谁说 .NET 没有智能体？使用 Microsoft Agent Framework 构建 AI 智能体

Microsoft Agent Framework 标志着 .NET 在 AI 智能体领域真正迈入工程化阶段。开发者不再需要拼凑零散组件，而是可以基于一套统一、可扩展的框架，快速构建具备实际价值的智能应用。期待正式版的到来。在国产大模型能力持续提升的背景下，.NET 开发者完全有条件构建安全、可控、真正落地的 AI 智能体系统。不妨从一个简单的技术问答助手开始，迈出这一步。

我很哇塞耶

906人浏览 · 2026-01-22 10:38:00

我很哇塞耶 · 2026-01-22 10:38:00 发布

目前 Agent Framework 仍处于 Public Preview 阶段，预计将在 2026 年初正式 GA。虽然 API 仍可能存在小幅调整，但核心设计已经非常稳定，完全具备新项目落地的可行性。

进入 2026 年，微软终于发力了，.NET 开发者终于等来了一个真正统一的 AI 智能体开发框架——Microsoft Agent Framework。它整合了此前 Semantic Kernel 与 AutoGen 的核心能力，在一个一致的模型下，提供对话记忆、工具调用、多智能体协作等关键特性。

更重要的是，该框架基于 Microsoft.Extensions.AI 抽象层构建，可以灵活切换底层大模型。不仅支持 OpenAI、Azure OpenAI，也能无缝接入国产模型，例如通义千问（Qwen）和 DeepSeek，在中文理解力与数据合规性方面更具优势。

为什么选择 Agent Framework？

在 Agent Framework 出现之前，如果你想构建一个具备“记忆”“工具调用”甚至“多角色协作”的智能体，通常需要在 Semantic Kernel 中自行拼装大量基础设施代码。

例如，对话上下文需要手动管理，工具调用逻辑需要自行路由，多智能体协作更是需要大量胶水代码，整体复杂且容易出错。

Agent Framework 的目标正是把这些复杂度收敛到框架内部，为开发者提供更接近“生产级”的能力，包括：

线程级的对话状态管理，自动维护多轮上下文； C# 方法原生注册为 AI 可调用工具，无需额外封装；内置多智能体协作模型，天然支持角色分工；集成日志、遥测、异常处理等工程化能力。

如果你的需求已经超出了“单次问答”，例如智能客服、代码审查、文档生成、业务助手等场景，那么 Agent Framework 会明显降低实现成本。

快速上手：创建你的第一个智能体

首先安装必要的 NuGet 包，使用.NET 8 last版本和.NET 10（截至 2026 年 1 月，仍为预览版）：

dotnet add package Microsoft.Extensions.AI.OpenAI --version 10.1.1-preview.1.25612.2
dotnet add package Microsoft.Agents.AI.OpenAI --version 1.0.0-preview.251219.1

★提示：后续若切换到通义千问或 DeepSeek，仅需替换底层 IChatClient 实现，其余代码无需调整。

下面是一个最小可用示例，用于创建并运行一个智能体：

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

// 创建基于 OpenAI 的客户端（后续可替换为国产模型）
var chatClient = new OpenAIClient("your-api-key")
    .GetChatClient("gpt-4o-mini")
    .AsIChatClient();

// 定义智能体行为
var agent = chatClient.CreateAIAgent(
    instructions: "你是一个专业的 .NET 技术顾问，回答需准确、简洁。"
);

// 执行查询
var response = await agent.RunAsync("C# 中 async/await 的原理是什么？");
Console.WriteLine(response);

这个示例已经包含了一个完整智能体的最小生命周期：模型初始化、指令定义、执行推理。

对话记忆：用线程管理上下文

默认情况下，每次调用 RunAsync 都是一次独立对话。若希望智能体“记住之前说过的话”，可以通过 AgentThread 来维护上下文。

var thread = agent.GetNewThread();

// 第一轮
var r1 = await agent.RunAsync("async/await 和 Task.Run 有什么区别？", thread);

// 第二轮（保留上下文）
var r2 = await agent.RunAsync("那在 Web API 中应该如何使用？", thread);

在多轮技术讨论中，智能体可以准确引用前文内容，而开发者无需手动拼接历史消息，这一点在真实业务中非常重要。

赋予智能体“工具调用”能力

智能体真正的价值，在于它不仅能“回答问题”，还能调用外部能力完成任务。

在 Agent Framework 中，只需将普通 C# 方法注册为工具即可：

[Description("获取指定城市的实时天气")]
async Task<string> GetWeather([Description("城市名称")] string city)
{
    await Task.Delay(300);
    return $"晴，22°C，{city}";
}

var weatherAgent = chatClient.CreateAIAgent(
    name: "WeatherHelper",
    instructions: "根据用户需求提供天气信息。",
    tools: [AIFunctionFactory.Create(GetWeather)]
);

var response = await weatherAgent.RunAsync("杭州今天天气如何？");

框架会自动判断是否需要调用工具，并将执行结果融合进最终回复，开发者无需关心调度细节。

多智能体协作：让复杂任务自然拆解

对于复杂任务，单个智能体往往难以兼顾准确性与表达质量。Agent Framework 原生支持多智能体协作：

var researcher = chatClient.CreateAIAgent("你负责查找并验证 .NET 技术细节。");
var writer = chatClient.CreateAIAgent("你根据研究结果撰写清晰的技术文档。");

var research = await researcher.RunAsync("解释 C# 的 Span<T> 在高性能场景中的应用");
var doc = await writer.RunAsync($"基于以下研究，写一段简介：\n{research}");

在实际项目中，这种模式非常适合用于代码审查、方案评估、文档生成等场景，效果明显优于“一个智能体包打天下”。

接入国产大模型：通义千问与 DeepSeek

Agent Framework 通过 IChatClient 抽象层彻底解耦模型提供商，使得接入国产模型变得非常简单。

以通义千问为例，其 DashScope 已提供 OpenAI 兼容接口：

var qwenClient = new OpenAIClient(
    apiKey: "your-dashscope-key",
    endpoint: new Uri("https://dashscope.aliyuncs.com/compatible-mode/v1")
)
.GetChatClient("qwen-max")
.AsIChatClient();

var agent = qwenClient.CreateAIAgent("你是一个中文技术专家...");

DeepSeek 同样支持 OpenAI 协议，仅需更换 endpoint 即可。这意味着同一套智能体代码可以自由切换国内外模型。