Pierwsze kroki z Microsoft Agent Framework: przewodnik krok po kroku

By Mirko Peters · 2026-08-13

Witamy ponownie na blogu podcastu! Jeśli śledzisz nasze ostatnie odcinki, wiesz, że świat sztucznej inteligencji szybko przechodzi od prostych interfejsów czatu do zaawansowanych, autonomicznych systemów. …

Automatically translated with AI from the original post. Read the English original

Witamy ponownie na blogu podcastu! Jeśli śledzisz nasze ostatnie odcinki, wiesz, że świat sztucznej inteligencji szybko przechodzi od prostych interfejsów czatu do zaawansowanych, autonomicznych systemów. Nie ograniczamy się już do tego, by model realizował pojedynczy monit; zarządzamy zespołami cyfrowych pracowników, którzy potrafią wnioskować, planować i wykonywać wieloetapowe zadania. Aby przełożyć eksperymentalne projektowanie promptów na wdrożenia na poziomie przedsiębiorstwa, Microsoft wprowadził przełomowy zestaw narzędzi. W tym wpisie zagłębimy się w praktyczne korzystanie z tej technologii: od wstępnej konfiguracji po uruchomienie pierwszego autonomicznego przepływu pracy.

Zanim przejdziemy do omówienia technicznego, jeśli chcesz poznać podstawowe koncepcje, koniecznie posłuchaj naszego dedykowanego odcinka podcastu: Microsoft Agent Framework - Simply Explained. Odcinek ten wyjaśnia, jak te narzędzia wpisują się w szerszy ekosystem Microsoft, dzięki czemu przed napisaniem pierwszych linijek kodu będziesz mieć strategiczny kontekst.

Wprowadzenie do Microsoft Agent Framework

Microsoft Agent Framework to otwarta, wielojęzyczna architektura zaprojektowana z myślą o tworzeniu produkcyjnych agentów AI oraz współpracujących przepływów pracy z wieloma agentami. W przeciwieństwie do tradycyjnych aplikacji czatu, które opierają się wyłącznie na liniowej dynamice pytań i odpowiedzi, ten framework umożliwia programistom budowanie długotrwałych komponentów uruchomieniowych. Komponenty te wykorzystują duże modele językowe (LLM) do interpretowania danych wejściowych użytkownika, wywoływania zewnętrznych narzędzi, utrzymywania trwałego stanu sesji i generowania bardzo precyzyjnych odpowiedzi.

Najważniejsze jest to, że framework rozwiązuje zasadnicze wyzwanie architektoniczne: jak sprawić, by wiele podmiotów AI płynnie współpracowało ze sobą. Dzięki modułowej koordynacji, deterministycznym przepływom pracy oraz obsłudze Model Context Protocol (MCP) programiści mogą tworzyć systemy, w których wyspecjalizowani agenci, tacy jak badacz, analityk i kierownik projektu, współpracują autonomicznie. Niezależnie od tego, czy budujesz boty obsługi klienta, zautomatyzowanych asystentów programistycznych, czy złożone silniki procesów biznesowych, uporządkowany, stanowy framework jest niezbędny, by Twoje aplikacje były niezawodne, bezpieczne i skalowalne.

Krok 1: Konfiguracja repozytorium

Każda udana praca programistyczna zaczyna się od czystego obszaru roboczego i właściwej konfiguracji środowiska. Aby rozpocząć pierwszy projekt z Microsoft Agent Framework, pierwszym krokiem jest skonfigurowanie lokalnego repozytorium deweloperskiego.

Najpierw musisz sklonować oficjalne repozytorium laboratoryjne udostępnione w przewodnikach dla początkujących. Otwórz terminal lub wiersz poleceń i pobierz kod źródłowy. Po sklonowaniu repozytorium Twoim pierwszym zadaniem jest sprawdzenie środowiska programistycznego. Framework obsługuje przede wszystkim Python i .NET, dlatego upewnij się, że używasz zgodnej wersji wybranego środowiska uruchomieniowego: zazwyczaj Python 3.10 lub nowszy dla programistów Pythona albo najnowszy zestaw .NET SDK dla programistów korzystających z rozwiązań przedsiębiorstwa.

W repozytorium znajdź plik z wymaganiami lub plik konfiguracji projektu. Utwórz wirtualne środowisko, aby odizolować zależności, i zainstaluj wymagane pakiety. Poświęcenie czasu na prawidłową konfigurację lokalnego obszaru roboczego teraz pozwoli uniknąć frustrujących konfliktów zależności w przyszłości, gdy zaczniesz dodawać zaawansowane klienty modeli i komponenty pośredniczące.

Krok 2: Konfiguracja Azure AI Foundry

Gdy lokalne repozytorium jest już uruchomione, musisz połączyć lokalne środowisko z infrastrukturą chmurową, która zasila silniki wnioskowania Twoich agentów. Właśnie tu na scenę wchodzi Azure AI Foundry.

