Microsoft предлагает практический путь из четырёх сессий по созданию ИИ-агента на C# с использованием Microsoft Agent Framework: от простого вызова, обёрнутого вокруг интерфейса IChatClient, до агента, которого можно мониторить, оценивать, контролировать и развёртывать в Microsoft Foundry. В примере используется учебный помощник по личным финансам, чтобы показать различия между чтением данных, изменением файлов и выполнением действий с последствиями, например виртуальной торговой сделкой.
Что такое Agent Harness?
Языковая модель умеет создавать текст, но сама по себе не предоставляет операционный цикл, необходимый агенту. Этот цикл вызывает инструменты, проверяет их результаты, обновляет план, сохраняет память, работает с контекстным окном, запрашивает у пользователя согласие на чувствительные действия, а затем продолжает работу до выполнения задачи. Источник называет этот окружающий слой harness, а понятие «claw» обозначает агента в стиле инструментов командной строки, построенного поверх этого слоя.
В примере для запуска агента достаточно конфигурации, включающей инструкции и инструменты. Агент способен автоматически вызывать функции, сохранять журнал после вызовов модели, создавать списки задач, сжимать контекст, использовать файловую память и выполнять веб-поиск, если служба модели это поддерживает, а также запрашивать согласие на использование инструментов и отправлять данные мониторинга через OpenTelemetry. При этом эти возможности можно заменять, отключать или расширять с помощью пользовательских поставщиков.
Четыре этапа создания агента
Первая сессия начинается с преобразования клиента чата, подключённого к модели в Microsoft Foundry, в агента с пользовательским инструментом на C# для получения демонстрационной цены акции. Когда пользователь спрашивает агента о цене MSFT, модель выбирает инструмент, harness вызывает его, а затем возвращает результат модели для формирования ответа. При постановке более широкой задачи, например проверки списка наблюдения и предложения того, что следует изучить дальше, агент может создать план и список задач, не заставляя разработчика создавать отдельный планировщик для демонстрации.
Вторая сессия посвящена безопасной работе с пользовательскими данными. Агент читает файл портфеля в формате CSV только из утверждённой рабочей папки, а заданные ограничения не позволяют ему обращаться к произвольным путям в файловой системе. Виртуальная торговая сделка также обёрнута в инструмент, требующий согласия: модель может запросить действие, но не может выполнить его напрямую. Операции, доступные только для чтения, напротив, можно передавать автоматически, чтобы не перегружать пользователя ненужными запросами подтверждения.
Источник также демонстрирует политику согласия с ограничением по времени: пять секунд на каждую попытку и не более пяти попыток, с повторением при отсутствии ввода или при недопустимом вводе, немедленным согласием при вводе y и отказом при вводе n, после чего после последней попытки выполняется автоматический отказ. Кроме того, обсуждается различие между локальной памятью JSON, которой владеет application, и Microsoft Foundry Memory. Подчёркивается, что слова модели «я это сохранил» не доказывают, что данные действительно были записаны или сохранены в правильной области.
В третьей сессии добавляются навыки, упаковывающие специализированные знания в файлы, которые загружаются в базовые инструкции только при необходимости, а также ограниченный доступ к shell, выполнение CodeAct для запуска кода в контролируемой среде и фоновые агенты, способные параллельно выполнять независимые исследовательские задачи. Источник прямо указывает, что согласие и политики не заменяют изоляцию при выполнении команд или кода.
Что практически меняется в производственной среде?
Четвёртая сессия посвящена мониторингу, управлению, оценке и развёртыванию. Мониторинг включает трассировки OpenTelemetry, вызовы инструментов и модели, а также потребление токенов, тогда как управление связывается с политиками Microsoft Purview. Регулярные оценки используются для превращения впечатления о качестве демонстрации в измеримый показатель. Также рассматривается вариант развёртывания размещённого в Foundry агента с одним общим определением для консольного приложения, размещённой конечной точки и среды оценки.
Главная мысль заключается в том, что возможность компоновать функции не означает, что все их следует переносить в рабочую среду. Агенту разработки могут требоваться файлы или shell, но общая размещённая контейнерная среда не должна получать широкий локальный доступ только потому, что эти полномочия были полезны во время создания. Определение того, что разрешено читать, записывать, выполнять, запоминать или отслеживать, остаётся проектным решением, которое принимает разрабатывающая организация.
Почему этот подход важен?
Слой harness уменьшает необходимость заново создавать цикл работы с инструментами, планированием, памятью и согласиями для каждого проекта, но не отменяет ответственность за определение границ. Практическая ценность серии заключается в том, что она связывает расширенные возможности с соответствующими средствами контроля: файлы — с утверждённой папкой, чувствительные действия — с согласием, память — с проверяемым результатом хранения, выполнение кода — с изоляцией и политиками, а развёртывание — с мониторингом и оценкой. Финансовые примеры остаются учебными: используемые цены и сделки являются mock-данными и демонстрационными, а не финансовой рекомендацией.