用 Microsoft Agent Framework 1.0 搭企业级智能体（Python/.NET，原生 MCP+A2A）

MAF 支持 Python 3.10+（Windows / macOS / Linux 均可）。最简单的方式是安装全家桶：

# 开发/本地探索：装全部子包，所有功能直接可用
pip install agent-framework

# 想更轻量，只装核心（含 Azure OpenAI / OpenAI + 工作流编排）
pip install agent-framework-core

# 接 Azure AI Foundry 时
pip install agent-framework-foundry

# 验证安装
python -c "import agent_framework; print(agent_framework.__version__)"

MAF 的客户端会按"显式参数 → 环境变量 → 配置文件"的顺序解析凭证。在项目根目录建一个 .env：

# 用 OpenAI
OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxx
OPENAI_MODEL=gpt-4o

# 或接 Azure OpenAI
AZURE_OPENAI_API_KEY=xxxx
AZURE_OPENAI_ENDPOINT=https://your-resource.openai.azure.com/
AZURE_OPENAI_MODEL=gpt-4o

# 或接 Azure AI Foundry
FOUNDRY_PROJECT_ENDPOINT=https://your-project.services.ai.azure.com
FOUNDRY_MODEL=gpt-5.3

用 OpenAIChatClient 当客户端，包一层 Agent，await agent.run(...) 即可：

import asyncio
from agent_framework import Agent
from agent_framework.openai import OpenAIChatClient

async def main():
    agent = Agent(
        client=OpenAIChatClient(),   # 自动读 OPENAI_API_KEY
        instructions="你是一个简洁友好的助手，回答不超过三句话。",
    )
    result = await agent.run("用一句话介绍 Microsoft Agent Framework。")
    print(result)

asyncio.run(main())

光会聊天不够，Agent 真正的价值是"动手"。给它注册一个普通 Python 函数当工具：

import asyncio
from typing import Annotated
from pydantic import Field
from agent_framework import Agent
from agent_framework.openai import OpenAIChatClient

def get_weather(
    location: Annotated[str, Field(description="要查询天气的城市")]
) -> str:
    """获取指定城市的天气。"""
    # 真实场景这里调用天气 API；演示返回模拟值
    return f"{location} 今天晴，最高 26°C，适合出门。"

async def main():
    agent = Agent(
        client=OpenAIChatClient(),
        instructions="你是天气助手，需要时用 get_weather 工具查真实天气。",
    )
    agent.add_function_tool(get_weather)   # 注册工具
    print(await agent.run("北京今天适合跑步吗？"))

asyncio.run(main())

真实任务常需要多个专家 Agent 协作。MAF 用 SequentialBuilder 把参与者串成流水线：

import asyncio
from agent_framework import Agent, Message
from agent_framework.openai import OpenAIChatClient
from agent_framework.orchestrations import SequentialBuilder

async def main():
    client = OpenAIChatClient()
    writer = Agent(client=client,
                   name="writer",
                   instructions="你是简洁的文案，只写一句有冲击力的标语。")
    reviewer = Agent(client=client,
                     name="reviewer",
                     instructions="你是审稿人，对上一句给一句简短反馈。")

    workflow = SequentialBuilder(participants=[writer, reviewer]).build()
    async for event in workflow.run("给 Microsoft Agent Framework 1.0 写句标语", stream=True):
        if event.type == "output":
            for msg in event.data:
                print(f"[{msg.author_name}]: {msg.text}")

asyncio.run(main())

MAF 1.0 的杀手锏是原生 MCP + A2A：你不必自己造工具，直接连现成的 MCP 服务器；也能让 MAF 的 Agent 和 LangGraph / CrewAI 的 Agent 通过 A2A 协议互相调用。

# 概念示意：把外部 MCP 服务器暴露的能力变成 Agent 可调用工具
# 1) 启动一个 MCP server（如 filesystem / fetch / 自定义）
# 2) 在 MAF 里用 MCP 连接器挂载：
#    from agent_framework.mcp import McpConnection
#    mcp = McpConnection(command="npx", args=["-y", "@modelcontextprotocol/server-fetch"])
#    agent.add_mcp_server(mcp)

# A2A：让本框架 Agent 作为"客户端"发现并调用其它框架的 Agent
#    from agent_framework.a2a import A2ACardResolver
#    card = A2ACardResolver(url="https://other-agent.example/.well-known/agent.json").get()

上线前，三件事建议一次配齐：

1) 可观测性：内置 OpenTelemetry，分布式追踪一行开启
   # 设置环境变量即可把 trace 导出到 Collector / Application Insights
   OTEL_EXPORTER_OTLP_ENDPOINT=http://localhost:4317

2) 中间件守卫：用 middleware 管道做内容安全、合规、日志
   # 在 Agent 上挂 middleware，不改动提示词就能加策略

3) 部署：Foundry 托管只需多加两行
   # pip install agent-framework-foundry
   # 把 Agent 用 FoundryChatClient + AzureCliCredential 包起来，
   # 即可部署到 Foundry 托管基础设施，获得托管运行与计费