Zaloguj się do portalu Azure i przejdź do Azure AI Foundry. Tutaj musisz utworzyć nowy zasób oraz dedykowaną przestrzeń projektu dla przepływu pracy agenta. Uporządkowanie pracy w konkretnym projekcie pomaga skutecznie zarządzać uprawnieniami, śledzić zużycie tokenów i monitorować ścieżki wykonywania agenta.

Po utworzeniu projektu musisz wdrożyć wymagane modele i podstawowe usługi. W zależności od przypadku użycia warto udostępnić solidne modele LLM, na przykład zaawansowane modele GPT, które poradzą sobie ze złożonym wnioskowaniem, zarządzaniem stanem i wywoływaniem narzędzi. Dodatkowo skonfiguruj w tym środowisku usługę Azure Search Service. Pełni ona rolę fundamentu dla możliwości pobierania danych przez agenta: bezpiecznie analizuje dane firmowe i przekazuje odpowiedni kontekst z powrotem do sesji agenta.

Krok 3: Łączenie Bing Search na potrzeby groundingu

Agent AI jest tak dobry, jak informacje, do których ma dostęp. Dane wewnętrzne organizacji są kluczowe, ale wiele procesów wymaga aktualnej wiedzy ze świata zewnętrznego, dostępnej w otwartym internecie. Aby to umożliwić, musisz zapewnić agentom wiarygodne mechanizmy groundingu.

W tym kroku konfiguracji projektu połączysz Bing Search z projektem w Azure AI Foundry. Integrując interfejs Bing Search API jako zasób narzędzia, dajesz agentom możliwość dynamicznego przeszukiwania sieci wtedy, gdy zapytanie użytkownika wymaga informacji w czasie rzeczywistym.

Konfiguracja tego połączenia polega na podaniu danych uwierzytelniających wyszukiwarki w zmiennych środowiskowych lub plikach konfiguracyjnych, dzięki czemu klienty modeli mogą bez przeszkód wywoływać narzędzie wyszukiwania podczas działania. Gdy agent natrafi na zapytanie, na które nie może odpowiedzieć, korzystając z własnych wag modelu lub lokalnego indeksu danych organizacji, formułuje zapytanie do wyszukiwarki, pobiera aktualne wyniki, syntetyzuje informacje i przekazuje użytkownikowi trafną, ugruntowaną odpowiedź. Ta możliwość zmienia standardowego chatbota w dynamicznego asystenta zdolnego do badań.

Testowanie pierwszego procesu agenta

Gdy repozytorium jest skonfigurowane, Azure AI Foundry wdrożone, a grounding przez Bing Search połączony, możesz wreszcie zbudować i przetestować swój pierwszy proces agenta.

Zacznij od napisania prostego skryptu, który inicjalizuje sesję agenta, definiuje podstawowy szablon promptu i rejestruje narzędzie wyszukiwania. Do wizualizacji procesu w czasie rzeczywistym możesz wykorzystać wbudowany wizualny debugger DevUI, dostarczany wraz z frameworkiem. Ten graficzny interfejs jest bardzo przydatny na etapie testów: pozwala obserwować, jak agent interpretuje dane wejściowe, które narzędzia decyduje się wywołać i jak zarządza stanem w kolejnych turach wykonania.

Uruchom testowe zapytanie, które wymaga zarówno wnioskowania wewnętrznego, jak i pobrania danych z zewnątrz. Sprawdź logi w konsoli lub w DevUI, aby upewnić się, że agent poprawnie przechodzi przez kolejne kroki procesu, wykonuje wywołanie Bing Search i czysto formatuje końcowe wyniki. Jeśli pojawią się błędy, szczegółowe funkcje punktów kontrolnych i śledzenia stanu w frameworku pomogą Ci dokładnie wskazać, w którym miejscu wykonanie zboczyło z właściwej ścieżki.

Dalsze kroki i materiały do dalszej nauki

Gratulacje! Konfigurując repozytorium, Azure AI Foundry i integrując grounding z Bing Search, wykonałeś pierwsze ważne kroki w kierunku tworzenia AI klasy enterprise w Microsoft Agent Framework. To jednak dopiero początek.

Rozwijając swoje umiejętności, eksperymentuj ze wzorcami orkiestracji wielu agentów. Spróbuj dodać do procesu drugiego agenta, na przykład agenta recenzenta, który sprawdza odpowiedź agenta badawczego przed przekazaniem końcowego wyniku użytkownikowi. Zajrzyj do oficjalnej dokumentacji Microsoft, aby poznać protokoły komunikacji agent-agent (A2A) oraz Model Context Protocol (MCP), które jeszcze bardziej rozszerzą możliwości Twoich agentów.

Aby lepiej zrozumieć temat i budować bezpieczne, zgodne z przepisami i bardzo wydajne systemy, koniecznie posłuchaj naszego pełnego omówienia w odcinku podcastu pod adresem Microsoft Agent Framework - Simply Explained. Miłego kodowania, do zobaczenia w kolejnym odcinku!