使用 Agent Framework、MCP 和 .NET 進行 Agentic AI 開發

使用 Microsoft Agent Framework、Microsoft Foundry、MCP、Aspire、AG-UI 和 DevUI 開發企業級多代理系統

從這 6 小時的課程，你會學到

精通 Microsoft Agent Framework，在 .NET 中建構自主 AI 代理
為 AI 代理提供持久記憶( memory )和上下文( context )，以實現有意義的互動
透過直接從 C# 方法產生 JSON 模式來建立自訂函數工具
設計多代理工作流程，包括順序聊天、並發聊天和群組聊天
實現動態群聊/辯論模式，以智慧地在代理之間路由任務
使用 Qdrant 向量儲存和嵌入來建立代理 RAG 系統
使用 DevUI 以視覺化方式測試和偵錯多代理 JSON 有效負載和工具調用
整合模型上下文協定 (MCP) 以安全地向代理程式公開工具
透過網路可存取的 Web API 建置代理程式到代理程式 (A2A) 通信
使用 AG-UI 將互動式生成式 UI 元件直接推送到前端
整合 .NET Aspire 以擷取 OpenTelemetry 可觀測性和令牌( token )計數
建造一個完整的 MinimalAgent 微服務後端，並實現 AI 編排

要求

具備 C# 和 .NET 框架（特別是 Web API 建置）的基礎到中級知識。
無需任何 AI 工程或機器學習經驗；我們將從零開始建立您的 Agentic AI 知識！

課程說明

「你是一位高級架構師，但人工智慧讓你感覺自己又回到了初級架構師的水平。」如果你嘗試學習過 Agentic AI ( 代理的 AI )，你可能已經注意到一個令人沮喪的趨勢：要么所有課程都使用 Python，要么只專注於簡單的「Hello World」腳本，這些腳本在真實的企業環境中很快就會崩潰。

歡迎來到這本關於在 .NET 生態系統中建構生產就緒型 Agentic AI 系統的權威指南。本課程超越理論，專注於企業應用程式自主多智能體編排的實務開發。課程基於 Microsoft Agent Framework、Microsoft Foundry、模型上下文協議 (MCP)、Aspire、AG-UI、DevUI 和 .NET，你將學習如何建立強大的 AI 工作流程，以解決複雜的業務問題。

本課程旨在讓你從第一天起就擁有生產級的可見性和控制力，並將企業級 AI Agent (代理)模式整合到真實的業務工作流程中。

你將掌握的內容

在這門全面的企業課程中，我們將超越基本的提示工程( prompt engineering )，深入到使用 C# 進行原生架構實作：

微軟代理框架 (MAF)：深入了解微軟的框架，該框架用於建立複雜的、有狀態的 AI 系統，並利用 Microsoft Foundry 和 Azure OpenAI 作為認知引擎。
多代理編排：使用群體智慧和 WorkflowBuilder 設計並實現複雜的工作流程模式（順序管道、同時執行、動態交接和群組聊天）。
代理 RAG 系統：重新思考傳統的、僵化的 RAG 管道。使用 Qdrant 向量資料庫和 TextSearchProvider 建立智慧的、基於意圖的檢索系統，使 AI 能夠自主決定何時以及如何搜尋企業知識。
協定與互通性：掌握整合的前沿技術：代理到代理 (A2A) 網路通訊、用於工具暴露的模型上下文協定 (MCP) 以及用於生成式前端流的 AG-UI 協定。
可觀測性與視覺化測試：使用 .NET Aspire 和 DevUI 實現生產級視覺性。即時視覺化追蹤 JSON 有效負載、令牌使用情況、代理切換延遲和工具呼叫。
企業微服務整合：建立完整的 MinimalAgent 微服務架構，學習如何將 AI 代理程式無縫整合到現有後端和 Web API 中。

課程路線圖和結構

本課程分為四個全面的部分，旨在系統地引導您從基礎的智能體結構逐步深入到高級的多代理( multi-agent )企業整合：

第一部分：核心智能體開發

我們將從掌握 AI 智能體的基礎結構開始。您將建立與 Azure OpenAI 服務的連接，並探索代理( agent )呼叫生命週期。您將透過開發自訂函數工具進行實踐，利用 AIFunctionFactory 從原生 C# 方法自動產生 JSON 模式。最後，我們將實作 AgentSession class (類)，為您的代理提供持久的上下文和記憶( memory )，以實現有意義的企業互動。

第二部分：編排多代理系統

在了解單一智能體之後，我們將擴展到群體智能( Swarm Intelligence )。您將學習如何設計由高度專業化的微代理（例如，分診、財務、合規）組成的協作網路。我們將使用 AgentWorkflowBuilder 建立不同的產業標準拓樸結構：順序模式、並發模式、群組聊天模式和交接模式。我們將把這些叢集整合到我們的 MinimalAgent .NET Aspire 架構中，並利用 DevUI 以圖形化的方式進行視覺化測試，觀察即時辯論和交接過程。

第三部分：高階推理：智能 RAG

超越傳統的 RAG。在本模組中，我們將建構智慧 RAG – 由 AI 自行決定是否需要查詢資料庫。為了支援企業級規模，我們將把 .NET 與 Qdrant 向量儲存整合。您將學習如何產生詞嵌入、執行語義搜索，並使用 TextSearchProvider 將所有內容整合在一起，從而將企業資料轉化為您的代理( agent )可以自主使用的認知工具。

第四部分：Agent 通訊與協議

解決企業互通性難題。我們將把您的 MAF Agents 當作可透過網路存取的 Web API 公開，以建立安全的 A2A（Agent 到 Agent）架構。我們將深入研究模型上下文協定 (Model Context Protocol ，MCP)，設計能夠將 C# 代理( agents )連接到本地和託管 MCP 伺服器的架構，從而使其能夠自主存取外部儲存庫和文件。最後，我們將利用 AG-UI 協定將互動式生成式 UI 元件直接推送至客戶端前端。

技術堆疊

語言與框架：.NET 10、C#、ASP.NET Core、Blazor Server
AI 與代理：Microsoft Agent Framework、Azure OpenAI（gpt-5-mini、text-embedding-3-small）
雲端與部署：Microsoft AI Foundry
前端協定：AG-UI — Agentic UI 串流協議
編排：.NET Aspire（用於服務發現和容器生命週期管理）
可觀測性：Aspire OpenTelemetry、Application Insights
向量資料與儲存：Qdrant 向量資料庫
架構：微服務、整潔架構、模型上下文協定 (MCP)

目標受眾

希望轉型進入 AI 工程領域，建構可用於生產環境的智慧體系統（而非簡單的聊天封裝器）的.NET開發人員和軟體工程師
負責運用微軟企業技術堆疊設計智慧、自主多代理體架構的軟體架構師
需要將複雜的 AI 工作流程、模型上下文協定 (Model Context Protocol ，MCP) 和 Agentic RAG 無縫整合到企業後端和傳統 API 中的技術主管