在 《》 上一篇文章中，我已经掌握了如何用微软 agent Framework 实现会话记录的三方存储，解决了内存存储易丢失、多实例不共享的核心痛点。但随着对话场景的深入，新的问题浮出水面：长会话中历史消息不断累积，很容易超出大模型的上下文窗口限制，导致调用失败、响应变慢甚至 token 成本飙升。 今天就在 “三方存储会话” 的基础上，新增「内置聊天历史缩减器」功能 —— 借助Microsoft.Extensions.AI原生提供的两种缩减器，无需自定义开发，就能让 Agent 自动 “瘦身” 长会话历史，既保留关键上下文，又确保不超模型限制。双重保障，让长会话 Agent 真正具备生产环境落地能力。摘要：在 《》 上一篇文章中，我已经掌握了如何用微软 agent Framework 实现会话记录的三方存储，解决了内存存储易丢失、多实例不共享的核心痛点。但随着对话场景的深入，新的问题浮出水面：
当 Agent 支持会话持久化后，用户可能会进行多轮连续对话（比如客服咨询、代码调试、日常闲聊），但所有大模型都有明确的上下文窗口限制（例如 GPT-3.5 为 4k token，GPT-4o 为 128k token）：
消息累积过多，总 token 数超限时，模型调用直接报错；
即使未超限，大量冗余历史会增加模型计算负担，响应速度明显下降；
三方存储中历史数据无限增长，长期占用存储资源，增加运维成本。
此时，需要一个 “智能瘦身工具”——聊天历史缩减器（Chat Reducer）。微软早已考虑到这一场景，在中内置了两种核心缩减器，直接开箱即用，无需重复造轮子。提供的两种缩减器，覆盖了不同长会话场景需求，我的 Demo 代码已支持 “注释切换”，下面结合官方定义和实际用法详细说明：缩减器类型
核心逻辑
构造参数（代码中已体现）
适用场景
MessageCountingChatReducer限制 非系统消息数量，保留最新 N 条；必保留第一条系统消息；排除函数调用 / 结果消息maxMessageCount：非系统消息最大保留数 简单问答、闲聊，需精准控消息数 SummarizingChatReducer
会话超阈值时自动摘要旧消息；保留系统消息 + 最新 N 条原始消息；排除函数相关消息
：摘要用模型客户端；：触发摘要阈值；maxSummaryCount：最大摘要数复杂长会话，需保留上下文语义
关键补充：两种缩减器的官方核心特性1. MessageCountingChatReducer官方定义核心提炼：
限制对话中非系统消息的数量，保留最新消息和第一条系统消息（若存在）；排除包含函数调用或函数结果的消息，适用于需要约束聊天历史大小的场景（如适配模型上下文限制）。
简单说：它是 “精准裁剪” 工具，只保留最新的关键消息，不做语义处理，速度快、无额外 token 消耗。
2. SummarizingChatReducer官方定义核心提炼：
将聊天消息集合缩减为摘要形式；会话超指定长度时自动摘要旧消息，保留上下文同时减少消息数；保留系统消息，排除函数相关消息不参与摘要。
简单说：它是 “智能压缩” 工具，用模型将旧消息浓缩为摘要，既精简体积，又不丢失核心语义，适合超长复杂会话。
重要疑问：较上一篇为什么要显式定义？代码中这行是关键适配：
IChatClient chatClient = new OpenAIClient(...)!.GetChatClient(modelName).AsIChatClient;原因很明确：
SummarizingChatReducer需要调用大模型生成摘要，必须传入IChatClient实例；OpenAIClient.GetChatClient返回的是OpenAIChatClient，需通过AsIChatClient转换为通用接口，确保兼容性； 即使只用 MessageCountingChatReducer，显式定义也让代码更规范，后续切换缩减器时无需大幅修改。本次 Demo 基于优化后的代码，实现 “会话持久化 + 缩减器二选一”，核心目标：
会话历史存储在外部向量库（持久化不丢失，重启可恢复）；
支持两种内置缩减器无缝切换，缩减后自动同步更新存储；
退出时验证缩减效果，直观看到保留的历史消息。
下面按 “依赖准备→核心代码拆解” 两步详解。
1. 核心依赖：确认版本，安装必备包确保项目引用以下包
PackageReference Include="Microsoft.Agents.AI.OpenAI" Version="1.0.0-preview.251110.2" />PackageReference Include="Microsoft.SemanticKernel.Connectors.InMemory" Version="1.67.1-preview" />2. 核心代码拆解：从存储到 Agent 的完整链路（1）VectorChatMessageStore：三方存储 + 缩减器的桥梁这个类是核心，既负责会话持久化，又集成了缩减器逻辑，兼容两种内置缩减器：
internal sealed class VectorChatMessageStore : ChatMessageStore{ private readonly VectorStore _vectorStore; // 外部存储载体 public string? ThreadDbKey { get; private set; } // 会话唯一标识 public IChatReducer? ChatReducer { get; } // 缩减器实例（兼容两种类型） public ChatReducerTriggerEvent ReducerTriggerEvent { get; } // 缩减触发时机 // 无缩减器构造函数（兼容旧场景） public VectorChatMessageStore(VectorStore vectorStore, jsonElement serializedStoreState, JsonSerializerOptions? jsonSerializerOptions = null) { this._vectorStore = vectorStore ?? throw new ArgumentNullException(nameof(vectorStore)); // 反序列化会话标识（支持线程恢复） if (serializedStoreState.ValueKind