Pular para o conteúdo
AggregaAggrega
Selecionar língua: Português (Brasil)
Esta página foi traduzida automaticamente. Leia o original em inglês.

Importar um agente declarativo do Microsoft Agent Framework — um agente e um servidor MCP

Um agente declarativo do Microsoft Agent Framework — um agente em um modelo da OpenAI, que pesquisa documentação por meio de um servidor MCP — convertido em rascunhos de arquivos Aggrega por aggrega import, com a imagem da aplicação informada uma única vez em um arquivo de respostas, e compilado para Docker Compose.

Importar um agente declarativo do Microsoft Agent Framework percorre o processo passo a passo: o comando, o que ele pergunta, os arquivos que ele escreve e por que cada linha está lá, o build e o agente em execução. Esta pasta contém cada etapa desse passo a passo:

pasta ou arquivoo que contém
source/o agente declarativo, support-agent.yaml, o .aggrega-config.yaml que torna a pasta um espaço de trabalho, e import-answers.yaml, os valores que nenhum agente declarativo contém: a imagem da aplicação e o nome do Secret do Kubernetes do qual um build para Kubernetes lê a chave da OpenAI
draft/os arquivos que aggrega import support-agent.yaml --target compose escreveu, sem alterações, incluindo release.lock, e o que ele imprimiu: stdout.txt na saída padrão, import.txt na saída de erro padrão

O agente declarativo foi escrito para este exemplo. O código da aplicação, que o carrega, não faz parte do exemplo: a importação nunca o lê, e a Release indica a imagem em que a aplicação é executada.

Em um checkout do repositório da documentação, check.sh executa a importação novamente, compara o que ela escreve e imprime com draft/, compara os blocos que o passo a passo cita com estes arquivos, e valida e compila o que a importação escreveu. Ele precisa do catálogo da biblioteca padrão (onde obter um) em um checkout ao lado deste repositório, ou do diretório dele indicado em AGGREGA_CATALOG_DIRS.

Gerar o exemplo

Você pode executar a importação deste exemplo com os comandos abaixo, ou pedir ao seu assistente de IA que a execute para você.

Escreva o exemplo em uma nova pasta com o nome dele:

Terminal window
aggrega scaffold --example import-agent-framework

Em seguida ele imprime os próximos comandos a executar. O primeiro entra na pasta nova:

Terminal window
cd import-agent-framework

Build

A importação rascunha os arquivos Aggrega ao lado do agente declarativo, em source/. Ela avalia o projeto em relação ao catálogo da biblioteca padrão, que o registry padrão do espaço de trabalho publica como um snapshot assinado: a primeira importação o baixa, o verifica, o mantém no cache de conteúdo do espaço de trabalho e o identifica pelo seu digest no registro que escreve ao lado dos rascunhos. Um espaço de trabalho que indica as próprias pastas de catálogo — em AGGREGA_CATALOG_DIRS, ou em workspace.catalog_dirs — importa em relação a elas. A importação lê a imagem de import-answers.yaml e então baixa aquilo de que a Release rascunhada depende, de modo que o build vem logo em seguida:

Terminal window
cd source
aggrega import support-agent.yaml --target compose
aggrega build --release release.yaml

A imagem que o exemplo indica representa uma que você constrói a partir do seu projeto; como construí-la e executar a stack está no passo a passo indicado acima.

Com um assistente de IA

Um assistente de IA configurado com as ferramentas do Aggrega pode fazer o mesmo: cole este prompt nele.

Use somente as ferramentas do Aggrega e não crie nenhuma pasta por conta própria. Se a pasta do espaço de trabalho ainda não contém uma pasta `import-agent-framework`, chame uma vez a ferramenta `scaffold` com `example` definido como `import-agent-framework` e sem `dir`: ela grava o exemplo em uma nova pasta `import-agent-framework`, cuja pasta `source` contém o que este exemplo importa. Em seguida, chame a ferramenta `import` com `workspace_root` definido como `import-agent-framework/source`, `source` definido como `support-agent.yaml` e `target` definido como `compose`: ela lê as respostas de que precisa em `import-answers.yaml`, ao lado de `support-agent.yaml`, grava seus rascunhos em `import-agent-framework/source` e faz o pull do que eles precisam. Em seguida, chame a ferramenta `validate` com `workspace_root` definido como `import-agent-framework/source` e `release` definido como `release.yaml`, e a ferramenta `build` com `workspace_root` definido como `import-agent-framework/source`, `release` definido como `release.yaml` e `write` definido como true. Diga-me quais arquivos o build gravou; eles ficam em `import-agent-framework/source/dist/`.

Teste

Com a stack em execução como o passo a passo a executa, uma requisição chega ao agente. A rota abaixo é a do próprio programa do passo a passo, um pequeno servidor HTTP na porta 8000; o seu programa decide a dele. A Release publica o agente em 127.0.0.1:8000, então a requisição parte da sua máquina:

Terminal window
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]"}

A chave da execução era um placeholder, então a resposta é a recusa dessa chave pela OpenAI. No Kubernetes, encaminhe uma porta local para o Deployment, que não tem Service, e envie a mesma requisição a ele de outro terminal:

Terminal window
kubectl port-forward deploy/supportagent 8000:8000
Terminal window
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?"}'

A resposta é a mesma.