Agent-Nutzung

Ein Agent-Gerüst ist das Laufzeitgerüst, das ein Sprachmodell in einen Agent verwandelt, der Arbeit ausführen kann. Es steuert Modell- und Toolaufrufe, verwaltet den Konversationsstatus und den Kontext, wendet Freigaberichtlinien an und kann dafür sorgen, dass der Agent bei einer mehrstufigen Aufgabe weiter vorankommt.

Agent Framework bietet einen meinungsvermerkten, batterienbezogenen Gurt für Forschung, Codierung, Datenanalyse und andere langfristige Arbeiten. Sie stellen einen Chatclient bereit und passen nur die Funktionen an, die Ihre Anwendung benötigt.

Architecture

Die "Harness" erstellt vorhandene Agent Framework-Bausteine, anstatt eine separate Agent-Laufzeit zu definieren:

  1. Chatclient – verbindet den Agent mit einem Modell.
  2. Chat-Pipeline — fügt Funktionsaufrufe, Nachrichteninjektion, dienstaufrufbezogene Verlaufspersistenz und optionale Kompaktierung hinzu.
  3. Agent- und Kontextanbieter – Fügen Sie sitzungsbezogene Anweisungen, Tools, Arbeitsspeicher, Todo-Zustand, Betriebsmodi und optionale Funktionen hinzu.
  4. Middleware und Dekorateure – Fügen Sie Genehmigungsbehandlung, Observierbarkeit und optionale gebundene Schleifen hinzu.
  5. Anwendungsux – streamt Antworten, zeigt den Fortschritt an und sammelt Eingaben wie z. B. Toolgenehmigungen.

Das resultierende Objekt bleibt ein normaler Agent-Framework-Agent: ein HarnessAgent, das in .NET von AIAgent abgeleitet ist, oder ein in Python von create_harness_agent zurückgegebenes Agent. Seine Sitzungen verwenden dieselben Sitzungs- und Kontextanbieter-Abstraktionen wie andere Agenten.

Fähigkeitsmatrix nutzen

Capability Verhalten des Harness Kanonische Anleitung
Funktionsaufruf Aktiviert mit einem konfigurierbaren Iterationslimit pro Anforderung. Funktionale Werkzeuge
Persistenz des Anrufverlaufs pro Dienst Speichert den Verlauf nach jedem Modellaufruf während einer Ausführung mit Tool-Aufrufen. Sitzungen
Komprimierung Aktiviert, wenn Tokenbeschränkungen oder eine benutzerdefinierte Strategie bereitgestellt werden. Verdichtung
Todo-Nachverfolgung Standardmäßig aktiviert. Planung und Aufgaben
Agentmodi Plan- und Ausführungsmodi sind standardmäßig aktiviert. Planung und Aufgaben
Dateispeicher und Dateizugriff Der Speicher der Sitzungsdatei ist standardmäßig aktiviert. Der Zugriff auf freigegebene Dateien ist opt-in. Kontextanbieter
Toolgenehmigung Ständige Genehmigungen und Regeln für die automatische Genehmigung sind standardmäßig aktiviert. Toolgenehmigung
OpenTelemetry Die Agent-Observability ist standardmäßig aktiviert. Beobachtbarkeit
Websuche Standardmäßig hinzugefügt, wo der ausgewählte Chatclient sie unterstützt. Websuche
Agent-Fähigkeiten Standardmäßig in .NET aktiviert; in Python muss dies explizit über einen Anbieter oder über Pfade aktiviert werden. Agent-Fähigkeiten
Hintergrund-Agents Optionale parallele Delegierung an benannte untergeordnete Agents. Hintergrund-Agents
Shellausführung Besteht aus dem Shell-Paket; die Python-Factory kann es automatisch verdrahten. Shelltools
Schleifen Optionaler gebundener Erneutaufruf, der von Evaluatoren oder Prädikaten gesteuert wird. Agent-Schleife

Hintergrund-Agent-Delegierung ist von vom Anbieter verwalteten Hintergrundantworten getrennt. Hintergrundagenten führen untergeordnete Agenten zur Bearbeitung delegierter Aufgaben aus; Hintergrundantworten fragen eine Anbieteranfrage ab oder setzen sie mithilfe eines Fortsetzungstokens fort.