is JsonValueKind.String) { this.ThreadDbKey = serializedStoreState.Deserialize } } // 带缩减器构造函数（核心适配） public VectorChatMessageStore( IChatReducer chatReducer, VectorStore vectorStore, JsonElement serializedStoreState, JsonSerializerOptions? jsonSerializerOptions = null, ChatReducerTriggerEvent reducerTriggerEvent = ChatReducerTriggerEvent.BeforeMessagesRetrieval) : this(vectorStore, serializedStoreState, jsonSerializerOptions) { this.ChatReducer = chatReducer; this.ReducerTriggerEvent = reducerTriggerEvent; } // 核心方法：添加消息时自动缩减+同步存储 public override async Task AddMessagesAsync(IEnumerable { this.ThreadDbKey ??= Guid.NewGuid.ToString("N"); // 首次存储生成会话唯一标识 var collection = this._vectorStore.GetCollection await collection.EnsureCollectionExistsAsync(cancellationToken); 聊天历史缩减核心逻辑 // 1. 读取现有历史消息 var chatHistoryItems = collection.GetAsync( x => x.ThreadId == this.ThreadDbKey, int.MaxValue, new { OrderBy = x => x.Descending(y => y.Timestamp) }, cancellationToken); List await foreach (var record in chatHistoryItems) { chatHistoryMessages.Add(JsonSerializer.Deserialize } // 2. 合并现有历史+新消息 chatHistoryMessages.AddRange(messages); // 3. 触发缩减（添加消息后立即执行，两种缩减器自动适配） if (this.ReducerTriggerEvent is ChatReducerTriggerEvent.AfterMessageAdded && this.ChatReducer is not null) { chatHistoryMessages = (await this.ChatReducer.ReduceAsync(chatHistoryMessages, cancellationToken).ConfigureAwait(false)).ToList; } 同步更新缩减后的历史到三方存储 await collection.EnsureCollectionDeletedAsync; // 删除旧数据，避免冗余 // 存储缩减后的消息 await collection.UpsertAsync(chatHistoryMessages.Select(x => new ChatHistoryItem { Key = this.ThreadDbKey + x.MessageId, // 消息唯一键（会话标识+消息ID） Timestamp = DateTimeOffset.UtcNow, // 存储时间戳 ThreadId = this.ThreadDbKey, // 关联会话 SerializedMessage = JsonSerializer.Serialize(x), // 序列化消息 MessageText = x.Text // 消息文本（用于检索） }), cancellationToken); } // 读取缩减后的历史消息 public override async Task { var records = collection .GetAsync(x => x.ThreadId == this.ThreadDbKey, int.MaxValue, new { OrderBy = x => x.Descending(y => y.Timestamp) }, cancellationToken); List await foreach (var record in records) { messages.Add(JsonSerializer.Deserialize } messages.Reverse; // 按时间升序返回，适配Agent上下文处理 return messages; } // 序列化会话状态（支持线程持久化） public override JsonElement Serialize(JsonSerializerOptions? jsonSerializerOptions = null) { return JsonSerializer.SerializeToElement(this.ThreadDbKey); } // 向量库存储模型：定义消息存储结构 private sealed class ChatHistoryItem { [VectorStoreKey] public string? Key { get; set; } // 唯一键 [VectorStoreData] public string? ThreadId { get; set; } // 会话标识 [VectorStoreData] public DateTimeOffset? Timestamp { get; set; } // 时间戳 [VectorStoreData] public string? SerializedMessage { get; set; } // 序列化消息 [VectorStoreData] public string? MessageText { get; set; } // 消息文本 }}关键设计亮点：
