.NET
Backend-Entwicklung

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

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.

  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
    • 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)
    • MCP-Ökosystem und Registry
    • Vorteile standardbasierter Kontext-Integration

  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, HTTP/SSE
    • 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
    • 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
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
An unhandled error has occurred. Reload 🗙