Начало работы с Microsoft Agent Framework в.NET

Курс по Microsoft Agent Framework в.NET поможет разработчикам разобраться, как создавать надёжных, автономных и наблюдаемых AI-агентов: от подключения языковых моделей и управления контекстом до инструментов, workflow, безопасности и подготовки решений к production.

О курсе

На курсе вы последовательно изучите подходы к разработке агентных систем на платформе .NET с использованием Microsoft Agent Framework. Основной фокус сделан не только на интеграции LLM через API, но и на практической архитектуре AI-агентов: хранении состояния, управлении историей диалога, работе с контекстным окном, инструментами и сложными рабочими процессами.

Вы начнёте с базовых понятий: что такое большие языковые модели, как устроены AI-агенты, чем агент отличается от обычного чат-бота и какие задачи можно автоматизировать с помощью агентного подхода. Затем перейдёте к созданию первого агента, подключению локальных языковых моделей и тестированию приложений через DevUI.

Что вы изучите

• Основы LLM, AI-агентов и агентных приложений на.NET.
• Создание первого агента с использованием Microsoft Agent Framework.
• Интеграцию языковых моделей через API и подключение локальных моделей.
• Тестирование и отладку агентных приложений с помощью DevUI.
• Работу с многошаговыми диалогами, состоянием и историей сообщений.
• Управление ограничениями контекстного окна и сокращение истории чата.
• Сохранение пользовательских сессий локально и в Redis.
• Создание собственных инструментов для расширения возможностей агента.
• Обработку сложных параметров, их валидацию и структурированный вывод.
• Реализацию сценариев human-in-the-loop.
• Построение последовательных, параллельных и условно маршрутизируемых workflow.
• Мониторинг, трассировку, защиту от prompt injection и фильтрацию небезопасного контента.

Программа и ключевые темы

Основы AI-агентов и Microsoft Agent Framework

Вы разберёте ключевые концепции агентной разработки: роль LLM в приложении, взаимодействие агента с пользователем, использование инструментов, обработку контекста и построение автономных сценариев. Отдельное внимание уделяется тому, как эти идеи реализуются в экосистеме .NET.

Контекст, память и история диалогов

Агентные приложения должны корректно работать с многошаговыми диалогами и сохранять важную информацию между запросами. В рамках курса рассматриваются техники управления историей сообщений, сокращения контекста, ограничения объёма данных и сохранения состояния сессий.

Вы научитесь использовать как локальное хранение, так и Redis для более устойчивой работы с пользовательскими сессиями и масштабируемыми сценариями.

Инструменты и расширение возможностей агента

Практическая часть курса показывает, как создавать собственные инструменты, которые агент сможет вызывать для выполнения прикладных задач. Вы изучите передачу параметров, обработку сложных структур данных, валидацию входных значений и возврат результата в удобном для модели формате.

Human-in-the-loop и структурированный вывод

Вы разберёте сценарии, в которых агенту требуется участие человека: подтверждение действия, проверка результата или выбор дальнейшего маршрута выполнения. Также рассматривается структурированный вывод, позволяющий получать от модели данные в предсказуемом формате для дальнейшей обработки в приложении.

Workflow для агентных систем

Курс охватывает построение рабочих процессов разной сложности: последовательных, параллельных и условно маршрутизируемых. Вы научитесь управлять состоянием workflow, обрабатывать пользовательские события и проектировать сценарии, в которых несколько шагов объединяются в единый управляемый процесс.

Production, безопасность и наблюдаемость

В финальной части рассматривается подготовка AI-агентов к production-среде. Вы изучите трассировку выполнения с помощью OpenTelemetry, мониторинг использования токенов и расходов, а также базовые подходы к защите от prompt injection и фильтрации небезопасного контента.

Практические навыки после прохождения

• Проектировать агентные приложения на .NET с учётом состояния, контекста и истории диалога.
• Подключать языковые модели и тестировать поведение агентов в процессе разработки.
• Создавать инструменты, которые расширяют функциональность AI-агента.
• Использовать Redis для хранения сессий и повышения устойчивости приложения.
• Организовывать сложные workflow с последовательной, параллельной и условной логикой.
• Добавлять наблюдаемость через OpenTelemetry и отслеживать расход токенов.
• Проектировать более безопасные агентные системы с защитой от prompt injection.

Кому подойдёт курс

• .NET-разработчикам, которые хотят применять LLM и AI-агентов в реальных приложениях.
• Backend-разработчикам, изучающим интеграцию языковых моделей, workflow и внешних инструментов.
• Инженерам и архитекторам, которым важно понимать, как проектировать надёжные агентные системы.
• Разработчикам AI-приложений, которые хотят перейти от простых чат-интерфейсов к автономным сценариям.

Что желательно знать перед началом

Для комфортного прохождения курса желательно иметь базовый опыт разработки на C# и понимание основ платформы .NET. Дополнительным преимуществом будет знакомство с API, асинхронным программированием, Redis и базовыми принципами работы языковых моделей, но основные концепции AI-агентов рассматриваются в процессе обучения.

Итог курса

После прохождения курса вы будете понимать, как спроектировать и реализовать AI-агента на.NET: подключить языковую модель, настроить память и контекст, добавить инструменты, организовать workflow, включить наблюдаемость и учесть требования безопасности. В результате вы получите практическую базу для создания надёжных, расширяемых и готовых к production агентных систем с использованием Microsoft Agent Framework.