Microsoft Agent Framework - 顺序执行 Workflow

在构建复杂的人工智能应用时，我们常常需要将一个大任务拆解成多个小步骤，并让不同的 AI Agent 按顺序依次处理。Microsoft Agent Framework 提供了一个强大而灵活的工具——Workflow，来帮助我们轻松编排和管理这些 Agent 的协作流程。

今天，我们就来深入探讨一种最基本也最常用的工作流模式：**顺序工作流 (Sequential Workflow)**。

场景设定

假设我们需要一个翻译流程：用户输入一句中文，我们希望系统能依次提供英文和日文的翻译。

为了实现这个目标，我们将创建两个专门的 AI Agent：

1. 英语翻译官：一个只负责将中文翻译成英文的专家。

2. 日语翻译官：一个只负责将中文翻译成日文的专家。

然后，我们会使用AgentWorkflowBuilder将这两个 Agent 构建成一个顺序执行的工作流。

代码详解

下面是实现这个顺序翻译工作流的 C# 完整代码。

using System.ClientModel; using Microsoft.Extensions.AI; using OpenAI; using Microsoft.Agents.AI.Workflows; using OpenAI.Chat; namespaceMSAgentFramework.Learn.workflow { internalclassSeq { public async Task Run() { var endpoint = "https://api.deepseek.com/v1"; var apiKey = "sk-59872d44521c4d798faa8315529abcce"; // 1. 创建英语翻译 Agent var englishTranslator = new OpenAIClient( new ApiKeyCredential(apiKey) , new OpenAIClientOptions() { Endpoint = new Uri(endpoint) } ) .GetChatClient("deepseek-chat") .CreateAIAgent(instructions: "你是一个英语专家，当你收到中文的时候帮忙翻译成英文.", name: "English Translator"); // 2. 创建日语翻译 Agent var japaneseTranslator = new OpenAIClient( new ApiKeyCredential(apiKey) , new OpenAIClientOptions() { Endpoint = new Uri(endpoint) } ) .GetChatClient("deepseek-chat") .CreateAIAgent(instructions: "你是一个日语专家，当你收到中文的时候帮忙翻译成日文.", name: "Japanese Translator"); // 3. 构建顺序工作流 var workflow = AgentWorkflowBuilder.BuildSequential([englishTranslator, japaneseTranslator]); // 4. 准备输入消息并运行工作流 var messages = new List<Microsoft.Extensions.AI.ChatMessage> { new(ChatRole.User, "人生如一本书，愚者草草翻过，智者细细阅读。") }; StreamingRun run = await InProcessExecution.StreamAsync(workflow, messages); await run.TrySendMessageAsync(new TurnToken(emitEvents: true)); List<Microsoft.Extensions.AI.ChatMessage> result = new(); // 5. 监听并处理工作流事件 awaitforeach (WorkflowEvent evt in run.WatchStreamAsync().ConfigureAwait(false)) { if (evt is AgentRunUpdateEvent e) { Console.WriteLine($"{e.ExecutorId}: {e.Data}"); } elseif (evt is WorkflowOutputEvent outputEvt) { result = (List<Microsoft.Extensions.AI.ChatMessage>)outputEvt.Data!; break; } } // 6. 显示最终结果 foreach (var message in result) { Console.WriteLine($"{message.Role}: {message.Text}"); } } } }

代码剖析

1. Agent 初始化:

• 我们首先配置了OpenAIClient，值得注意的是，这里我们使用了自定义的Endpoint(deepseek) 和对应的ApiKey。

• 接着，通过CreateAIAgent方法创建了两个实例：englishTranslator和japaneseTranslator。

• 每个 Agent 都被赋予了明确的instructions(指令) 和一个唯一的name。这些指令是 Agent 行为的核心，它告诉 Agent 它的角色和职责。

• 构建 Workflow:

• • 最关键的一步在这里：AgentWorkflowBuilder.BuildSequential([englishTranslator, japaneseTranslator]);。

  • 我们调用BuildSequential方法，并传入一个包含我们两个 Agent 的数组。Agent 在数组中的顺序决定了它们的执行顺序。在这个例子中，englishTranslator会先执行，然后是japaneseTranslator。

• 执行与结果处理:

• • 我们创建了一个初始的用户消息。

  • InProcessExecution.StreamAsync启动工作流，并通过WatchStreamAsync异步监听工作流产生的事件。

  • AgentRunUpdateEvent事件可以让我们实时看到每个 Agent 执行时产生的数据片段。

  • WorkflowOutputEvent事件则标志着整个工作流执行完毕，我们可以从中获取最终的完整结果。

  结果与解读

  当上述代码运行后，我们会在控制台看到如下输出：

  user: 人生如一本书，愚者草草翻过，智者细细阅读。 assistant: Life is like a book: the fool flips through it, while the wise read it carefully and deliberately. assistant: 人生は一冊の本のようなもの。愚者はざっとページをめくり、賢者は丹念に読み込む。

  总结

  通过这个简单的例子，我们了解了如何使用AgentWorkflowBuilder.BuildSequential来创建一个按预定顺序执行任务的 Agent 工作流。这种模式非常适合处理需要多步骤、逻辑清晰的复杂任务。

  通过链式组合不同功能的 Agent，我们可以构建出功能强大、逻辑严密的 AI 应用，而框架本身则优雅地处理了 Agent 之间的状态和上下文传递。

  希望这篇博客能帮助你入门 Microsoft Agent Framework 的顺序工作流。快去尝试构建属于你自己的 Agent 链吧！