# 第15篇-Agent Framework中 IChatReducer 进行聊天记录缩减

### 序言

在多轮对话场景中，随着聊天次数增加，发送给大语言模型（LLM）的上下文会持续膨胀，带来 Token 成本上升与上下文溢出风险。 Microsoft Agent Framework 将这一问题抽象为 Chat Reduction（聊天记录缩减），并通过 `IChatReducer` 策略对聊天历史进行统一治理，而不是在业务代码中零散地裁剪或拼接历史消息。

本文基于“客户端本地存储聊天记录（Client-side history）”的典型场景，演示如何使用 `MessageCountingChatReducer` 自动限制历史长度，防止上下文无限增长，并观察在“历史被遗忘”后 Agent 行为的变化。

***

### 1. 代码关键实现步骤

#### 引入必要的依赖

* `Microsoft.Extensions.AI`：提供统一的 AI 抽象（`ChatMessage`、`Reducer` 等）
* `Azure.AI.OpenAI`：用于连接 Azure OpenAI 服务
* `Microsoft.Agents.AI`：Agent Framework 核心能力

#### 配置 Agent 与缩减策略（Reducer）

```csharp
AIAgent agent = new AzureOpenAIClient(
  new Uri(endpoint),
  new AzureCliCredential())
  .GetChatClient(deploymentName)
  .CreateAIAgent(new ChatClientAgentOptions
  {
    ChatOptions = new()
    {
      Instructions = "你是一位江湖说书人，擅长用幽默、接地气的方式讲笑话和故事。"
    },
    Name = "Joker",
    // 关键点：自定义 ChatMessageStoreFactory
    ChatMessageStoreFactory = ctx => new InMemoryChatMessageStore(
      new MessageCountingChatReducer(2), // 仅保留最近 2 条 非 System 的 ChatMessage
      ctx.SerializedState,
      ctx.JsonSerializerOptions)
  });
```

#### 组件说明

* `InMemoryChatMessageStore`
  * 聊天记录保存在客户端内存中
  * 适用于 Chat Completion / 本地上下文管理场景
* `MessageCountingChatReducer(2)`
  * 基于“消息数量”的缩减策略
  * 参数 2 表示仅保留最近 2 条非系统消息( 非 System 的 ChatMessage)
  * 超出部分的历史消息会被自动移除，而不是无限累积

***

### 2. 验证缩减效果

通过多轮连续对话，观察聊天记录在 Reducer 作用下的变化。在每一轮调用 `agent.RunAsync(...)` 后，读取当前线程中实际保留的聊天历史数量：

```csharp
AgentThread thread = agent.GetNewThread();


Console.WriteLine(await agent.RunAsync("给我讲一个发生在茶馆里的段子，轻松一点的那种。", thread));

IList<ChatMessage>? chatHistory = thread.GetService<IList<ChatMessage>>();
Console.WriteLine($"\n 聊天有 {chatHistory?.Count} 消息.\n");

// Invoke the agent a few more times.
Console.WriteLine(await agent.RunAsync("现在把这个段子加上一些表情符号，并用说书人的语气再讲一遍。", thread));
Console.WriteLine($"\n 聊天有 {chatHistory?.Count} 消息.\n");
Console.WriteLine(await agent.RunAsync("保持刚才的语气，讲一个关于健忘冒险者的轻松小故事，像是在讲笑话一样。", thread));
Console.WriteLine($"\n 聊天有 {chatHistory?.Count} 消息.\n");

// At this point, the chat history has exceeded the limit and the original message will not exist anymore,
// so asking a follow up question about it will not work as expected.
Console.WriteLine(await agent.RunAsync("接着刚才的氛围，讲一个发生在日常生活里的小乌龙事件，轻松随意一点。", thread));

Console.WriteLine($"\n 聊天有 {chatHistory?.Count} 消息.\n");
```

#### 对话过程说明

* 第一轮对话：「给我讲一个发生在茶馆里的段子，轻松一点的那种。」
  * 聊天历史较短，Reducer 尚未触发，历史消息正常累积
* 第二轮对话：「现在把这个段子加上一些表情符号，并用说书人的语气再讲一遍。」
  * 新消息加入，历史仍在阈值范围内，早期消息仍可访问
* 第三轮及之后：「保持刚才的语气，讲一个关于健忘冒险者的轻松小故事。」
  * 聊天记录达到缩减条件，`MessageCountingChatReducer` 开始生效
  * 最早的消息被自动移除，`chatHistory.Count` 保持在稳定范围内

***

### 3. 演示结果

***

### 4. 技术总结与适用场景

#### 适用场景

* Client-side history：聊天历史由客户端或应用自身维护（如 OpenAI / Azure OpenAI Chat Completion API）

#### 不适用场景

* Server-side history（如 Azure Foundry Agents）：聊天历史由服务端统一管理，客户端无法直接干预裁剪策略

#### 可扩展性

`IChatReducer` 只是一个策略接口，可扩展更复杂的上下文治理逻辑：

* `TokenCountingChatReducer`：按 Token 数量而非消息条数进行缩减
* `SummaryChatReducer`：将旧消息压缩为摘要，而非直接删除

### 小结

* 聊天历史不应无限增长
* “遗忘”是一种主动、可控的系统设计
* 上下文治理应以策略形式存在，而非散落在业务代码中
* 合理使用 Chat Reduction，可在成本、稳定性与对话效果之间取得更好平衡


---

# 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-15-pian-agent-framework-zhong-ichatreducer-jin-xing-liao-tian-ji-lu-suo-jian.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.