ワークフロー内のエージェント

このチュートリアルでは、Agent Framework を使用して AI エージェントをワークフローに統合する方法について説明します。コンテンツの作成、レビュー、その他の共同作業タスクに特化した AI エージェントの機能を活用するワークフローを作成する方法について説明します。

あなたが構築するもの

次のワークフローを作成します。

Azure Foundry Agent Service を使用してインテリジェントエージェントを作成する
入力をフランス語に変換するフランス語翻訳エージェントを実装します
フランス語をスペイン語に翻訳するスペイン語翻訳エージェントを実装します
スペイン語を英語に翻訳する英語翻訳エージェントを実装します
シーケンシャルワークフローパイプライン内のエージェントを接続します
エージェントが要求を処理する際にリアルタイムの更新をストリーム配信する
Azure Foundry エージェントの適切なリソースクリーンアップを示します

対象となる概念

[前提条件]

.NET 8.0 SDK 以降
構成された Azure Foundry プロジェクトエンドポイントとモデル
Azure CLI のインストールと認証 (Azure 資格情報認証の場合)
新しいコンソールアプリケーション

手順 1: NuGet パッケージをインストールする

まず、.NET プロジェクトに必要なパッケージをインストールします。

dotnet add package Azure.AI.Projects --prerelease
dotnet add package Azure.Identity
dotnet add package Microsoft.Agents.AI.Foundry --prerelease
dotnet add package Microsoft.Agents.AI.Workflows --prerelease

手順 2: Azure Foundry クライアントを設定する

環境変数と認証を使用して Azure Foundry クライアントを構成します。

using Azure.AI.Projects;
using Azure.AI.Projects.Agents;
using Azure.Identity;
using Microsoft.Agents.AI;
using Microsoft.Agents.AI.Foundry;
using Microsoft.Agents.AI.Workflows;
using Microsoft.Extensions.AI;

public static class Program
{
    private static async Task Main()
    {
        // Set up the Azure AI Project client
        var endpoint = Environment.GetEnvironmentVariable("AZURE_AI_PROJECT_ENDPOINT")
            ?? throw new InvalidOperationException("AZURE_AI_PROJECT_ENDPOINT is not set.");
        var deploymentName = Environment.GetEnvironmentVariable("AZURE_AI_MODEL_DEPLOYMENT_NAME") ?? "gpt-4o-mini";
        var aiProjectClient = new AIProjectClient(new Uri(endpoint), new AzureCliCredential());

手順 3: Agent Factory メソッドを作成する

特定の手順で Azure Foundry エージェントを作成するヘルパーメソッドを実装します。

    /// <summary>
    /// Creates a translation agent for the specified target language.
    /// </summary>
    /// <param name="targetLanguage">The target language for translation</param>
    /// <param name="aiProjectClient">The AIProjectClient to create the agent</param>
    /// <param name="model">The model to use for the agent</param>
    /// <returns>A ChatClientAgent configured for the specified language</returns>
    private static async Task<ChatClientAgent> GetTranslationAgentAsync(
        string targetLanguage,
        AIProjectClient aiProjectClient,
        string model)
    {
        string agentName = $"{targetLanguage} Translator";
        var version = await aiProjectClient.AgentAdministrationClient.CreateAgentVersionAsync(
            agentName,
            new ProjectsAgentVersionCreationOptions(
                new DeclarativeAgentDefinition(model)
                {
                    Instructions = $"You are a translation assistant that translates the provided text to {targetLanguage}."
                }));

        return aiProjectClient.AsAIAgent(version);
    }
}

手順 4: 特殊な Azure Foundry エージェントを作成する

ヘルパーメソッドを使用して、次の 3 つの変換エージェントを作成します。

        // Create agents
        AIAgent frenchAgent = await GetTranslationAgentAsync("French", aiProjectClient, deploymentName);
        AIAgent spanishAgent = await GetTranslationAgentAsync("Spanish", aiProjectClient, deploymentName);
        AIAgent englishAgent = await GetTranslationAgentAsync("English", aiProjectClient, deploymentName);

