在构建复杂的人工智能应用时，我们常常需要将一个大任务拆解成多个小步骤，并让不同的 AI Agent 按顺序依次处理。Microsoft Agent Framework 提供了一个强大而灵活的工具——Workflow，来帮助我们轻松编排和管理这些 Agent 的协作流程。
今天，我们就来深入探讨一种最基本也最常用的工作流模式：**顺序工作流 (Sequential Workflow)**。
场景设定
假设我们需要一个翻译流程：用户输入一句中文，我们希望系统能依次提供英文和日文的翻译。
为了实现这个目标，我们将创建两个专门的 AI Agent：
-
英语翻译官：一个只负责将中文翻译成英文的专家。 -
日语翻译官：一个只负责将中文翻译成日文的专家。
然后，我们会使用 AgentWorkflowBuilder 将这两个 Agent 构建成一个顺序执行的工作流。
代码详解
下面是实现这个顺序翻译工作流的 C# 完整代码。
using System.ClientModel;
using Microsoft.Extensions.AI;
using OpenAI;
using Microsoft.Agents.AI.Workflows;
using OpenAI.Chat;
namespaceMSAgentFramework.Learn.workflow
{
internalclassSeq
{
public async Task Run()
{
var endpoint = "https://api.deepseek.com/v1";
var apiKey = "sk-59872d44521c4d798faa8315529abcce";
// 1. 创建英语翻译 Agent
var englishTranslator = new OpenAIClient(
new ApiKeyCredential(apiKey)
, new OpenAIClientOptions()
{
Endpoint = new Uri(endpoint)
}
)
.GetChatClient("deepseek-chat")
.CreateAIAgent(instructions: "你是一个英语专家，当你收到中文的时候帮忙翻译成英文.", name: "English Translator");
// 2. 创建日语翻译 Agent
var japaneseTranslator = new OpenAIClient(
new ApiKeyCredential(apiKey)
, new OpenAIClientOptions()
{
Endpoint = new Uri(endpoint)
}
)
.GetChatClient("deepseek-chat")
.CreateAIAgent(instructions: "你是一个日语专家，当你收到中文的时候帮忙翻译成日文.", name: "Japanese Translator");
// 3. 构建顺序工作流
var workflow = AgentWorkflowBuilder.BuildSequential([englishTranslator, japaneseTranslator]);
// 4. 准备输入消息并运行工作流
var messages = new List<Microsoft.Extensions.AI.ChatMessage> { new(ChatRole.User, "人生如一本书，愚者草草翻过，智者细细阅读。") };
StreamingRun run = await InProcessExecution.StreamAsync(workflow, messages);
await run.TrySendMessageAsync(new TurnToken(emitEvents: true));
List<Microsoft.Extensions.AI.ChatMessage> result = new();
// 5. 监听并处理工作流事件
awaitforeach (WorkflowEvent evt in run.WatchStreamAsync().ConfigureAwait(false))
{
if (evt is AgentRunUpdateEvent e)
{
Console.WriteLine($"{e.ExecutorId}: {e.Data}");
}
elseif (evt is WorkflowOutputEvent outputEvt)
{
result = (List<Microsoft.Extensions.AI.ChatMessage>)outputEvt.Data!;
break;
}
}
// 6. 显示最终结果
foreach (var message in result)
{
Console.WriteLine($"{message.Role}: {message.Text}");
}
}
}
}
代码剖析
-
Agent 初始化:
-
我们首先配置了 OpenAIClient，值得注意的是，这里我们使用了自定义的Endpoint(deepseek) 和对应的ApiKey。 -
接着，通过 CreateAIAgent方法创建了两个实例：englishTranslator和japaneseTranslator。 -
每个 Agent 都被赋予了明确的 instructions(指令) 和一个唯一的name。这些指令是 Agent 行为的核心，它告诉 Agent 它的角色和职责。 -
构建 Workflow:
-
最关键的一步在这里： AgentWorkflowBuilder.BuildSequential([englishTranslator, japaneseTranslator]);。 -
我们调用 BuildSequential方法，并传入一个包含我们两个 Agent 的数组。Agent 在数组中的顺序决定了它们的执行顺序。在这个例子中，englishTranslator会先执行，然后是japaneseTranslator。 -
执行与结果处理:
-
我们创建了一个初始的用户消息。 -
InProcessExecution.StreamAsync启动工作流，并通过WatchStreamAsync异步监听工作流产生的事件。 -
AgentRunUpdateEvent事件可以让我们实时看到每个 Agent 执行时产生的数据片段。 -
WorkflowOutputEvent事件则标志着整个工作流执行完毕，我们可以从中获取最终的完整结果。
结果与解读
当上述代码运行后，我们会在控制台看到如下输出：
user: 人生如一本书，愚者草草翻过，智者细细阅读。
assistant: Life is like a book: the fool flips through it, while the wise read it carefully and deliberately.
assistant: 人生は一冊の本のようなもの。愚者はざっとページをめくり、賢者は丹念に読み込む。
总结
通过这个简单的例子，我们了解了如何使用 AgentWorkflowBuilder.BuildSequential 来创建一个按预定顺序执行任务的 Agent 工作流。这种模式非常适合处理需要多步骤、逻辑清晰的复杂任务。
通过链式组合不同功能的 Agent，我们可以构建出功能强大、逻辑严密的 AI 应用，而框架本身则优雅地处理了 Agent 之间的状态和上下文传递。
希望这篇博客能帮助你入门 Microsoft Agent Framework 的顺序工作流。快去尝试构建属于你自己的 Agent 链吧！