# 第12篇-Agent Framework构建可组合的多agent系统

在构建复杂的 AI 应用时，我们经常会遇到一个难题：如何让一个通用 Agent 调用另一个专业 Agent？

单一 Agent 往往无法胜任所有工作，我们需要明确的“分工”。本文通过 Microsoft Agent Framework 的一个示例，演示如何将一个 Agent 封装成标准的“函数工具”，供另一个 Agent 按需调用。

这种模式通常被称为 Agent-as-a-Function，它显著增强了多 Agent 系统的可组合性。

### 场景设定

我们构建一个“套娃”式的多 Agent 场景：

* 底层工具：一个查询天气的 C# 本地函数
* 子 Agent（WeatherAgent）：天气专家，持有底层工具
* 主 Agent（Main Agent）：负责用户交互，并且必须只用日语输出结果
* 任务：用户用中文提问，主 Agent 调用子 Agent 获取信息后，根据自身指令翻译并用日语回答

### 核心代码解析

#### 1. 准备工作与本地函数

首先配置 Azure OpenAI 连接，并定义一个最基础的 GetWeather 本地函数。这里使用 \[Description] 特性，是为了让 LLM 能更准确理解工具的用途与参数语义。

为了突出 Agent 组合模式，这里使用了简化的本地函数；在真实项目中，可以替换为 API / MCP / 插件调用。

```csharp
var endpoint = Environment.GetEnvironmentVariable("AZURE_OPENAI_ENDPOINT");
var deploymentName = Environment.GetEnvironmentVariable("AZURE_OPENAI_DEPLOYMENT_NAME") ?? "gpt-4o-mini";

[Description("获取指定地点的天气信息。")]
static string GetWeather([Description("要获取天气的地点。")] string location)
    => $"{location} 多云，最高气温 15°C。";
```

#### 2. 创建子 Agent：WeatherAgent（天气专家）

接下来创建一个专注于天气问题的专家 Agent，并将 GetWeather 注册为它的工具能力。

此时，weatherAgent 仍然只是一个独立 Agent，尚未作为函数对外暴露。

```csharp
AIAgent weatherAgent = new AzureOpenAIClient(new Uri(endpoint), new AzureCliCredential())
    .GetChatClient(deploymentName)
    .CreateAIAgent(
        name: "WeatherAgent",
        instructions: "你专注于回答天气相关的问题，必要时调用工具获取信息后再回答。",
        description: "一个提供天气信息的智能体。",
        tools: [AIFunctionFactory.Create(GetWeather)]
    );
```

#### 3. 关键一步：将 Agent 封装为函数（Agent-as-a-Function）

核心在于 `.AsAIFunction()`。

它并不是一次简单的函数调用，而是一次完整的 Agent 推理过程，只是对外表现为一个标准的 AI Function 契约。

```csharp
AIAgent agent = new AzureOpenAIClient(new Uri(endpoint), new AzureCliCredential())
    .GetChatClient(deploymentName)
    .CreateAIAgent(
        instructions: """
你是一个助手，必须只用日语回答。
工具返回的内容可能是中文，请将其翻译成自然的日语后再输出。
不要输出中文或英文。
""",
        tools: [weatherAgent.AsAIFunction()]
    );
```

对主 Agent 来说，WeatherAgent 就像一个普通工具函数，但其内部实际上包含完整的 Prompt、推理和工具调用逻辑。

#### 4. 运行效果与调用流程

```csharp
Console.WriteLine(await agent.RunAsync("东京的天气如何？"));
```

一次典型的执行过程如下：

1. 用户用中文提问
2. 主 Agent 在推理过程中判断需要天气信息，并选择调用 WeatherAgent 工具
3. 子 Agent 调用 `GetWeather("东京")` 获取结果
4. 子 Agent 返回天气信息
5. 主 Agent 根据自身 System Prompt，将结果翻译并以日语输出

最终输出示例：

> 東京の天気は曇りで、最高気温は15℃です。

在真实系统中，超时控制、调用深度限制、错误回传与重试等逻辑，通常放在主 Agent 的工具调用包装层（tool policy / middleware）中统一处理，以避免多 Agent 调用链失控或变成黑盒。

### 为什么这种模式很重要？

* 封装与复用：复杂能力（如 SQL Agent、Code Agent）可以整体封装为工具
* 职责分离：主 Agent 负责交互与语言控制，子 Agent 专注垂直领域推理
* 可组合扩展：作为工具的 Agent 内部仍可调用其他 Agent，形成树状结构
* 轻量 vs 编排器：当只需要能力组合时，Agent-as-a-Function 更轻量；当需要复杂路由与多步工作流时，再引入 orchestrator 更合适

### 总结

`AsAIFunction()` 本质上是一座桥梁：它用 Function 作为契约，把一个完整的 Agent 能力模块暴露给其他 Agent 使用。

通过这种方式，我们不再构建一个全知全能的巨型 Brain，而是构建一组可组合、可复用、职责清晰的专家团队。

如果你正在使用 Microsoft Agent Framework，不妨尝试把你的通用能力抽取出来，封装成 Agent Tool，让系统能力真正“模块化”。


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://bingbing-gui.gitbook.io/blog/ai-agent/agent-framework/di-12-pian-agent-framework-gou-jian-ke-zu-he-de-duo-agent-xi-tong.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.