Einen deklarativen Agenten von Microsoft Agent Framework importieren — ein Agent und ein MCP-Server
Ein deklarativer Agent von Microsoft Agent Framework — ein Agent auf einem OpenAI-Modell, der Dokumentation über einen MCP-Server durchsucht — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei das Image der Anwendung einmal in einer Antwortdatei angegeben wird, und für Docker Compose gebaut.
Einen deklarativen Agenten von Microsoft Agent Framework importieren führt Schritt für Schritt hindurch: der Befehl, was er abfragt, die Dateien, die er schreibt, und warum jede Zeile dort steht, der Build und der laufende Agent. Dieser Ordner enthält jede Stufe dieser Anleitung:
| Ordner oder Datei | was er enthält |
|---|---|
source/ | der deklarative Agent, support-agent.yaml, die .aggrega-config.yaml, die den Ordner zu einem Workspace macht, und import-answers.yaml, die Werte, die kein deklarativer Agent enthält: das Image der Anwendung und der Name des Kubernetes-Secrets, aus dem ein Build für Kubernetes den OpenAI-Schlüssel liest |
draft/ | die Dateien, die aggrega import support-agent.yaml --target compose geschrieben hat, unverändert, einschließlich release.lock, und was der Befehl ausgegeben hat: stdout.txt auf der Standardausgabe, import.txt auf der Standardfehlerausgabe |
Der deklarative Agent ist für dieses Beispiel geschrieben. Der Code der Anwendung, der ihn lädt, gehört nicht dazu: Der Import liest ihn nie, und das Release nennt das Image, in dem die Anwendung läuft.
In einem Checkout des Dokumentations-Repositorys führt check.sh den Import erneut aus, vergleicht, was er schreibt und ausgibt, mit draft/, vergleicht die Blöcke, die die Anleitung zitiert, mit diesen Dateien und validiert und baut, was der Import geschrieben hat. Es benötigt den Katalog der Standardbibliothek (woher Sie einen bekommen), neben diesem Repository ausgecheckt, oder dessen Verzeichnis in AGGREGA_CATALOG_DIRS angegeben.
Das Beispiel generieren
Sie können den Import dieses Beispiels mit den folgenden Befehlen ausführen oder ihn von Ihrem KI-Assistenten für Sie ausführen lassen.
Schreiben Sie das Beispiel in einen neuen Ordner, der nach ihm benannt ist:
aggrega scaffold --example import-agent-frameworkDanach gibt er die als Nächstes auszuführenden Befehle aus. Der erste wechselt in den neuen Ordner:
cd import-agent-frameworkBuild
Der Import entwirft die Aggrega-Dateien neben dem deklarativen Agenten, in source/. Er gleicht das Projekt mit dem Katalog der Standardbibliothek ab, den die Standard-Registry des Workspace als signierten Snapshot veröffentlicht: Der erste Import ruft ihn ab, verifiziert ihn, legt ihn im Inhaltscache des Workspace ab und benennt ihn über seinen Digest in dem Datensatz, den er neben die Entwürfe schreibt. Ein Workspace, der eigene Katalogordner angibt — in AGGREGA_CATALOG_DIRS oder unter workspace.catalog_dirs —, importiert stattdessen gegen diese. Der Import liest das Image aus import-answers.yaml und lädt dann herunter, wovon das entworfene Release abhängt, sodass der Build unmittelbar folgt:
cd sourceaggrega import support-agent.yaml --target composeaggrega build --release release.yamlDas Image, das das Beispiel nennt, steht für eines, das Sie aus Ihrem Projekt bauen; wie Sie es bauen und den Stack ausführen, steht in der oben verlinkten Anleitung.
Mit einem KI-Assistenten
Ein KI-Assistent, der mit den Tools von Aggrega eingerichtet ist, kann dasselbe tun: Fügen Sie ihm diesen Prompt ein.
Verwenden Sie ausschließlich die Aggrega-Tools und legen Sie selbst keinen Ordner an. Wenn der Arbeitsbereichsordner noch keinen Ordner `import-agent-framework` enthält, rufen Sie das Tool `scaffold` einmal mit `example` auf `import-agent-framework` gesetzt und ohne `dir` auf: Es schreibt das Beispiel in einen neuen Ordner `import-agent-framework`, dessen Ordner `source` enthält, was dieses Beispiel importiert. Rufen Sie dann das Tool `import` mit `workspace_root` auf `import-agent-framework/source`, `source` auf `support-agent.yaml` und `target` auf `compose` gesetzt auf: Es liest die benötigten Antworten aus `import-answers.yaml` neben `support-agent.yaml`, schreibt seine Entwürfe nach `import-agent-framework/source` und lädt per Pull, was diese benötigen. Rufen Sie dann das Tool `validate` mit `workspace_root` auf `import-agent-framework/source` und `release` auf `release.yaml` gesetzt auf, und das Tool `build` mit `workspace_root` auf `import-agent-framework/source`, `release` auf `release.yaml` und `write` auf true gesetzt. Nennen Sie mir die Dateien, die der Build geschrieben hat; sie liegen unter `import-agent-framework/source/dist/`.Testen
Wenn der Stack so läuft, wie ihn die Schritt-für-Schritt-Anleitung ausführt, erreicht eine Anfrage den Agenten. Die Route unten gehört zum Programm der Anleitung selbst, einem kleinen HTTP-Server auf Port 8000; Ihr eigenes Programm legt seine eigene fest. Das Release veröffentlicht den Agenten auf 127.0.0.1:8000, daher geht die Anfrage von Ihrem Rechner aus:
curl -sS -X POST http://127.0.0.1:8000/ask -H 'Content-Type: application/json' \ -d '{"question": "In one short sentence: what is Azure Container Apps?"}'{"error": "the agent failed: ChatClientException: (\"<class 'agent_framework_openai._chat_client.OpenAIChatClient'> service failed to complete the prompt: Error code: 401 - Incorrect API key provided: sk-place************-key. [… omitted: where to find an API key, and the same error repeated as the exception it wraps]"}Der Schlüssel des Laufs war ein Platzhalter, daher ist die Antwort die Ablehnung dieses Schlüssels durch OpenAI. Leiten Sie auf Kubernetes einen lokalen Port an das Deployment weiter, das keinen Service hat, und senden Sie dieselbe Anfrage von einem anderen Terminal aus daran:
kubectl port-forward deploy/supportagent 8000:8000curl -sS -X POST http://127.0.0.1:8000/ask -H 'Content-Type: application/json' \ -d '{"question": "In one short sentence: what is Azure Container Apps?"}'Die Antwort ist dieselbe.