Responses
• Microsoft Foundry Agent Service 概覽
• Microsoft Foundry Discord 社群
• 原始 README（英文）
• 完整課程 (69.7k ⭐)