MAF快速入门(24)整合多个Skill来源

大家好,我是Edison。

最近我一直在跟着圣杰的《.NET+AI智能体开发进阶》课程学习MAF开发智能体应用,我强烈推荐你也上车跟我一起出发!

MAF 1.1.0 对 Agent Skill 的补全绝对是工程化的典范,今天我们来看看如何整合多个Skill来源实现企业级多技能控制。

1 企业级需求:多个Skill来源管控

在写Agent Skill的时候,我就在想企业级应用中应该需要一个Skill管控,维护一些中央可复用Skill推送到各个员工的Agent中,而各个员工也会自己写一些自己任务的Skill 或者 重写远程Skill来覆盖实现自己的任务。

这种多级Skill来源的控制设计已经在MAF中被考虑进来了,我们可以通过自定义AgentSkillsSource来实现,这意味着我们可以从任何地方为Agent提供Skill,包括但不限于:HTTP API、数据库、配置中心等等。

2 快速开始:整合多个来源Skill

这里我们来做一个企业HR助手,整合以下多个来源的Skill并实现角色管控Skill可见。

  1. 全局技能库(假设通过Remote HTTP API来获取):它是所有员工通用的政策和流程;

  2. 本地技能库(假设通过InMemory来获取):它是各个员工自己定制的任务技能

  3. 用户角色技能(假设通过自定义Source来获取):根据当前用户角色做动态过滤

在这个案例中,我们想要实现只有 全局通用技能 + 角色专属技能 对Agent可见,且本地的同名称技能可以覆盖远程的全局技能。

本文案例使用的模型为:Qwen3.5-35B-A3B

准备工作

在开始之前,我们创建了一个控制台应用,并安装了以下NuGet包:

复制代码
<PackageReference Include="Microsoft.Agents.AI.OpenAI" Version="1.1.0" />

假设我们的企业员工角色定义有三种:员工、经理 和 HR管理员

复制代码
public enum EmployeeRole
{
    Employee,
    Manager,
    HRAdmin
}

为了方便实现Skill的角色过滤,我们实现一个方法来判断:

复制代码
public static class UserRoleHelper
{
    public static bool IsSkillVisibleTo(AgentSkill skill, EmployeeRole role)
    {
        var name = skill.Frontmatter.Name;
        // 管理技能仅经理和HR可见
        if (name.StartsWith("manager-") && role == EmployeeRole.Employee) 
            return false;
        // HR管理技能仅HR可见
        if (name.StartsWith("hr-admin-") && role != EmployeeRole.HRAdmin) 
            return false;
        return true;
    }
}

可以看到,我们这里针对管理技能仅能经理和HR可见,而HR相关技能则仅能HR可见。

实现远程SkillSource

这里我们定义一个企业的远程SkillSource,模拟从远程API拉取统一定义的技能。

在实际项目中,通常会使用HttpClient来访问一个注册中心来实现。

复制代码
public sealed class SimulatedRemoteApiSkillsSource : AgentSkillsSource
{
    private readonly string _apiEndpoint;
    public SimulatedRemoteApiSkillsSource(string apiEndpoint)
    {
        _apiEndpoint = apiEndpoint;
    }
    public override async Task<IList<AgentSkill>> GetSkillsAsync(CancellationToken cancellationToken = default)
    {
        Console.WriteLine($"📡 [RemoteApiSource] 从 {_apiEndpoint} 拉取技能列表...");
        await Task.Delay(500, cancellationToken); // 模拟网络延迟
        var entries = GetMockGlobalSkills();
        var skills = new List<AgentSkill>();
        foreach (var entry in entries)
        {
            try
            {
                var skill = new AgentInlineSkill(entry.Name, entry.Description, entry.Instructions);
                skills.Add(skill);
            }
            catch (ArgumentException ex)
            {
                Console.WriteLine($"⚠️ [RemoteApiSource] 跳过非法技能 '{entry.Name}': {ex.Message[..Math.Min(60, ex.Message.Length)]}");
            }
        }
        Console.WriteLine($"✅ [RemoteApiSource] 已成功加载 {skills.Count} 个远程技能");
        return skills;
    }
    private static IList<SkillApiEntry> GetMockGlobalSkills()
    {
        return new List<SkillApiEntry>
        {
            new("expense-report",  "(全局v1)企业费用报销政策",    "全局版报销规则:..."),
            new("hr-onboarding",   "(全局)新员工入职流程",         "入职材料清单:..."),
            new("leave-policy",    "(全局)请假制度和申请流程",      "年假/病假/事假规则:..."),
            new("manager-review",  "(全局)绩效评估指南",           "季度评估流程:..."),
            new("hr-admin-audit",  "(全局)HR 审计和合规",          "合规审查清单:..."),
        };
    }
}

