Microsoft Agent Framework 创建智能体

摘要

MAF (Microsoft Agent Framework) 是微软用于构建 AI 智能体 (Agent) 的开发框架；Microsoft Foundry 是基于 Azure 的企业级 AI 开发与运营平台。两者紧密配合：MAF 负责开发智能体逻辑，Foundry 负责部署、托管与运维。

学习LangChain的相关文档好久了，今天决定看下微软这边相应的解决方案。查了下Foundry是支持本地部署的，此篇主要演示本地的版本，所以如果你没有Azure的话那么也可以在你电脑上运行本篇的代码。

在 macOS 下安装 Foundry Local

安装步骤

这里罗列foundry的安装以及常用的一些命令。

使用 Homebrew 安装：

bash 复制代码

brew tap microsoft/foundrylocal
brew install foundrylocal

验证安装：

bash 复制代码

foundry --version

查看可用大模型：

bash 复制代码

foundry model list

查看本地缓存了哪些大模型：

bash 复制代码

foundry cache list

下载并运行大模型：

bash 复制代码

foundry model run qwen3-0.6b

这里为了演示方便随你我先了一个最小的大模型。

从这里看foundry local跟ollama好像。只是foundry local的迭代貌似还没那么快。去年这个时候（25年4月），还多人还在诟病ollama没有UI，然后半年不到ollama就上架了自家的UI。不晓得微软后续是否会更新。

安装 Microsoft Agent Framework (MAF)

安装步骤

使用 pip 安装核心包：

bash 复制代码

pip3 install agent-framework

安装 Foundry Local 集成：

bash 复制代码

pip3 install agent-framework-foundry-local

安装OpenAI集成（可选，对此篇无影响）：

bash 复制代码

# OpenAI 集成
pip3 install agent-framework-openai

个人感觉，与之相对应的就是LangChain，所以从安装，到后续智能体的创建都看不到太大的区别。

创建第一个 Agent

直接上代码

python 复制代码

from agent_framework import Agent
from agent_framework_foundry_local import FoundryLocalClient

# 1. 创建客户端（连接模型服务）
client = FoundryLocalClient(
    model="qwen3-0.6b"  # 指定模型名称
)

# 2. 创建一个 Agent
agent = Agent(
    name="my-first-agent",
    client=client,
    instructions="你是一个乐于助人的助手，回答简洁准确。"
)

# 3. 发送消息并运行
async def main():
    response = await agent.run("来一首唐诗。")
    # 使用正确的 text 属性获取响应内容
    print("Agent 回复：", response.text)

# 运行
import asyncio
asyncio.run(main())

相比LangChain，封装的方法基本都一致，只是有些属性的叫法不太一样。

总结

可以看到Microsoft Agent Framework (MAF) 是一个强大的框架，用于创建基于大语言模型的智能代理。通过本笔记，方便后续的知识回顾。

可以通过MAF看到，微软在AI领域的持续跟进，让我们在AI智能体领域有了更多的选择，当然如果已经有了LangChain的相关基础，那么这个上手起来会更快。

后续会进一步对比Tools以及Skills等方法的实现。