手順 5: ワークフローを構築する

WorkflowBuilder を使用して、シーケンシャルワークフロー内のエージェントを接続します。

        // Build the workflow by adding executors and connecting them
        var workflow = new WorkflowBuilder(frenchAgent)
            .AddEdge(frenchAgent, spanishAgent)
            .AddEdge(spanishAgent, englishAgent)
            .Build();

手順 6: ストリーミングを使用して実行する

ストリーミングを使用してワークフローを実行し、すべてのエージェントからのリアルタイムの更新を観察します。

        // Execute the workflow
        await using StreamingRun run = await InProcessExecution.RunStreamingAsync(workflow, new ChatMessage(ChatRole.User, "Hello World!"));

        // Must send the turn token to trigger the agents.
        // The agents are wrapped as executors. When they receive messages,
        // they will cache the messages and only start processing when they receive a TurnToken.
        await run.TrySendMessageAsync(new TurnToken(emitEvents: true));
        await foreach (WorkflowEvent evt in run.WatchStreamAsync())
        {
            if (evt is AgentResponseUpdateEvent executorComplete)
            {
                Console.WriteLine($"{executorComplete.ExecutorId}: {executorComplete.Data}");
            }
        }

手順 7: リソースのクリーンアップ

使用後に Azure Foundry エージェントを適切にクリーンアップします。

        // Cleanup the agents created for the sample.
        await aiProjectClient.AgentAdministrationClient.DeleteAgentAsync(frenchAgent.Id);
        await aiProjectClient.AgentAdministrationClient.DeleteAgentAsync(spanishAgent.Id);
        await aiProjectClient.AgentAdministrationClient.DeleteAgentAsync(englishAgent.Id);
    }

しくみ

Azure Foundry クライアントのセットアップ: Azure CLI資格情報を使用して認証を行います
エージェントの作成: 翻訳の具体的な手順を使用して、Azure Foundry にバージョン管理されたエージェントを作成します
順次処理: フランス語エージェントが最初に入力を変換し、次にスペイン語エージェント、次に英語エージェントを変換します。
ターントークンパターン: エージェントはメッセージをキャッシュし、メッセージを受信したときにのみ処理します。 TurnToken
ストリーミング更新: エージェントが応答を生成する際に、 AgentResponseUpdateEvent によってリアルタイムのトークン更新が提供されます
リソース管理: 管理 API を使用した Azure Foundry エージェントの適切なクリーンアップ

主な概念

Azure Foundry Agent Service: 高度な推論機能を備えたクラウドベースの AI エージェント
AIProjectClient: Azure Foundry でエージェントを作成および管理するためのクライアント
WorkflowEvent: 出力イベント (type="output") には、エージェント出力データ (ストリーミング用のAgentResponseUpdate 、非ストリーミング用の AgentResponse ) が含まれています
TurnToken: メッセージキャッシュ後にエージェントの処理をトリガーするシグナル
シーケンシャルワークフロー: 出力が 1 つから次のパイプラインに流れるパイプラインで接続されているエージェント

完全な実装

この Azure Foundry エージェントワークフローの完全な実装については、Agent Framework リポジトリの FoundryAgent Program.cs サンプルを参照してください。

あなたが構築するもの

次のワークフローを作成します。

FoundryChatClientを使用してインテリジェントエージェントを作成する
プロンプトに基づいてコンテンツを作成するライターエージェントを実装します
コンテンツに関するフィードバックを提供するレビュー担当者エージェントを実装します
シーケンシャルワークフローパイプライン内のエージェントを接続します
エージェントが要求を処理する際にリアルタイムの更新をストリーム配信する

対象となる概念

[前提条件]

Python 3.10 以降
Agent Framework がインストールされている: pip install agent-framework
適切な環境変数で構成された Azure OpenAI 応答
Azure CLI 認証: az login

手順 1: 必要な依存関係をインポートする

まず、ワークフローと Azure OpenAI Responses エージェントに必要なコンポーネントをインポートします。

import asyncio
import os

from agent_framework import AgentResponseUpdate, WorkflowBuilder
from agent_framework.foundry import FoundryChatClient
from azure.identity import AzureCliCredential

