Krok 6: Agent Harness

Utwórz agenta testowego z dowolnego obiektu IChatClient za pomocą metody rozszerzającej AsHarnessAgent. Ponieważ mechanizm interaktywnie realizuje zadania w wielu krokach, zwykle steruje się nim z poziomu pętli konwersacji: zachowaj AgentSession, aby stan mechanizmu (plan, lista zadań i historia) utrzymywał się między turami, odczytaj kolejną instrukcję użytkownika i strumieniuj dane wyjściowe agenta w miarę ich generowania.

using System;
using Microsoft.Agents.AI;
using Microsoft.Extensions.AI;

// chatClient is any IChatClient implementation (Foundry, Azure OpenAI, OpenAI, Anthropic, ...).
AIAgent agent = chatClient.AsHarnessAgent();

// A session carries the harness state (plan, todos, history) across turns.
AgentSession session = await agent.CreateSessionAsync();

Console.WriteLine("Harness agent ready. Type 'exit' to quit.");
while (true)
{
    Console.Write("> ");
    string? input = Console.ReadLine();
    if (string.IsNullOrWhiteSpace(input) || input.Equals("exit", StringComparison.OrdinalIgnoreCase))
    {
        break;
    }

    // Stream this turn's output as the harness plans and works through the request.
    await foreach (var update in agent.RunStreamingAsync(input, session))
    {
        Console.Write(update);
    }

    Console.WriteLine();
}

Mechanizm obsługuje planowanie, śledzenie listy zadań i trwałe przechowywanie historii w trakcie całej rozmowy. Aby skorzystać z pełnej konsoli — z monitami o zatwierdzenie użycia narzędzi, renderowaniem listy zadań i trybów oraz poleceniami z ukośnikiem — zobacz przykładowy interfejs terminala.

Utwórz agenta harness za pomocą fabryki create_harness_agent. Ponieważ mechanizm ten realizuje zadania interaktywnie w wielu krokach, zazwyczaj steruje się nim z poziomu pętli konwersacyjnej: utrzymuj sesję, aby stan mechanizmu (plan, lista zadań i historia) był zachowywany między turami, odczytuj kolejną instrukcję użytkownika i strumieniowo przekazuj dane wyjściowe agenta w miarę ich generowania.

from agent_framework import create_harness_agent
from agent_framework.openai import OpenAIChatClient

agent = create_harness_agent(
    OpenAIChatClient(model="gpt-4o"),
)

# A session carries the harness state (plan, todos, history) across turns.
session = agent.create_session()

print("Harness agent ready. Type 'exit' to quit.")
while True:
    user_input = input("> ")
    if user_input.strip().lower() in {"exit", "quit"}:
        break

    # Stream this turn's output as the harness plans and works through the request.
    async for chunk in agent.run(user_input, session=session, stream=True):
        if chunk.text:
            print(chunk.text, end="", flush=True)
    print()

Mechanizm obsługuje planowanie, śledzenie listy zadań i trwałe przechowywanie historii w trakcie całej rozmowy. Aby skorzystać z pełnej konsoli — z monitami o zatwierdzenie użycia narzędzi, renderowaniem listy zadań i trybów oraz poleceniami z ukośnikiem — zobacz przykładowy interfejs terminala.