智能体框架怎么选：Microsoft Agent Framework 与 Foundry Agent Service

这篇适合谁，读完能做到什么

这篇适合已经了解智能体基本概念、正在为项目挑选开发框架的读者。读完你应该能说清智能体框架解决什么问题，分得清 Microsoft Agent Framework 和 Foundry Agent Service 的分工，看懂一段调用工具的智能体代码，并知道先从哪一个开始^[1]。

智能体框架是做什么的

AI 智能体框架是帮助开发者简化智能体创建、部署和管理的软件平台。它提供预先做好的组件、抽象层和工具，让开发者把精力放在自己应用的独特之处，而不是从零解决常见问题。这类框架有助于提升可扩展性、易用性和效率^[1]。

智能体框架还超出了传统 AI 框架的范围。它可以构建能与用户、其他智能体和环境交互、从而达成特定目标的智能体；这些智能体能够自主行动、做出决策，并适应变化的条件^[1]。其中有三项能力尤其重要^[1]：

• 协作与协调：多个智能体一起工作，相互沟通，共同完成复杂任务^[1]。
• 任务自动化与管理：自动化多步骤工作流，在智能体之间委派任务，动态管理任务^[1]。
• 上下文理解与适应：智能体理解上下文，适应变化的环境，并根据实时信息做决定^[1]。

三个能加快原型开发的特性

大多数智能体框架都具备三个共同特性，能帮助团队快速搭出原型并反复迭代^[1]。

1. 模块化组件。SDK 提供现成的部件，例如 AI 与记忆连接器、通过自然语言或代码插件实现的函数调用，以及提示词模板^[1]。
2. 协作工具。为智能体设计明确的角色和任务，然后测试和完善它们的协作流程^[1]。
3. 实时学习。建立反馈循环，让智能体从交互中学习，并动态调整行为^[1]。

Microsoft Agent Framework（MAF）

Microsoft Agent Framework 是一套精简的智能体开发 SDK。它内置工具调用和对话管理，并通过 Azure 身份进行认证，开发者不必直接管理 API 密钥^[1]。它面向生产环境，适合使用工具、执行多步骤工作流、需要企业级集成的智能体^[1]。

在这个框架里，智能体通过 FoundryChatClient 创建，并配置名称、指令和工具。智能体会处理用户消息，根据对话内容自动调用工具，并在多次交互之间保持对话状态^[1]。工具就是普通的 Python 函数，在创建智能体时注册即可^[1]。

第一个智能体的代码大致如下^[1]：

import os
from agent_framework.foundry import FoundryChatClient
from azure.identity import AzureCliCredential

provider = FoundryChatClient(
    project_endpoint=os.environ["AZURE_AI_PROJECT_ENDPOINT"],
    model=os.environ["AZURE_AI_MODEL_DEPLOYMENT_NAME"],
    credential=AzureCliCredential(),
)
agent = provider.as_agent(
    name="my_agent",
    instructions="You are a helpful assistant.",
)

response = await agent.run("Hello, World!")
print(response)

项目端点和模型部署名分别从环境变量 AZURE_AI_PROJECT_ENDPOINT 和 AZURE_AI_MODEL_DEPLOYMENT_NAME 读取^[1]。代码中的 await 要放在异步函数里执行。如果要做多智能体协作，示例会建一个规划智能体和一个执行智能体，两者的指令各不相同，再把规划的结果交给执行智能体^[1]。

Microsoft Foundry Agent Service

Foundry Agent Service 是两者中较新的一个，于 Microsoft Ignite 2024 推出^[1]。主要特点如下：

• 模型选择更灵活：可以直接调用 Llama 3、Mistral、Cohere 等开源大模型^[1]。
• 企业安全：提供更强的安全机制和数据存储方式，适合企业应用^[1]。
• 发布状态：处于公开预览（Public Preview）阶段，支持 Python 和 C# 构建智能体^[1]。
• 兼容性：可以直接配合 Microsoft Agent Framework 使用^[1]。

在 Foundry 中，智能体像一个「聪明的」微服务。它把生成式 AI 模型和能访问真实数据源的工具结合起来，可以回答问题（RAG）、执行操作，或者自动化整个工作流^[1]。用 Python SDK 创建智能体的写法如下^[1]：

agent = project_client.agents.create_agent(
    model="gpt-5-mini",
    name="my-agent",
    instructions="You are helpful agent",
    tools=code_interpreter.definitions,
    tool_resources=code_interpreter.resources,
)

线程（thread）表示智能体和用户之间的一次对话，可用来跟踪进展、保存上下文并管理交互状态。线程中的消息可以是文本、图片或文件^[1]。服务还内置了与 Azure OpenAI、Azure AI Search、Bing 搜索和代码执行的连接^[1]。

该选哪一个

建议的路径很简单：先用 Microsoft Agent Framework 构建智能体，等需要在生产环境中部署和扩展时，再使用 Foundry Agent Service^[1]。

如果你正在开发面向生产的 AI 智能体应用，又希望尽快上手，应优先考虑 Microsoft Agent Framework。它提供简洁、符合 Python 习惯的 API，几行代码就能定义带工具和指令的智能体^[1]。如果你的需求是企业级部署，并且需要搜索、代码执行等 Azure 集成，那么 Foundry Agent Service 更合适。它是一项平台服务，可以在 Foundry 门户里构建智能体，并大规模部署^[1]。

两者并非非此即彼。Foundry Agent Service 开箱即可与 Microsoft Agent Framework 配合，用框架构建的智能体可以运行在该服务上^[1]。在 Azure 体系内，Foundry 可以连接 Bing、Azure AI Search 和 Azure Functions；框架则通过 FoundryChatClient 和 Azure 身份，从工具里直接调用 Azure 服务^[1]。

示例代码在哪里

示例代码放在仓库的 code_samples 目录下：有面向 Microsoft Foundry 的 Python notebook，有面向 Azure OpenAI Responses API 的 Python notebook，还有一个 .NET 版本的 Agent Framework 文件^[1]。打开与你所选平台对应的那一个即可。

本文改编自 Microsoft 开源课程《AI Agents for Beginners》第 2 课^[1]，原文以 MIT 许可证发布。