手順 2: Azure OpenAI Responses クライアントを作成する

複数のエージェントを構築するために使用できる共有クライアントを 1 つ作成します。

async def main() -> None:
    client = FoundryChatClient(
        project_endpoint=os.environ["FOUNDRY_PROJECT_ENDPOINT"],
        model=os.environ["FOUNDRY_MODEL"],
        credential=AzureCliCredential(),
    )

手順 3: 特殊なエージェントを作成する

コンテンツの作成と確認のために、次の 2 つの特殊なエージェントを作成します。

    # Create a Writer agent that generates content
    writer_agent = client.as_agent(
        name="Writer",
        instructions=(
            "You are an excellent content writer. You create new content and edit contents based on the feedback."
        ),
    )

    # Create a Reviewer agent that provides feedback
    reviewer_agent = client.as_agent(
        name="Reviewer",
        instructions=(
            "You are an excellent content reviewer. "
            "Provide actionable feedback to the writer about the provided content. "
            "Provide the feedback in the most concise manner possible."
        ),
    )

手順 4: ワークフローを構築する

ビルダーを使用して、シーケンシャルワークフロー内のエージェントを接続します。

        # Build the workflow with agents as executors
        workflow = WorkflowBuilder(start_executor=writer_agent).add_edge(writer_agent, reviewer_agent).build()

手順 5: ストリーミングを使用して実行する

ストリーミングを使用してワークフローを実行し、両方のエージェントからのリアルタイムの更新を観察します。

    last_author: str | None = None

    events = workflow.run("Create a slogan for a new electric SUV that is affordable and fun to drive.", stream=True)
    async for event in events:
        if event.type == "output" and isinstance(event.data, AgentResponseUpdate):
            update = event.data
            author = update.author_name
            if author != last_author:
                if last_author is not None:
                    print()
                print(f"{author}: {update.text}", end="", flush=True)
                last_author = author
            else:
                print(update.text, end="", flush=True)

手順 6: Main 関数を完了する

main関数で適切な非同期実行を用いてすべてをカプセル化します。

if __name__ == "__main__":
    asyncio.run(main())

しくみ

クライアントセットアップ: 認証に Azure CLI 資格情報で 1 つの FoundryChatClient を使用します。
エージェントの作成: 同じクライアント構成からライターエージェントとレビュー担当者エージェントを作成します。
順次処理: ライターエージェントは最初にコンテンツを生成し、次にレビュー担当者エージェントに渡します。
ストリーミング更新: type="output" データを含む出力イベント (AgentResponseUpdate) は、エージェントが応答を生成する際にリアルタイムのトークン更新を提供します。

主な概念

FoundryChatClient: 一貫性のある構成でワークフローエージェントを作成するために使用される共有クライアント。
WorkflowEvent: 出力イベント (type="output") には、エージェント出力データ (ストリーミング用のAgentResponseUpdate 、非ストリーミング用の AgentResponse ) が含まれます。
シーケンシャルワークフロー: 出力が 1 つから次のパイプラインに流れるパイプラインで接続されているエージェント。

完全な実装

完全に動作する実装については、Agent Framework リポジトリの azure_ai_agents_streaming.py を参照してください。

次のステップ

ヒューマン・イン・ザ・ループ

フィードバック

このページはお役に立ちましたか?

Last updated on 2026-03-12

次の方法で共有

ワークフロー内のエージェント

あなたが構築するもの

対象となる概念

[前提条件]

手順 1: NuGet パッケージをインストールする

手順 2: Azure Foundry クライアントを設定する

手順 3: Agent Factory メソッドを作成する

手順 4: 特殊な Azure Foundry エージェントを作成する

手順 5: ワークフローを構築する

手順 6: ストリーミングを使用して実行する

手順 7: リソースのクリーンアップ

しくみ

主な概念

完全な実装

あなたが構築するもの

対象となる概念

[前提条件]

手順 1: 必要な依存関係をインポートする

手順 2: Azure OpenAI Responses クライアントを作成する

手順 3: 特殊なエージェントを作成する

手順 4: ワークフローを構築する

手順 5: ストリーミングを使用して実行する

手順 6: Main 関数を完了する

しくみ

主な概念

完全な実装

次のステップ

フィードバック

その他のリソース