KI-Agenten entwickeln mit Microsoft Agent Framework und Model Context Protocol mit .NET

2-tägiger Workshop für .NET-Entwickler

Kursbeschreibung

Ein praxisorientierter, umfassender Workshop für .NET-Entwickler zum Erstellen produktionsreifer KI-Agenten mit Microsoft Agent Framework und dem Model Context Protocol (MCP). Dieses zweitägige Intensivtraining kombiniert Microsofts Enterprise-Grade Agentic AI Framework mit dem offenen Standard für KI-Kontext-Integration. Sie lernen, intelligente Agenten zu erstellen, die mehrere Services orchestrieren, sich in Geschäftssysteme integrieren und nahtlose Benutzererfahrungen bieten – alles unter Nutzung vertrauter .NET-Muster und Microsoft.Extensions.AI-Abstraktionen.

Tag 1 fokussiert sich auf Kernkonzepte: Chat-basierte Agenten erstellen, Tools und Function Calling implementieren, mit mehreren KI-Providern arbeiten und Agenten-Orchestrierungsmuster verstehen. Tag 2 vertieft fortgeschrittene Themen: MCP-Server und -Clients integrieren, benutzerdefinierte Tools erstellen, Workflows mit Human-in-the-Loop implementieren, Sicherheit und Identitätsintegration sowie Agenten für den Produktiveinsatz vorbereiten.

Übergreifende Lernziele

Nach Abschluss dieses Workshops können die Teilnehmer:

• Die Architektur und Kernkonzepte von Microsoft Agent Framework verstehen und erklären, wie es auf Microsoft.Extensions.AI aufbaut.
• Einfache und Multi-Agenten-Systeme mit verschiedenen Orchestrierungsmustern erstellen (sequential, concurrent, handoff, magentic).
• Function Calling und benutzerdefinierte Tools implementieren, um Agenten-Fähigkeiten zu erweitern.
• Multiple KI-Inference-Services (Azure OpenAI, OpenAI, Ollama, Azure AI Foundry) mittels IChatClient-Abstraktion integrieren.
• Das Model Context Protocol (MCP) zur Standardisierung der KI-Kontext-Integration verstehen und implementieren.
• MCP-Server erstellen, um Ressourcen, Tools und Prompts für KI-Agenten bereitzustellen.
• MCP-Clients erstellen, um Kontext von externen MCP-Servern zu konsumieren.
• Workflows mit bedingter Logik, externen Integrationen und Checkpointing implementieren.
• Enterprise-Grade Sicherheit mit Microsoft Entra Agent ID für Agenten-Authentifizierung und -Autorisierung anwenden.
• Agenten mit UI-Frameworks mittels AG-UI-Protokoll und CopilotKit integrieren.
• Agentenverhalten mit OpenTelemetry und Responsible AI Features überwachen und beobachten.
• Agenten in Produktionsumgebungen bereitstellen und skalieren (Container, Azure, Multi-Cloud).

Tag 1: Agent Framework Grundlagen

Module & Agenda

1. Einführung in Agentic AI mit .NET

   • Was sind KI-Agenten vs. traditionelle Anwendungen
   • Überblick und Architektur von Microsoft Agent Framework
   • Evolution: Semantic Kernel + AutoGen = Agent Framework
   • Microsoft.Extensions.AI-Abstraktionen (IChatClient, IEmbeddingGenerator)
   • Kernfähigkeiten: Multi-Agenten-Orchestrierung, Cloud-/Provider-Flexibilität, Enterprise-Features
   • Standardbasierte Interoperabilität: Agent-to-Agent (A2A) Protokoll und MCP

2. Ihren ersten Agenten erstellen

   • Einrichten der Entwicklungsumgebung
   • Erstellen eines ChatClientAgent aus einem IChatClient
   • Agentenkonfiguration verstehen: Anweisungen, Modellparameter, Tools
   • Agenten ausführen: Run() vs. RunStreamingAsync()
   • Mit Chat-Historie und Konversationskontext arbeiten
   • Strukturierte Ausgabe und Antwortformate

3. Function Calling und Tools

   • Function Calling in KI-Agenten verstehen
   • AIFunction-Instanzen mit AIFunctionFactory.Create() erstellen
   • [Description]-Attribute zur Dokumentation von Funktionen und Parametern verwenden
   • Parameter-Handling und -Validierung mit AIFunctionArguments
   • Tool-Ausführungslebenszyklus und Fehlerbehandlung
   • Approval-Modi und Human-in-the-Loop für sensible Operationen
   • Kommandozeilentools (CLI) direkt aus Agenten aufrufen: Shell-Befehle und ausführbare Dateien als AIFunctions kapseln – ohne MCP-Server
   • Agent Skills: dateibasierte und klassenbasierte Skills mit FileAgentSkillsProvider für Script- und Executable-Ausführung
   • Best Practices für Tool-Design und Sicherheit