Harness-Agent erstellen

Das Microsoft.Agents.AI.Harness-Paket stellt HarnessAgent im Namespace Microsoft.Agents.AI bereit. Erstellen Sie eines aus einem beliebigen IChatClient mit AsHarnessAgent, oder erstellen Sie HarnessAgent direkt:

using Microsoft.Agents.AI;
using Microsoft.Extensions.AI;

AIAgent agent = chatClient.AsHarnessAgent();

AgentResponse response = await agent.RunAsync("Plan a weekend trip to Seattle.");
Console.WriteLine(response.Text);

Verwenden Sie HarnessAgentOptions, um Betriebsanweisungen auf Harness-Ebene, agentenspezifische Anweisungen und Feature-Optionen festzulegen:

AIAgent agent = chatClient.AsHarnessAgent(new HarnessAgentOptions
{
    Name = "research-agent",
    HarnessInstructions = "Use tools deliberately and report verified results.",
    ChatOptions = new ChatOptions
    {
        Instructions = "You are a research assistant focused on academic sources.",
    },
    MaxContextWindowTokens = 128_000,
    MaxOutputTokens = 16_384,
});

HarnessAgent.DefaultInstructions liefert den Standardleitfaden für den Kabelbaum. HarnessInstructions wird vor ChatOptions.Instructions angezeigt.

Anpassen der Komposition

Standardfunktionen verfügen über spezifische Optionen, darunter DisableTodoProvider, DisableAgentModeProvider, DisableFileMemory, DisableAgentSkillsProvider, DisableWebSearch, DisableToolAutoApproval, DisableOpenTelemetry und DisableCompaction.

Hinzufügen von benutzerdefinierten Kontextanbietern mit AIContextProviders. Aktivieren Sie den Dateizugriff mit FileAccessStore, die Hintergrunddelegierung mit BackgroundAgents und Schleifen mit LoopEvaluators.

Harness-Agent erstellen

Die create_harness_agent Factory gibt einen vollständig konfigurierten Wert Agentzurück:

from agent_framework import create_harness_agent
from agent_framework.openai import OpenAIChatClient

agent = create_harness_agent(
    client=OpenAIChatClient(model="gpt-4o"),
)

session = agent.create_session()
response = await agent.run("Plan a weekend trip to Seattle.", session=session)
print(response.text)

Legen Sie Anweisungen auf Harness-Ebene und agentspezifische Anweisungen separat fest:

agent = create_harness_agent(
    client=client,
    name="research-agent",
    harness_instructions="Use tools deliberately and report verified results.",
    agent_instructions="You are a research assistant focused on academic sources.",
    max_context_window_tokens=128_000,
    max_output_tokens=16_384,
)

DEFAULT_HARNESS_INSTRUCTIONS liefert den Standardleitfaden für Gurtzeuge. harness_instructions wird vor agent_instructions angezeigt.

Anpassen der Komposition

Deaktivieren Sie die Standardeinstellungen mit Optionen wie disable_todo, disable_mode, disable_file_memory, disable_web_search, disable_tool_auto_approval und disable_compaction.

Ersetzen Sie integrierte Anbieter durch todo_provider oder mode_provider, und fügen Sie Anbieter durch context_providers. Funktionen müssen über skills_provider oder skills_paths aktiviert werden; Dateizugriff, Hintergrund-Agenten, Shell-Tools und Schleifen müssen ebenfalls aktiviert werden.

Note

create_harness_agent wird freigegeben. Hintergrund-Agenten, Dateizugriff und Schleifen bleiben experimentell, und die Shell-Tools stammen aus dem Vorabversionspaket agent-framework-tools.

Note

Ein verpacktes Go Harness ist derzeit nicht verfügbar. Verfassen Sie die entsprechenden Go-Agent-, Kontextanbieter-, Komprimierungs- und Middlewarepakete direkt. Aktuelle Unterstützung finden Sie im Agent Framework Go-Repository .

Beispiel für Terminal-UX

Der Harness schreibt keine Anwendungsschnittstelle vor. Das Repository enthält Beispiel-Terminalanwendungen, die die Ausgabe streamen, Todos anzeigen und den aktuellen Modus, Surface Tool-Genehmigungsaufforderungen und Befehle wie /todos, /modeund /exitbereitstellen .

Important

Bei diesen Konsolenprojekten handelt es sich um Beispiele, nicht ausgelieferte Frameworkkomponenten. Verwenden Sie sie als lauffähige Beispiele oder als Ausgangspunkt für Ihre eigene Terminalerfahrung.

Der .NET Beispieleinstiegspunkt lautetHarnessConsole.RunAgentAsync:

using Harness.Shared.Console;

await HarnessConsole.RunAgentAsync(
    agent,
    userPrompt: "Ask me anything to get started.");

Passen Sie das Beispiel mit Beobachtern, Tool-Formatierern, Befehls-Handlern und HarnessConsoleOptions an. Sehen Sie sich die Beispiele für .NET Harness an.

Das Python-Beispiel verwendet das auf Textual basierende Paket console neben den Harness-Beispielen:

from console import run_agent_async

await run_agent_async(agent)

Passen Sie das Beispiel mit Beobachtern, Formatierern, Befehlen und UI-Komponenten an. Sehen Sie sich die Beispiele für Python Harness an.

Das Repository enthält derzeit kein verpacktes Go Harness-Terminalbeispiel.

Nächste Schritte

Arbeit planen und Aufgaben nachverfolgen

Mehr erfahren

  • Last updated on