这里SkillApiEntry模型的定义如下:

复制代码
public sealed record SkillApiEntry(
  string Name, 
  string Description, 
  string Instructions, 
  string[]? Tags = null);

实现远程Skills的缓存化

远程Skills具有时效性,需要定期更新来同步,因此弄一个带TTL(Time-To-Live)缓存的装饰器,它可以强制Agent客户端定期刷新远程Skills来保持同步。

复制代码
public sealed class CachingSkillsSource : AgentSkillsSource
{
    private readonly AgentSkillsSource _innerSource;
    private readonly TimeSpan _ttl;
    private IList<AgentSkill>? _cache;
    private DateTime _cacheExpiresAt = DateTime.MinValue;
    private readonly SemaphoreSlim _lock = new(1, 1);
    
    public CachingSkillsSource(AgentSkillsSource innerSource, TimeSpan ttl)
    {
        _innerSource = innerSource;
        _ttl = ttl;
    }
    
    public override async Task<IList<AgentSkill>> GetSkillsAsync(CancellationToken cancellationToken = default)
    {
        if (_cache != null && DateTime.UtcNow < _cacheExpiresAt)
        {
            Console.WriteLine($"⚡ [CachingSource] 命中缓存(过期时间: {_cacheExpiresAt.ToLocalTime():HH:mm:ss})");
            return _cache;
        }
        await _lock.WaitAsync(cancellationToken);
        try
        {
            // 双重检查锁(避免并发刷新)
            if (_cache != null && DateTime.UtcNow < _cacheExpiresAt)
                return _cache;
            Console.WriteLine("🔄 [CachingSource] 缓存未命中,从内层 Source 刷新...");
            _cache = await _innerSource.GetSkillsAsync(cancellationToken);
            _cacheExpiresAt = DateTime.UtcNow.Add(_ttl);
            Console.WriteLine($"✅ [CachingSource] 缓存已更新,{_cache.Count} 个技能,有效至 {_cacheExpiresAt.ToLocalTime():HH:mm:ss}");
            return _cache;
        }
        finally
        {
            _lock.Release();
        }
    }
    
    public void InvalidateCache() { _cache = null; _cacheExpiresAt = DateTime.MinValue; }
    public bool IsCacheValid => _cache != null && DateTime.UtcNow < _cacheExpiresAt;
}

实现本地Skills

这里我们定义一些本地Skills,通过Inline Skill的方式增加一个本地任务技能 和 覆盖一个同名的远程仅能。

复制代码
public class SimulatedLocalApiSkillsFactory
{
    public static async Task<IList<AgentInlineSkill>> GetSkillsAsync(CancellationToken cancellationToken = default)
    {
        Console.WriteLine("🏠 [LocalApiFactory] 正在从本地获取技能列表...");

        var localSkills = new List<AgentInlineSkill>
        {
            // 覆盖全局 expense-report,使用 Contoso 定制规则
            new AgentInlineSkill("expense-report", "(Contoso定制v2)企业费用报销政策",
                """
                # Contoso 定制报销规则(2025版)
                - 差旅费上限提升至 8000 元/次
                - 新增"远程协作设备补贴"类目,≤3000元免审批
                - 年末报销截止日期:12月25日
                """),
            // 新增:Contoso 特有的技能
            new AgentInlineSkill("contoso-benefits", "Contoso 员工福利计划详情", "福利:弹性办公、年度体检、学习补贴..."),
        };
        Console.WriteLine($"✅ [LocalApiFactory] 已成功加载 {localSkills.Count} 个本地技能");
        return localSkills;
    }
}

Agent客户端加载Skills

这里我们在Agent客户端加载本地 和 远程技能,同时对远程技能做1小时的缓存代理。

复制代码
// ── Source 1:本地定制技能(覆盖全局版,注册顺序靠前 → 优先)──
var localCustomSkills = await SimulatedLocalApiSkillsFactory.GetSkillsAsync();
// ── Source 2:模拟全局技能库(Remote API,通用政策)──
var globalSource = new SimulatedRemoteApiSkillsSource("https://global-skills.contoso.com/api");
// ── Source 3:带缓存的远程 Source(生产环境推荐)──
var cachedGlobalSource = new CachingSkillsSource(globalSource, TimeSpan.FromMinutes(60));