4. Multi-Provider-Integration

   • Mit Azure OpenAI Service arbeiten
   • OpenAI direkt integrieren
   • Lokale Modelle mit Ollama nutzen
   • Azure AI Foundry Integration
   • Provider-agnostische Designmuster
   • Provider wechseln und vergleichen

5. Agenten-Orchestrierungsmuster

   • Einzelagent vs. Multi-Agenten-Systeme
   • Sequential Orchestration: schrittweise Agentenketten
   • Concurrent Orchestration: parallele Agentenausführung
   • Handoff Orchestration: spezialisierte Agentenzusammenarbeit
   • Magentic Orchestration: leitender Agent dirigiert andere Agenten
   • Group Chat Patterns für kollaborative Agenten

6. Einführung in Model Context Protocol (MCP)

   • Was ist MCP und warum es wichtig ist
   • MCP-Architektur: Server, Clients und Transporte
   • Kern-MCP-Konzepte: Ressourcen, Tools, Prompts und Sampling
   • MCP C# SDK Überblick (ModelContextProtocol.* Packages, jetzt stabil ab v1.2.0)
   • MCP-Ökosystem und Registry
   • Vorteile standardbasierter Kontext-Integration

Praktische Übungen (Tag 1)

• Erstellen Sie Ihren ersten Agenten mit Azure OpenAI und testen Sie grundlegende Chat-Interaktionen
• Implementieren Sie benutzerdefinierte Tools mit AIFunctionFactory.Create() für Dateioperationen und externe API-Aufrufe
• Rufen Sie CLI-Tools direkt aus einem Agenten auf: kapseln Sie einen Shell-Befehl oder eine ausführbare Datei als AIFunction und testen Sie diese ohne MCP-Server
• Erstellen Sie einen dateibasierten Skill mit FileAgentSkillsProvider, um Scripts und ausführbare Dateien als Agenten-Tools bereitzustellen
• Erstellen Sie einen Function-Calling-Agenten mit Approval-Workflow für sensible Aktionen mittels ApprovalRequiredAIFunction
• Erstellen Sie ein Multi-Agenten-System mit Handoff-Orchestrierung (z.B. Triage → Spezialisten-Agenten)
• Implementieren Sie ein Magentic Orchestration Pattern mit einem Koordinator und spezialisierten Agenten
• Richten Sie Ollama lokal ein und führen Sie denselben Agenten mit verschiedenen Providern aus
• Erkunden Sie vorhandene MCP-Server aus der Registry und verstehen Sie deren Fähigkeiten

Ergebnisse (Tag 1)

Teilnehmer können Einzel- und Multi-Agenten-Systeme mit Agent Framework erstellen, benutzerdefinierte Tools mit AIFunctionFactory implementieren, CLI-Tools und Scripts direkt als Agenten-Tools über Skills und AIFunctionFactory aufrufen, mit mehreren KI-Providern arbeiten und verstehen, wie MCP die Kontext-Integration standardisiert.

Tag 2: Fortgeschrittene Themen und produktionsreife Agenten

Module & Agenda

7. Deep Dive: Model Context Protocol Implementierung

   • MCP-Server mit dem C# SDK erstellen
   • Ressourcen implementieren: Datenquellen für Agenten bereitstellen
   • Tools implementieren: serverseitige Funktionen für Agenten
   • Prompts implementieren: wiederverwendbare Prompt-Templates
   • Server-Transporte: stdio, Streamable HTTP; Legacy-SSE-Transport jetzt opt-in über EnableLegacySse
   • MCP-Clients erstellen, um externen Kontext zu konsumieren
   • McpClient verwenden, um Tools von Servern zu entdecken und aufzurufen
   • MCP-Tools (McpClientTool) in Agent Framework Agenten integrieren

8. Benutzerdefinierte MCP-Tools und -Ressourcen erstellen

   • Designmuster für MCP-Server-Architektur
   • Enterprise-Datenquellen als MCP-Ressourcen bereitstellen
   • Domänenspezifische Tools mit passenden Beschreibungen und Schemas erstellen
   • Authentifizierung und Autorisierung in MCP-Servern handhaben
   • Sampling: MCP-Servern erlauben, LLMs über den Client abzufragen
   • MCP vs. direkte CLI-Ausführung: Abwägungen zwischen MCP-Servern und AIFunction-/Skill-basierten Tool-Wrappern
   • Best Practices für MCP-Server-Entwicklung und -Tests

9. Workflows und erweiterte Orchestrierung

   • Agent Framework Workflows verstehen
   • Workflows vs. Agenten: wann man was einsetzt
   • Executors und Edges: den Workflow-Graph erstellen
   • Bedingtes Routing und dynamische Ausführungspfade
   • Externe Integrationsmuster: Request/Response, Webhooks
   • Checkpointing: langläufige Workflows speichern und fortsetzen
   • Human-in-the-Loop-Patterns in Workflows

