摘要：在上几篇文章中，我们已经深入探讨了Semantic Kernel的Memory机制和向量存储，这些工具让AI应用像传统数据库系统一样可靠，能处理海量知识。
在上几篇文章中，我们已经深入探讨了Semantic Kernel的Memory机制和向量存储，这些工具让AI应用像传统数据库系统一样可靠，能处理海量知识。
我总是认为Agents作为下一个跃升点，它不只是简单调用模型，而是构建自主决策的实体，能在复杂环境中协作。通过该文章，我们一起来探讨一下Agents和多代理系统。接下来，我们会从Agents的基本概念入手，逐步展开实时集成、多模态支持、安全观测性、部署扩展，最后展望未来趋势。通过示例，让你能看到如何在实际项目中应用这些高级功能，比如在企业级Web服务中构建协作代理，提升自动化水平。
Agents在Semantic Kernel中是自主实体，能感知环境、规划行动并执行任务，这与传统.NET开发中的服务或Actor模型类似，但注入AI推理让它们更智能。单代理适合单一任务，比如一个客服代理处理用户查询；多代理则涉及协作，比如一个团队代理分工处理复杂问题，如订单处理中一个代理查库存、另一个算价格。
单代理的构建简单，用Kernel作为基础，添加插件和规划器让它自主运行。Semantic Kernel引入了更成熟的代理抽象，支持A2A协议，让代理间通信标准化。 在C，定义一个单代理：
using Microsoft.SemanticKernel.Agents;using Microsoft.SemanticKernel;
var kernel = Kernel.CreateBuilder
.AddOpenAIChatCompletion("gpt-4o", apiKey)
.BUIld;
var agent = new ChatCompletionAgent(kernel, "CustomerSupport")
{
Instructions = "你是一个客服代理，帮助用户解决问题。",
ExecutionSettings = new OpenAIPromptExecutionSettings { ToolCallBehavior = ToolCallBehavior.AutoInvokeKernelFunctions }
};
这个代理能自动调用插件响应查询，就像传统服务类处理请求，但AI决定下一步。多代理协作则用代理编排框架，Semantic Kernel的新框架允许定义工作流，让代理分工。 比如，构建一个多代理系统：
var inventoryAgent = new ChatCompletionAgent(kernel, "Inventory");var pricingAgent = new ChatCompletionAgent(kernel, "Pricing");
var orchestrator = new AgentGroupChat(kernel);
orchestrator.AddAgent(inventoryAgent);
orchestrator.AddAgent(pricingAgent);
var response = await orchestrator.InvokeAsync("处理订单：检查库存并计算总价。");
这里，编排器像消息总线，代理间传递信息，确保协作顺畅。这在微服务架构中实用，你能将每个代理部署为独立服务，代理间用gRPC通信，融合传统分布式系统。
Agents的概念强调自主性，单代理处理线性任务，多代理应对并行或冲突场景。Semantic Kernel的更新让多代理更易构建，支持低代码方式，通过YAML定义代理角色。 在实际项目中，这意味着你能在Blazor应用中嵌入代理，用户交互时代理后台协作，提供实时建议，减少前端逻辑复杂度。
多代理的协作还能模拟人类团队，比如一个代理提出想法、另一个验证，这优化决策过程。在企业应用中，用它自动化审批流：一个代理审合规、另一个算风险，整体提升效率。
实时集成是Agents的关键，让它们处理流式数据和即时响应，多模态支持则扩展到语音、视频和文本结合。Semantic Kernel添加了实时API集成，支持WebSocket-like连接，让代理在对话中实时更新。 这与传统实时Web如SignalR类似，你能将代理嵌入ASP.NET Core的Hub中。
语音集成用Azure Speech服务，代理监听输入、生成响应：
using Microsoft.SemanticKernel.Connectors.Azure;using Microsoft.CognitiveServices.Speech;
var speechConfig = SpeechConfig.FromSubscription("key", "region");
var synthesizer = new SpeechSynthesizer(speechConfig);
var agent = new ChatCompletionAgent(kernel, "VoiceAgent");
agent.Instructions = "处理语音查询，转为文本处理，再合成语音输出。";
// 集成实时：监听语音，代理响应
var recognizer = new SpeechRecognizer(speechConfig);
var result = await recognizer.RecognizeOnceAsync;
var query = result.Text;
var response = await agent.InvokeAsync(query);
await synthesizer.SpeakTextAsync(response.Content);
这让代理多模态，处理语音查询，适合客服App。视频支持则用多模态模型如gpt-4o，代理分析帧：
var prompt = "分析视频{{$videoUrl}}中的动作，并描述。";var arguments = new KernelArguments { ["videoUrl"] = "https://example.com/video.mp4" };
