WPF/C#：使用Microsoft Agent Framework框架创建一个带有审批功能的终端Agent

前言

最近新出了一个Microsoft Agent Framework框架，我感觉还挺有意思的，就通过它的那个Using function tools with human in the loop approvals例子，做了一个终端助手Agent。我觉得使用这个作为学习人在环上这个例子蛮合适的，因为对于需要执行敏感操作（如系统命令）的场景，人工审批机制显得尤为重要。本文以Rouyan为例，说明如何使用Microsoft Agent Framework创建一个能够执行终端命令并具备人工审批功能的WPF应用。

 

在详细介绍之前，先来看看它的效果。

 

1、比如获取当前时间

 

会先弹出一个人工审批窗口：

 

image-20251017213637660

 

然后你点击同意了才会执行：

 

image-20251017213716893

 

如果你拒绝了就是这样：

 

image-20251017213755043

 

实际上你可以利用终端做很多事情，我再举一个例子。

 

2、新建一个文件，写入你好：

 

image-20251017214320364

 

选择同意，结果如图所示：

 

image-20251017214407194

 

image-20251017214543527

 

在介绍如何具体实现之前，先来介绍一下Microsoft Agent Framework。

 

Microsoft Agent Framework介绍

GitHub上的简介是：“一个用于构建、编排和部署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

 

image-20251017215713327

 

Microsoft Agent Framework 是一个开源开发工具包，用于为 .NET 和 Python 构建 AI 代理和多代理工作流。它整合并扩展了 Semantic Kernel 和 AutoGen 项目的思想，融合了两者的优点，并新增了多项功能。该框架由同一团队开发，将成为未来构建 AI 代理的统一基础。

 

Agent Framework 提供了两大主要功能类别：

 

AI 代理：单个代理利用大语言模型（LLM）处理用户输入，调用工具和 MCP 服务器执行操作，并生成响应。代理支持的模型提供商包括 Azure OpenAI、OpenAI 和 Azure AI。

 

工作流：基于图形的工作流，用于连接多个代理和功能，以执行复杂的多步骤任务。工作流支持基于类型的路由、嵌套、检查点以及适用于人工干预场景的请求/响应模式。

 

该框架还提供了基础构建模块，包括模型客户端（聊天补全和响应）、用于状态管理的代理线程、用于代理记忆的上下文提供程序、用于拦截代理操作的中间件，以及用于工具集成的MCP客户端。这些组件共同为您提供灵活性和强大功能，以构建交互性强、稳健且安全的AI应用程序。

 

image-20251017215856749

 

具体实现

1、安装Nuget包：

 

image-20251017220544499

 

2、编写运行脚本的函数

 

[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 $"错误: {error.Trim()}";

            }

 

            return output.Trim();

        }

    }

    catch (Exception ex)

    {

        return $"执行失败: {ex.Message}";

    }

}

3、配置AI Agent

 

文档中只写了Azure中怎么使用，兼容OpenAI格式的可以这样写：

 

 // 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: "你是一个乐于助人的助手，可以执行命令行脚本。请使用中文回答。", tools: [new ApprovalRequiredAIFunction(AIFunctionFactory.Create(ExecuteCmd))]);

这里有一个新东西就是ApprovalRequiredAIFunction。

 

这说明如果调用这个函数需要经过人工审批。

 

4、审批流程

 

// 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();

我们先来看看这个是什么，运行起来打个断点看看：

 

image-20251017221907635

 

这就是一个Agent想要执行的函数，那么现在来看看如何审批：

 

while (userInputRequests.Count > 0)

{

    var userInputResponses = new List<ChatMessage>();

 

    foreach (var functionApprovalRequest in userInputRequests.OfType<FunctionApprovalRequestContent>())

    {

        var scriptContent = functionApprovalRequest.FunctionCall.Arguments?["script"]?.ToString() ?? "未知脚本";

        var functionName = functionApprovalRequest.FunctionCall.Name;

 

        var dialogVm = new HumanApprovalDialogViewModel

        {

            Title = "命令执行审批",

            Message = $"是否同意执行以下命令？\n\n函数名称: {functionName}\n脚本内容: {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();

}

根据这个地方userInputResponses.Add(new ChatMessage(ChatRole.User, [functionApprovalRequest.CreateResponse(approved)]));中的approved传入的是true还是false表示用户是同意还是拒绝。

 

然后发送请求获取新的回复，直到没有需要人工审批的函数为止。

 

5、流式响应

 

最后再获取一个流式响应：

 

await foreach (var update in agent.RunStreamingAsync("输出最终答案", thread))

{

    OutputText += update.Text;

}