兼容性：通过 IChatReducer接口适配两种内置缩减器，切换时无需修改存储类；数据一致性：缩减后先删除旧存储数据，再插入新数据，确保持久化的是精简后的数据；
触发时机：支持 AfterMessageAdded（添加后立即缩减）和BeforeMessagesRetrieval（查询前缩减），按需选择。（2）Agent 集成：双缩减器二选一，直接复制可用代码中已做好 “注释切换” 设计，两种方案无需大幅修改：
public static async Task DemoAsync(string apiKey, string modelName, string endpoint){ var clientOptions = new OpenAIClientOptions { Endpoint = new Uri(endpoint) }; // 显式定义IChatClient，适配缩减器切换 IChatClient chatClient = new OpenAIClient(new ApiKeyCredential(apiKey), clientOptions) .GetChatClient(modelName) .AsIChatClient; var agent = chatClient .CreateAIAgent(new ChatClientAgentOptions { Instructions = "你是一个擅长讲笑话的Agent，回复简洁有趣", // 第一条系统消息会被保留 Name = "ZerekZhang", ChatMessageStoreFactory = ctx => { // 配置MessageCountingChatReducer：非系统消息最多保留2条 return new VectorChatMessageStore( new MessageCountingChatReducer(maxMessageCount: 2), new InMemoryVectorStore, // 三方存储（可替换为Redis） ctx.SerializedState, ctx.JsonSerializerOptions, ChatReducerTriggerEvent.AfterMessageAdded // 添加消息后立即缩减 ); } }); // 线程序列化+恢复（会话持久化核心） AgentThread thread = agent.GetNewThread; JsonElement serializedThread = thread.Serialize; // 序列化线程状态（可存数据库/文件） AgentThread resumedThread = agent.DeserializeThread(serializedThread); // 恢复线程（模拟服务重启） // 交互循环 while (true) { var userInput = Console.ReadLine; if (userInput == "Exit") { // 验证缩减效果：打印保留的历史消息 var messageStore = resumedThread.GetService var messages = await messageStore.GetMessagesAsync; Console.WriteLine("\n缩减后的历史消息："); foreach (var item in messages) { Console.WriteLine($"{item.Role}：{item.Text}"); } break; } var response = await agent.RunAsync(userInput, resumedThread); Console.WriteLine($"Agent Output：{response}\n"); }}方案 2：（解除注释可用，语义摘要）// 解除注释后替换方案1的Agent创建逻辑var agent = chatClient.CreateAIAgent(new ChatClientAgentOptions{ Instructions = "你是一个擅长讲笑话的Agent，回复简洁有趣", Name = "ZerekZhang", ChatMessageStoreFactory = ctx => { // 配置SummarizingChatReducer：超2条消息触发摘要，最多保留10条摘要 return new VectorChatMessageStore( new SummarizingChatReducer( chatClient: chatClient, // 摘要用的模型客户端 maxMessageCountBeforeSummarization: 2, // 消息数超2条触发摘要 maxSummaryCount: 10 // 最多保留10条摘要（避免摘要冗余） ), new InMemoryVectorStore, ctx.SerializedState, ctx.JsonSerializerOptions, ChatReducerTriggerEvent.AfterMessageAdded ); }});MessageCountingChatReducer：根据模型上下文窗口设置maxMessageCount（如 GPT-3.5 设为 5-8 条）；SummarizingChatReducer：maxMessageCountBeforeSummarization建议设为模型上下文窗口的 1/3，平衡语义保留和 token 消耗；触发时机选择：
需审计完整历史：用 BeforeMessagesRetrieval（存储完整历史，查询时缩减）； 需节省存储：用 AfterMessageAdded（存储缩减后历史）；降级逻辑：生产环境需添加缩减器调用失败的降级处理（如默认保留最新 10 条消息）。
结合本次 Demo 代码，实现 “会话持久化 + 长会话不超限” 只需 3 步：
依赖准备：确保 Microsoft.Agents.AI ，内置两种缩减器可用；
