前言

最近新出了一個Microsoft Agent Framework框架，我感覺還挺有意思的，就通過它的那個Using function tools with human in the loop approvals例子，做了一個終端助手Agent。我覺得使用這個作為學習人在環上這個例子蠻合適的，因為對于需要執行敏感操作（如系統命令）的場景，人工審批機制顯得尤為重要。本文以Rouyan為例，說明如何使用Microsoft Agent Framework創建一個能夠執行終端命令并具備人工審批功能的WPF應用。

在詳細介紹之前，先來看看它的效果。

1、比如獲取當前時間

會先彈出一個人工審批窗口：

然后你點擊同意了才會執行：

如果你拒絕了就是這樣：

實際上你可以利用終端做很多事情，我再舉一個例子。

2、新建一個文件，寫入你好：

選擇同意，結果如圖所示：

在介紹如何具體實現之前，先來介紹一下Microsoft Agent Framework。

Microsoft Agent Framework介紹

GitHub上的簡介是：“一個用于構建、編排和部署AI代理及多代理工作流程的框架，支持Python和.NET。”

GitHub地址：https://github.com/microsoft/agent-framework

Microsoft Agent Framework 是一個開源開發工具包，用于為 .NET 和 Python 構建 AI 代理和多代理工作流。它整合并擴展了 Semantic Kernel 和 AutoGen 項目的思想，融合了兩者的優點，并新增了多項功能。該框架由同一團隊開發，將成為未來構建 AI 代理的統一基礎。

Agent Framework 提供了兩大主要功能類別：

AI 代理：單個代理利用大語言模型（LLM）處理用戶輸入，調用工具和 MCP 服務器執行操作，并生成響應。代理支持的模型提供商包括 Azure OpenAI、OpenAI 和 Azure AI。

工作流：基于圖形的工作流，用于連接多個代理和功能，以執行復雜的多步驟任務。工作流支持基于類型的路由、嵌套、檢查點以及適用于人工干預場景的請求/響應模式。

該框架還提供了基礎構建模塊，包括模型客戶端（聊天補全和響應）、用于狀態管理的代理線程、用于代理記憶的上下文提供程序、用于攔截代理操作的中間件，以及用于工具集成的MCP客戶端。這些組件共同為您提供靈活性和強大功能，以構建交互性強、穩健且安全的AI應用程序。

具體實現

1、安裝Nuget包：

2、編寫運行腳本的函數

[Description("Execute a Windows cmd.exe script and return its output.")]
static string ExecuteCmd([Description("The script content to run via 'cmd.exe /c'.")] string script)
{
    try
    {
        var psi = new ProcessStartInfo("cmd.exe", "/c " + script)
        {
            UseShellExecute = false,
            RedirectStandardOutput = true,
            RedirectStandardError = true,
            CreateNoWindow = true
        };

        using (var process = new Process())
        {
            process.StartInfo = psi;
            process.Start();

            string output = process.StandardOutput.ReadToEnd();
            string error = process.StandardError.ReadToEnd();

            process.WaitForExit();

            if (!string.IsNullOrWhiteSpace(error))
            {
                return $"錯誤: {error.Trim()}";
            }

            return output.Trim();
        }
    }
    catch (Exception ex)
    {
        return $"執行失敗: {ex.Message}";
    }
}

3、配置AI Agent

文檔中只寫了Azure中怎么使用，兼容OpenAI格式的可以這樣寫：

 // 配置AI Agent
 DotEnv.Load();
 var envVars = DotEnv.Read();

 var apiKey = envVars["OPENAI_API_KEY"];
 var model = envVars["OPENAI_CHAT_MODEL"];
 var baseUrl = new Uri(envVars["OPENAI_BASE_URL"]);

 ApiKeyCredential apiKeyCredential = new ApiKeyCredential(apiKey);

 OpenAIClientOptions openAIClientOptions = new OpenAIClientOptions();
 openAIClientOptions.Endpoint = baseUrl;

 AIAgent agent = new OpenAIClient(apiKeyCredential, openAIClientOptions)
     .GetChatClient(model)
     .CreateAIAgent(instructions: "你是一個樂于助人的助手，可以執行命令行腳本。請使用中文回答。", tools: [new ApprovalRequiredAIFunction(AIFunctionFactory.Create(ExecuteCmd))]);

這里有一個新東西就是ApprovalRequiredAIFunction。

這說明如果調用這個函數需要經過人工審批。

4、審批流程

// Call the agent and check if there are any user input requests to handle.
AgentThread thread = agent.GetNewThread();

var response = await agent.RunAsync(InputText, thread);
var userInputRequests = response.UserInputRequests.ToList();

我們先來看看這個是什么，運行起來打個斷點看看：

這就是一個Agent想要執行的函數，那么現在來看看如何審批：

while (userInputRequests.Count > 0)
{
    var userInputResponses = new List<ChatMessage>();

    foreach (var functionApprovalRequest in userInputRequests.OfType<FunctionApprovalRequestContent>())
    {
        var scriptContent = functionApprovalRequest.FunctionCall.Arguments?["script"]?.ToString() ?? "未知腳本";
        var functionName = functionApprovalRequest.FunctionCall.Name;

        var dialogVm = new HumanApprovalDialogViewModel
        {
            Title = "命令執行審批",
            Message = $"是否同意執行以下命令？\n\n函數名稱: {functionName}\n腳本內容: {scriptContent}"
        };

        bool? result = _windowManager.ShowDialog(dialogVm);
        bool approved = result == true;

        userInputResponses.Add(new ChatMessage(ChatRole.User, [functionApprovalRequest.CreateResponse(approved)]));
    }

    // Pass the user input responses back to the agent for further processing.
    response = await agent.RunAsync(userInputResponses, thread);
    userInputRequests = response.UserInputRequests.ToList();
}

根據這個地方userInputResponses.Add(new ChatMessage(ChatRole.User, [functionApprovalRequest.CreateResponse(approved)]));中的approved傳入的是true還是false表示用戶是同意還是拒絕。

然后發送請求獲取新的回復，直到沒有需要人工審批的函數為止。

5、流式響應

最后再獲取一個流式響應：

await foreach (var update in agent.RunStreamingAsync("輸出最終答案", thread))
{
    OutputText += update.Text;
}

最后

以上就是本期的全部內容，希望對你有所幫助。

全部代碼已上傳至GitHub，地址：https://github.com/Ming-jiayou/Rouyan。

終端助手的代碼主要在src/Rouyan/Pages/ViewModel/TerminalAgentViewModel.cs中。