Importer un agent déclaratif Microsoft Agent Framework — un agent et un serveur MCP
Un agent déclaratif de Microsoft Agent Framework — un agent sur un modèle OpenAI, qui cherche dans la documentation via un serveur MCP — transformé en brouillons de fichiers Aggrega par aggrega import, avec l’image de l’application renseignée une seule fois dans un fichier de réponses, et compilé pour Docker Compose.
Importer un agent déclaratif Microsoft Agent Framework le présente pas à pas : la commande, ce qu’elle demande, les fichiers qu’elle écrit et la raison d’être de chaque ligne, la compilation, et l’agent en cours d’exécution. Ce dossier contient chaque étape de ce tutoriel :
| dossier ou fichier | ce qu’il contient |
|---|---|
source/ | l’agent déclaratif, support-agent.yaml, le .aggrega-config.yaml qui fait du dossier un espace de travail, et import-answers.yaml, les valeurs qu’aucun agent déclaratif ne contient : l’image de l’application, et le nom du Secret Kubernetes dans lequel une compilation pour Kubernetes lit la clé OpenAI |
draft/ | les fichiers que aggrega import support-agent.yaml --target compose a écrits, inchangés, release.lock compris, et ce qu’il a affiché : stdout.txt sur la sortie standard, import.txt sur la sortie d’erreur standard |
L’agent déclaratif est écrit pour cet exemple. Le code de l’application, qui le charge, n’en fait pas partie : l’import ne le lit jamais, et la Release nomme l’image dans laquelle l’application s’exécute.
Dans un checkout du dépôt de la documentation, check.sh exécute à nouveau l’import, compare ce qu’il écrit et affiche avec draft/, compare les blocs que le tutoriel cite avec ces fichiers, et valide et compile ce que l’import a écrit. Il nécessite le catalogue de la bibliothèque standard (où en obtenir un) extrait à côté de ce dépôt, ou son répertoire indiqué dans AGGREGA_CATALOG_DIRS.
Générer l’exemple
Vous pouvez exécuter l’import de cet exemple avec les commandes ci-dessous, ou le faire exécuter par votre assistant IA.
Écrivez l’exemple dans un nouveau dossier qui porte son nom :
aggrega scaffold --example import-agent-frameworkElle affiche ensuite les prochaines commandes à exécuter. La première vous place dans le nouveau dossier :
cd import-agent-frameworkBuild
L’import rédige les brouillons des fichiers Aggrega à côté de l’agent déclaratif, dans source/. Il évalue le projet par rapport au catalogue de la bibliothèque standard, que le registre par défaut de l’espace de travail publie sous forme d’instantané signé : le premier import le récupère, le vérifie, le conserve dans le cache de contenu de l’espace de travail et le désigne par son digest dans l’enregistrement qu’il écrit à côté des brouillons. Un espace de travail qui désigne ses propres dossiers de catalogue — dans AGGREGA_CATALOG_DIRS, ou sous workspace.catalog_dirs — importe plutôt par rapport à ceux-ci. L’import lit l’image dans import-answers.yaml, puis récupère ce dont dépend la Release rédigée, de sorte que la compilation suit immédiatement :
cd sourceaggrega import support-agent.yaml --target composeaggrega build --release release.yamlL’image que nomme l’exemple tient lieu de celle que vous construisez à partir de votre projet ; sa construction et l’exécution de la stack sont décrites dans le tutoriel indiqué ci-dessus.
Avec un assistant IA
Un assistant IA configuré avec les outils d’Aggrega peut faire de même : collez-lui ce prompt.
Utilisez uniquement les outils Aggrega et ne créez vous-même aucun dossier. Si le dossier de l’espace de travail ne contient pas encore de dossier `import-agent-framework`, appelez une fois l’outil `scaffold` avec `example` défini sur `import-agent-framework` et sans `dir` : il écrit l’exemple dans un nouveau dossier `import-agent-framework`, dont le dossier `source` contient ce que cet exemple importe. Appelez ensuite l’outil `import` avec `workspace_root` défini sur `import-agent-framework/source`, `source` défini sur `support-agent.yaml` et `target` défini sur `compose` : il lit les réponses dont il a besoin dans `import-answers.yaml`, à côté de `support-agent.yaml`, écrit ses brouillons dans `import-agent-framework/source` et récupère ce dont ils ont besoin. Appelez ensuite l’outil `validate` avec `workspace_root` défini sur `import-agent-framework/source` et `release` défini sur `release.yaml`, puis l’outil `build` avec `workspace_root` défini sur `import-agent-framework/source`, `release` défini sur `release.yaml` et `write` défini sur true. Indiquez-moi les fichiers écrits par le build ; ils se trouvent sous `import-agent-framework/source/dist/`.Tester
Avec la pile en cours d’exécution comme le guide pas à pas l’exécute, une requête atteint l’agent. La route ci-dessous est celle du programme du guide lui-même, un petit serveur HTTP sur le port 8000 ; votre propre programme décide de la sienne. La Release publie l’agent sur 127.0.0.1:8000, la requête part donc de votre machine :
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]"}La clé de l’exécution était un espace réservé, la réponse est donc le refus de cette clé par OpenAI. Sur Kubernetes, redirigez un port local vers le Deployment, qui n’a pas de Service, et envoyez-lui la même requête depuis un autre terminal :
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?"}'La réponse est la même.