存储适配：使用 VectorChatMessageStore，通过构造函数集成缩减器，自动处理缩减 + 存储同步； Agent 配置：根据场景选择缩减器（简单场景用 MessageCounting，复杂长会话用Summarizing），显式定义IChatClient适配切换。这个方案既解决了会话 “易丢失、不共享” 的问题，又借助微软原生能力突破了模型上下文限制，无需自定义开发，大幅提升开发效率，让长会话 Agent 真正能落地生产。
using Microsoft.Agents.AI;using Microsoft.Extensions.AI;using Microsoft.Extensions.VectorData;using Microsoft.SemanticKernel.Connectors.InMemory;using OpenAI;using System.ClientModel;using System.Text.Json;using static Microsoft.Agents.AI.InMemoryChatMessageStore;using VectorStore = Microsoft.Extensions.VectorData.VectorStore;namespace AgentDemo{ warning disable OPENAI001 warning disable MEAI001 /// /// Agent 会话记录三方存储 /// internal static partial class AgentConversationSaveBase { public static async Task DemoAsync(string apiKey, string modelName, string endpoint) { var clientOptions = new OpenAIClientOptions { Endpoint = new Uri(endpoint) }; IChatClient chatClient = new OpenAIClient(new ApiKeyCredential(apiKey), clientOptions).GetChatClient(modelName).AsIChatClient; var agent = chatClient .CreateAIAgent(new ChatClientAgentOptions { Instructions = "你是一个擅长讲笑话的Agent", Name = "ZerekZhang", ChatMessageStoreFactory = ctx => { return new VectorChatMessageStore(new MessageCountingChatReducer(2), new InMemoryVectorStore, ctx.SerializedState, ctx.JsonSerializerOptions, ChatReducerTriggerEvent.AfterMessageAdded); } }); ////使用 SummarizingChatReducer的Demo //var agent = chatClient.CreateAIAgent(new ChatClientAgentOptions //{ // Instructions = "你是一个擅长讲笑话的Agent", // Name = "ZerekZhang", // ChatMessageStoreFactory = ctx => // { // return new VectorChatMessageStore(new SummarizingChatReducer(chatClient, 2, 10), new InMemoryVectorStore, ctx.SerializedState, ctx.JsonSerializerOptions, ChatReducerTriggerEvent.AfterMessageAdded); // } //}); AgentThread thread = agent.GetNewThread; JsonElement serializedThread = thread.Serialize; AgentThread resumedThread = agent.DeserializeThread(serializedThread); while (true) { var userInput = Console.ReadLine; if (userInput == "Exit") { // 退出时查询存储的历史（验证缩减效果） var messageStore = resumedThread.GetService var messages = await messageStore.GetMessagesAsync; Console.WriteLine("\n缩减后的历史消息："); foreach (var item in messages) { Console.WriteLine($"{item.Role}：{item.Text}"); } break; } var response = await agent.RunAsync(userInput, resumedThread); Console.WriteLine($"Agent Output：{response}\n"); } } } internal sealed class VectorChatMessageStore : ChatMessageStore { private readonly VectorStore _vectorStore; public string? ThreadDbKey { get; private set; } public IChatReducer? ChatReducer { get; } public ChatReducerTriggerEvent ReducerTriggerEvent { get; } public VectorChatMessageStore(VectorStore vectorStore, JsonElement serializedStoreState, JsonSerializerOptions? jsonSerializerOptions = null) { this._vectorStore = vectorStore ?? throw new