构建针对角色的SkillsProvider工厂

这里我们用MAF提供的Builder模式来实现一个面向指定角色的SkillsProvider工厂方法:

复制代码
AgentSkillsProvider BuildProviderForRole(EmployeeRole role)
{
    Console.WriteLine($"\n🔨 开始构建 {role} 角色的 Provider...");
    return new AgentSkillsProviderBuilder()
        // 本地定制优先(先注册 → first-wins)
        .UseSkills(localCustomSkills)
        // 全局技能库(带缓存)
        .UseSource(cachedGlobalSource)
        // 角色感知过滤
        .UseFilter(s => UserRoleHelper.IsSkillVisibleTo(s, role))
        // 自定义 Prompt:企业内部语气
        .UsePromptTemplate("""
            你是 Contoso 集团的企业服务助手。
            ## 你掌握的企业知识库
            {skills}
            ## 工作原则
            遇到政策性问题,**先加载该技能的详细指引**,再作答。请确保所有建议符合 Contoso 最新官方规定。
            {resource_instructions}
            {script_instructions}
            """)
        .Build();
}

测试验证各个角色的技能可见范围

这里通过下面的测试代码来创建三个角色使用的SkllsProvider,通过获取其Skills可见范围来进行验证:

复制代码
// 验证三个角色看到的技能集合
foreach (var role in Enum.GetValues<EmployeeRole>())
{
    var provider = BuildProviderForRole(role);
    var srcField = typeof(AgentSkillsProvider).GetField("_source", BindingFlags.Instance | BindingFlags.NonPublic);
    var src = (AgentSkillsSource?)srcField?.GetValue(provider);
    var skills = src is null ? 
        new List<AgentSkill>() : (await src.GetSkillsAsync()).ToList();
    Console.WriteLine("\n━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━");
    Console.WriteLine($"👤 [{role}] 可见技能({skills.Count} 个):");
    foreach (var s in skills)
    {
        string origin = s.Frontmatter.Description.StartsWith("(Contoso") ? "(本地定制)" :
                        s.Frontmatter.Description.StartsWith("(全局") ? "(全局库)" : "(其他)";
        Console.WriteLine($"    • {s.Frontmatter.Name} {origin}");
    }
}

测试结果如下图所示:

3 小结

本文介绍了MAF如何整合多个Agent Skill Source实现企业级Skill管控 和 角色Skill可见性控制,这在企业级应用中是非常实用的特性和实践。不过,目前MAF的Agent Skills仍然属于实验性支持阶段,生产落地还需谨慎。

不过,目前MAF的Agent Skills仍然属于实验性支持阶段,生产落地还需谨慎。

示例源码

GitHub: https://github.com/EdisonTalk/MAFD

参考资料

圣杰,《.NET + AI 智能体开发进阶》(推荐指数:★★★★★)

Microsoft Learn,《Agent Framework Tutorials


作者:爱迪生

出处:https://edisontalk.cnblogs.com

本文版权归作者和博客园共有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文链接。

相关推荐
程序员三明治3 小时前
【AI探索】程序员到底该怎么理解 LLM?
人工智能·ai·大模型·llm·量化·java后端·api调用
倔强的石头_3 小时前
AI圈又出“爱马仕“了:一个打了工人钱包,一个打了中国团队的脸
agent
刀法如飞3 小时前
2026年,程序员面临的转型之路
程序员·agent·ai编程
深念Y4 小时前
Token 还没白菜价,我靠“AI 流水线”省token
ai·api·agent·开发·token·工程·词元
Old Uncle Tom13 小时前
Claude Code 记忆系统分析2
人工智能·ai·agent
小安同学iter13 小时前
LangChain4j:非 Spring 系,AI For Java的另一条路
ai·langchain·agent·langchain4j·java+ai
维元码簿14 小时前
系列开篇 | Claude Code 源码架构概览:51万行代码的模块地图
ai·agent·claude code·ai coding
呆呆敲代码的小Y14 小时前
从LLM到Agent Skill:AI核心技术全拆解与系统化学习路线
人工智能·ai·llm·agent·优化·skill·mcp
DFCED16 小时前
突发!Sora 之父 Bill Peebles 离职:OpenAI 理想主义的又一次落幕
人工智能·大模型·agent·sora