10. Agentenidentität, Sicherheit und Governance

    • Microsoft Entra Agent ID Überblick (Agent Identity Platform)
    • Agent Identity Blueprints und Agentenidentitäten
    • Authentifizierung und Autorisierung für KI-Agenten
    • OAuth 2.0 und OIDC für Agenten
    • Agenten-Registry und -Discovery
    • Responsible AI Features: Prompt-Injection-Schutz, Task Adherence
    • Sicherheits-Best-Practices für Produktionsagenten

11. Benutzeroberflächen und Integration

    • AG-UI-Protokoll Überblick
    • Agenten mit CopilotKit integrieren
    • ASP.NET Core Integration: MapAGUI Endpoint
    • Server-Sent Events (SSE) für Streaming-Responses
    • Frontend Tool Calling und Shared State
    • Approvals und Bestätigungen in der UI handhaben
    • Chat-Interfaces mit AG-UI Dojo Samples erstellen

12. Observability, Monitoring und Deployment

    • OpenTelemetry-Integration für Agenten-Observability
    • Agentenausführung und Tool-Aufrufe tracen
    • Best Practices für Metriken und Logging
    • Agenten debuggen und troubleshooten
    • Agenten containerisieren für Deployment
    • Deployment-Patterns: Azure Container Apps, Kubernetes, On-Premises
    • Skalierungsstrategien und Performance-Optimierung
    • CI/CD-Pipelines für Agenten-Anwendungen

Praktische Übungen (Tag 2)

• Erstellen Sie einen benutzerdefinierten MCP-Server, der Firmendaten als Ressourcen und Tools bereitstellt
• Erstellen Sie einen MCP-Client, der mehrere externe MCP-Server konsumiert
• Integrieren Sie MCP-Tools von einem benutzerdefinierten Server in einen Agent Framework Agenten
• Implementieren Sie einen Workflow mit bedingtem Routing, externen API-Aufrufen und Checkpointing
• Richten Sie Microsoft Entra Agent ID für Agenten-Authentifizierung ein
• Erstellen Sie eine Web-UI für Ihren Agenten mit CopilotKit und dem AG-UI-Protokoll
• Fügen Sie OpenTelemetry-Instrumentierung hinzu, um Agentenverhalten zu beobachten
• Containerisieren und deployen Sie eine Agenten-Anwendung zu Azure Container Apps

Ergebnisse (Tag 2)

Teilnehmer können produktionsreife Agenten mit benutzerdefinierten MCP-Integrationen, Workflows, Sicherheit, UI, Observability und Deployment-Strategien implementieren.

Zielgruppe

.NET-Entwickler, Solution Architects und KI-Engineers, die intelligente Agentensysteme für Enterprise-Anwendungen erstellen. Geeignet für Personen mit Kenntnissen in C#, ASP.NET Core und Cloud-Entwicklung.

Voraussetzungen

• Fundierte C#- und .NET-Erfahrung
• Vertrautheit mit ASP.NET Core, Dependency Injection und asynchroner Programmierung
• Grundverständnis von KI/LLMs und REST APIs
• Zugang zu Azure-Subscription (für Azure OpenAI) oder OpenAI API Key
• Docker-Grundkenntnisse hilfreich für Deployment-Übungen

Praktische Lab-Umgebung

Teilnehmer arbeiten mit:

• Visual Studio 2026 oder Visual Studio Code mit C# Dev Kit
• .NET 10 SDK
• Aspire 13 für Service-Orchestrierung
• Azure OpenAI Service oder OpenAI API Zugang
• Docker Desktop (für MCP-Server und Deployment)
• Beispiel-MCP-Server aus der offiziellen Registry

Bereitgestellte Materialien

• Vollständiger Beispielcode für alle Übungen
• Referenzimplementierungen von MCP-Servern und -Clients
• Agenten-Orchestrierungsmuster-Templates
• Deployment-Konfigurationsbeispiele
• Links zu offizieller Dokumentation und Ressourcen

Zusammenfassung

Nach zwei Tagen besitzen die Teilnehmer die Fähigkeiten, produktionsreife KI-Agenten mit Microsoft Agent Framework und dem Model Context Protocol zu entwerfen, zu erstellen, abzusichern und bereitzustellen. Sie verstehen, wie man Enterprise-Datenquellen integriert, mehrere Agenten orchestriert, Workflows implementiert und nahtlose Benutzererfahrungen bereitstellt – alles im .NET-Ökosystem und unter Verwendung offener Standards.

Weiterführende Lernpfade

Nach diesem Workshop können die Teilnehmer folgende Themen vertiefen:

• Erweiterte Multi-Agenten-Patterns
• Domänenspezifische Agentensysteme erstellen (Kundenservice, Analytics, etc.)
• Agent-to-Agent (A2A) Protokoll Deep Dive
• Responsible AI und Compliance für Agentensysteme
• Large-Scale Agent Deployment und Monitoring
• Integration mit Microsoft 365 und Microsoft Agent 365 SDK
• Benutzerdefinierte Inference Services erstellen und Fine-Tuning