# 第21篇-使用 Microsoft Foundry  实现持久化 Agents

### 使用 Microsoft Foundry 实现持久化 Agents

当我们构建一个 AI Agent 时，如果希望 Agent 具备“记忆能力”，通常需要维护对话上下文。然而，在传统模式下，应用需要自行管理会话状态和历史记录。

Microsoft Foundry Agents 提供了服务端持久化能力，可以在平台侧管理 Agent 的生命周期、会话状态以及上下文信息，从而简化应用层的实现。

### 场景简介

我们创建一个Agent， 如果让Agent产生记忆，必须维持上下文回话，那么有没有别的方式来维持上下文回话，我们可以使用Azure Foundry Agents提供的持久化能力，来管理这个Agent的生命周期和交互状态。

* 创建或获取持久化 Agent
* 配置模型与系统指令（instructions）
* 创建会话并执行对话
* 清理示例资源

### 核心流程说明

#### 环境变量&配置

首先读取 Microsoft Foundry 项目的 endpoint 以及模型部署名称（deployment name）。

```csharp
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";
```

#### 客户端初始化

通过 Azure.AI.Agents.Persistent SDK 提供的 `PersistentAgentsClient`，并结合 Azure 标准身份认证机制（如 `DefaultAzureCredential`），初始化用于与 Azure Foundry Agents 服务端交互的客户端对象。

```csharp
var persistentAgentsClient = new PersistentAgentsClient(endpoint, new DefaultAzureCredential());
```

#### 创建或获取持久代理

**创建代理元信息**

可以通过 `persistentAgentsClient.Administration.CreateAgentAsync` 创建一个具备特定模型和指令（instructions）的代理。

**获取具体的 AIAgent 实例**

支持两种方式：

* 先创建，再通过 id 获取为 AIAgent
* 直接创建并作为 AIAgent 返回

#### 与代理交互

* 使用 `AIAgent.CreateSessionAsync()` 表示一次独立的对话会话，用于隔离不同用户或不同任务的上下文。
* 使用 `AIAgent.RunAsync()` 发送用户请求并获取回复：

```csharp
AgentSession session = await agent1.CreateSessionAsync();
Console.WriteLine(await agent1.RunAsync("给我讲一个发生在茶馆里的段子，轻松一点的那种。", session));
```

#### 代理清理

为了避免资源浪费，在示例代码中通过 DeleteAgentAsync 及时清理测试用 Agent。

### 注意事项

* `DefaultAzureCredential` 适合开发测试，生产环境推荐更精细化的身份认证（如 Managed Identity）以避免安全隐患。
* 持久代理适合在需要长期保存交互能力或分布式多实例场景（如多用户Bot、企业级Agent Pool）下使用。

### 场景扩展

* 可以扩展 instructions，"定制"化生成特定角色代理，如客服、小助手等。
* 利用代理元数据，集中管理企业级大量 AI 实例。
* 持久化 Agent 会在 Azure 服务端创建资源，建议合理管理 Agent 生命周期。

### 总结

Microsoft Foundry 提供的持久化 Agent 能力，使开发者可以在云端统一管理 Agent 的生命周期和会话状态。 相比传统的模型调用方式，这种模式可以更好地支持多用户会话、Agent 复用以及分布式系统中的统一管理。 对于需要长期运行、具备上下文记忆能力的 AI 应用来说，这种架构可以显著降低开发复杂度。


---

# 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-20-pian-shi-yong-microsoft-foundry-shi-xian-chi-jiu-hua-agents.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.