var result = await kernel.InvokePromptAsync(prompt, arguments);
Semantic Kernel的实时框架支持实验性集成，让代理在Python和.NET间协作。 在实际落地中，这能在MAUI移动App中实现，代理实时处理相机输入，提供AR指导，结合传统UI事件。
多代理的多模态协作更强大，比如一个代理处理语音、另一个分析视频，编排器融合输出。这在监控系统中实用，代理实时检测异常，通知团队，优化响应时间。
实时API支持让代理集成外部服务，如股票API，代理监控变化自动决策。这桥接AI与传统事件驱动架构，提升系统响应性。
3 安全与观测性Agents的安全和观测性是企业部署的核心，Semantic Kernel提供钩子、过滤器和遥测日志，确保系统可控、可审计。钩子像中间件，拦截事件：
kernel.FunctionInvoking += (sender, e) =>{
if (e.Function.Name == "SensitiveOp")
{
// 安全检查
if (!Authorize(e.Arguments["user"]))
e.Cancel = true;
}
};
这防止未授权调用，类似传统认证过滤器。过滤器扩展钩子，支持输入输出清洗：
kernel.PromptFilter += (sender, e) =>{
e.RenderedPrompt = SanitizeInput(e.RenderedPrompt); // 移除敏感词
};
观测性用OpenTelemetry标准，Semantic Kernel内置日志、度量和追踪。 配置：
using Microsoft.Extensions.Logging;using OpenTelemetry.Trace;
var loggerFactory = LoggerFactory.Create(builder => builder.AddConsole);
kernel.Services.AddSingleton
TracerProviderBuilder builder = Sdk.CreateTracerProviderBuilder
.AddSemanticKernelInstrumentation
.AddConsoleExporter;
这让代理行为透明，你能在Azure Monitor中追踪调用链，诊断瓶颈。过滤器还能监控偏见，代理输出前检查，确保合规。
在多代理系统中，观测性更重要，编排器日志代理间交互，便于调试协作问题。这在生产环境中落地，用AppInsights收集遥测，设置警报，避免安全漏洞。
安全钩子支持自定义，如集成Azure AD验证代理访问。整体，这些功能让Agents从原型到企业级，开发者能在项目中自信部署，减少风险。
部署Agents需考虑扩展性，Semantic Kernel支持Azure Functions和容器化，让代理无服务器运行或Kubernetes扩展。到2025年，Azure Functions强化容器支持，你能将代理打包为Docker镜像。
Azure Functions部署：创建函数项目，注入Kernel：
[Function("AgentFunction")]public async Task Run([HttpTrigger(AuthorizationLevel.Function, "post")] HttpRequest req)
{
var kernel = _kernel; // 从DI注入
var agent = new ChatCompletionAgent(kernel);
var input = await req.ReadAsStringAsync;
var response = await agent.InvokeAsync(input);
return new OkObjectResult(response.Content);
}
这让代理作为API端点，自动缩放。容器化用Dockerfile：
FROM mcr.microsoft.com/dotnet/sdk:9.0 AS buildWORKDIR /app
COPY . .
RUN dotnet publish -c Release -o out
FROM mcr.microsoft.com/dotnet/aspnet:9.0
WORKDIR /app
COPY --from=build /app/out .
ENTRYPOINT ["dotnet", "AgentApp.dll"]
部署到Azure Container Apps，支持多代理扩展，每个代理独立容器，编排器协调。 在实际项目中，这优化成本，高峰时自动扩容，结合传统CI/CD管道如GitHub Actions，实现零停机更新。
扩展还包括负载均衡，多代理系统用Service Fabric集群，代理间通信优化延迟。这在电商平台中落地，代理处理峰值订单，容器确保高可用。
Semantic Kernel的内核设计让部署轻量，你能AOT编译代理App，提升启动速，适合Serverless。
5 未来趋势Semantic Kernel与.NET 9+的演进正加速AI代理的普及，.NET 10 Preview 7引入Microsoft.Extensions.AI抽象，让代理集成更原生。 这意味着未来，代理像扩展服务一样注入，简化开发。
.NET 9的Blazor改进支持了Agent UI渲染，代理实时更新组件。 而.NET 10 预览版中强化AOT和云原生，让代理在边缘运行。
Semantic Kernel的路标聚焦代理创新，与.NET合作移功能到基础库。 趋势是多代理模式改变.NET，从单体到代理生态。在项目中，这鼓励开发者探索代理模式，构建自适应系统，如智能DevOps工具，代理自动化测试和部署。未来还包括更强多模态，代理处理AR/VR输入，集成.NET的XR支持。整体上，Semantic Kernel将持续演进。
来源：opendotnet
