[筆記] AI agents for beginners 第二課: Which AI agent framework to use 課後心得

TL;DR

代理框架是開發 AI 代理的工具集合，協助管理代理的行為、環境脈絡與協作。在這堂課提供了初學者三種微軟的解決方案，可從 Azure AI 代理服務 起步，它提供簡單的單代理整合環境；進階應用可考慮 Semantic Kernel（企業級、支援多語言與模型服務）或 Autogen（研究導向、易於實驗）。實際操作程式碼是理解這些框架最有效的方法。

第二章筆記：探索 Agent Frameworks

什麼是 Agent Frameworks ？

Agent Frameworks 是協助開發人員建構 AI Agent 的工具，讓他們能夠更有效地管理 Agent 的工作、理解環境脈絡、促進 Agent 之間的協作，以及觀察與評估 Agent 的效能。

我們為什麼需要使用 Agent Frameworks ？

Agent Frameworks 能幫助我們更好地控制 AI Agent，特別是在多代理協作完成任務的情境中。它們能管理上下文資訊、決定 Agent 分工、促進溝通與合作，並提供觀察與效能評估工具。

如何選擇合適的 Agent Frameworks ？

本課程關注的範疇都是微軟底下的解決方案，課程中提到了三種不同的 frameworks 以及其適合應用的情境

• Azure AI Agent Service：適合初學者與單一代理應用，可與 Azure 生態整合。
• Semantic Kernel：企業級框架，支援 C#、Java、Python 等語言，提供模型服務連接器。
• Autogen：研究導向，適合實驗與測試最新代理技術。

建議從簡單的單代理工具（如 Azure）開始，根據需求再轉向支援多代理的進階框架（如 Semantic Kernel 或 Autogen）。

Azure AI Agent Service 的主要特點

目前設計以單一代理為主，透過程式碼或 UI 使用，且能與 Azure 現有服務無縫整合，適合初學者快速上手。

Semantic Kernel 框架重點

專為企業級應用設計，支援多種語言與模型整合，注重開發者體驗，適合生產環境部署。

Autogen 框架特色

由 Microsoft Research 開發，專注於實驗與測試最新代理研究成果，是探索創新概念的好選擇。

三者之間的關聯

Semantic Kernel 與 Autogen 均可與 Azure AI Agent Service 建構的代理整合，並可串接其他服務（如 GitHub models），彼此互補、提供靈活選擇。

如何更深入理解這些代理工具？

最好的方式就是親手操作。課程提供的程式碼範例讓你能實際運行、嘗試調整設定，從中加深對工具功能的理解。

心得感想

這一章讓我對 "Agent Frameworks" 的概念有了更清楚的認識。之前我只知道 AI Agent 是某種「會動的程式」，但從來沒想過它們背後需要這麼多管理工具來協調和規劃。尤其當任務越來越複雜，甚至涉及多個代理之間的協作時，有個好的框架就像有了司令官，幫忙分配誰該做什麼、如何溝通、怎麼評估結果。

我覺得 Azure AI 代理服務對我這樣的初學者非常友善，它幫我把很多複雜的設定簡化了，讓我能專注在代理的設計本身。而 Semantic Kernel 和 Autogen 雖然感覺比較高階，但也讓我對未來可能走向的發展有些想像。

總體來說，我學到的最大收穫是：要讓 AI 代理真的「好用」，不只要會寫 prompt、用模型，還要學會如何「管理」它們。而代理框架，正是實現這一點的關鍵工具。