ArgumentNullException(nameof(vectorStore)); if (serializedStoreState.ValueKind is JsonValueKind.String) { this.ThreadDbKey = serializedStoreState.Deserialize } } public VectorChatMessageStore(IChatReducer chatReducer, VectorStore vectorStore, JsonElement serializedStoreState, JsonSerializerOptions? jsonSerializerOptions = null, ChatReducerTriggerEvent reducerTriggerEvent = ChatReducerTriggerEvent.BeforeMessagesRetrieval) : this(vectorStore, serializedStoreState, jsonSerializerOptions) { this.ChatReducer = chatReducer; this.ReducerTriggerEvent = reducerTriggerEvent; } public override async Task AddMessagesAsync(IEnumerable { this.ThreadDbKey ??= Guid.NewGuid.ToString("N"); var collection = this._vectorStore.GetCollection await collection.EnsureCollectionExistsAsync(cancellationToken); 添加聊天记录的压缩 var chatHistoryItems = collection.GetAsync(x => x.ThreadId == this.ThreadDbKey, int.MaxValue, new { OrderBy = x => x.Descending(y => y.Timestamp) }, cancellationToken); List await foreach (var record in chatHistoryItems) { chatHistoryMessages.Add(JsonSerializer.Deserialize } chatHistoryMessages.AddRange(messages); if (this.ReducerTriggerEvent is ChatReducerTriggerEvent.AfterMessageAdded && this.ChatReducer is not null) { chatHistoryMessages = (await this.ChatReducer.ReduceAsync(chatHistoryMessages, cancellationToken).ConfigureAwait(false)).ToList; } 将压缩后的聊天记录同步更新到三方存储中 await collection.EnsureCollectionDeletedAsync; await collection.EnsureCollectionExistsAsync(cancellationToken); await collection.UpsertAsync(chatHistoryMessages.Select(x => new ChatHistoryItem { Key = this.ThreadDbKey + x.MessageId, Timestamp = DateTimeOffset.UtcNow, ThreadId = this.ThreadDbKey, SerializedMessage = JsonSerializer.Serialize(x), MessageText = x.Text }), cancellationToken); } public override async Task { var collection = this._vectorStore.GetCollection await collection.EnsureCollectionExistsAsync(cancellationToken); var records = collection .GetAsync(x => x.ThreadId == this.ThreadDbKey, int.MaxValue, new { OrderBy = x => x.Descending(y => y.Timestamp) }, cancellationToken); List await foreach (var record in records) { messages.Add(JsonSerializer.Deserialize } messages.Reverse; return messages; } public override JsonElement Serialize(JsonSerializerOptions? jsonSerializerOptions = null) { return JsonSerializer.SerializeToElement(this.ThreadDbKey); } private sealed class ChatHistoryItem { [VectorStoreKey] public string? Key { get; set; } [VectorStoreData] public string? ThreadId { get; set; } [VectorStoreData] public DateTimeOffset? Timestamp { get; set; } [VectorStoreData] public string? SerializedMessage { get; set; } [VectorStoreData] public string? MessageText { get; set; } } } warning restore OPENAI001 warning restore MEAI001 }来源：opendotnet
