在我的上一篇博客中，我介绍了 Microsoft 的 Azure AI Agent 服务，这是一个完全管理的平台，简化了构建、部署和扩大 AI 代理的过程。与 OpenAI Assistant 不同，Azure AI Agent 服务更加灵活，支持多种大型语言模型（LLM，例如 OpenAI、Mistral、DeepSeek 等），同时确保企业级的安全保障并实现与 Azure 生态系统的无缝集成。

该博客提供了一份一步一步的指南，使用Azure AI Foundry Hub（Azure AI Foundry Hub） 创建一个AI代理，涵盖了从项目搭建和代理配置到与外部数据（例如10-K报告）进行关联，以及将其集成到.NET应用程序中以用于实际操作的全过程。

通过结合无需代码的代理创建与自定义的.NET集成，这种方法让开发人员能够以最小的努力构建可扩展且智能的AI驱动助手，利用结构化数据和强大的安全措施。

在本博文中，我将进一步更深入地探讨如何构建一个多代理系统，利用Microsoft的AI框架Semantic Kernel。

之前，我们创建了StockExpertAgent，这是一个基于公司10-K报告的AI代理。现在，我们来介绍一下InvestorAgent，它将根据股票代理提供的组合数据为我提供个性化的投资建议。我们将利用Semantic Kernel来协调这些代理，以实现智能互动与决策的多代理系统。

这是一张图，展示了这个博客中的主要话题。

开始吧！

要详细了解如何在 Azure AI Agent 服务中创建智能代理，请参阅我之前的博客博客。创建并设置 AI 工坊项目和中心后，这个过程非常简单。访问 Azure AI Studio 并点击 代理 选项卡开始操作，在这里你可以点击 代理 选项卡开始操作。

我要把它和样本投资组合一起磨碎。

Azure AI工作室中Agents选项卡的截图

现在在 .NET 应用程序中，安装以下 NuGet：

以下为安装包的引用示例：

#r "nuget: Azure.AI.Projects, 1.0.0-beta.4"  
#r "nuget: Azure.Identity"  
#r "nuget: Microsoft.SemanticKernel.Agents.Core, 1.40.0-preview"  
#r "nuget: Microsoft.SemanticKernel.Agents.AzureAI, 1.40.0-preview"

            // 构建核心  
            var builder = Kernel.CreateBuilder();  
            builder.AddAzureOpenAIChatCompletion("GPT4ov1", "https://testmediumazureopenai.openai.azure.com", "<api-key>");  
            Kernel kernel = builder.Build();  

            // 定义连接字符串以连接 Azure AI 代理  
            string connectionString = "eastus2.api.azureml.ms;<project>;aifoundary-hub;aiproject";  

            // 初始化 Azure 代理客户端对象  
            AgentsClient client = new AgentsClient(connectionString, credential);  

            // 初始化股票专家代理实例  
            string stockExpertAgentId = "asst_8Ev5OpD3bMUll20xJFu36Pah";  
            Response<Agent> agentResponse = await client.GetAgentAsync(stockExpertAgentId);  
            Agent stockExpertAgentDefinition = agentResponse.Value;  
            AzureAI代理 stockExpertAgent = new(stockExpertAgentDefinition, client)  
            {  
                Kernel = kernel // 将核心用于执行  
            };

我们现在定义一个叫做投资者顾问代理的，它已基于样本投资组合建立。

                // 初始化投资者顾问代理  
                string 投资顾问代理Id = "asst_txX6WR6caXzpVhEksCupcySS";  
                Response<Agent> 投资顾问代理响应 = await client.GetAgentAsync(投资顾问代理Id);  
                Agent 投资顾问代理定义 = 投资顾问代理响应.Value;  
                AzureAIAgent 投资顾问代理 = new(投资顾问代理定义, client)  
                {  
                    // 设置内核  
                    Kernel = kernel,  
                };

使用Semantic Kernel的“群聊”功能，创建一个多代理系统。

            // 创建由两个代理组成的语义内核代理群聊
            AgentGroupChat agentGroupChat = new AgentGroupChat(stockExpertAgent, investorProxyAgent)
            {
                ExecutionSettings = new()
                {
                    SelectionStrategy = selectionStrategy,
                    TerminationStrategy = terminationStrategy,
                }
            };

            // 开始聊天
            agentGroupChat.AddChatMessage(new ChatMessageContent(AuthorRole.User, "<Starting prompt here>"));

            // 异步处理并显示聊天消息
            await foreach (var content in agentGroupChat.InvokeAsync())
            {
                string interaction = $"<b>#{content.Role}</b> - <i>{content.AuthorName ?? "*"} </i>: \"{content.Content}\"";
                控制台输出(interaction);
            }

股票专家提供了公司投资的见解。

接着那位投资顾问代理人就给出了投资建议

关于定义终止和选择策略，可以看看我之前写的博客

你可以找到所有的代码

github.com/akshaykokane/StockAnalyzer-Azure-AI-Agent-Service/blob/main/MultiAgentSystemWithSKExample.cs?source=post_page-----a6c68b123e54---------------------------------------

在上述说明中，我们展示了如何使用Semantic Kernel来调度在Azure AI Agent Service中创建的AI代理。首先，该过程利用了在Azure AI Foundry中构建的知识库，然后根据需要执行了检索增强生成（RAG）。

然而，当你运行应用程序后，你可能会注意到正确的代理并不总能被正确选择。为此，我们需要为代理群聊设定一个结束和选择规则。

总的来说，我更倾向于使用托管服务，但我注意到在Semantic Kernel中的ChatCompletionAgent相比Azure Agent响应更快。这一点也在预料之中，因为我们使用的是托管服务，这可能会带来一些额外的开销。

关注我的 LinkedIn 和 Medium，了解更多的AI更新！