首页 > 基础资料 博客日记
MAF快速入门(23)通过C#类定义Skills
2026-04-17 09:00:02基础资料围观1次
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 推出了强类型Skill,是的你没有看错,我们可以通过C#类来定义可维护的Skill了。
1 强类型Skill
在写File类型的Skill的时候,我就在想MAF会不会支持强类型Skill,没想到这么快就来了。通过类定义Skill的优势在于强类型、可测试、易分发等。
类定义Skill的价值在于可以将 资源、脚本、业务规则 内聚到一个C#类中,这样就便于代码治理、单元测试 与 团队协作。
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。这也就意味着,我们需要显示加入 #pragma warning disable MAAI001 这个告警。
2 快速开始:跨境物流运营助手
这里我们来做一个跨境物流运营AI助手,体验一下强类型Skills。
在物流问答场景中,运营人员经常需要:
- 读取换算规则(资源)
- 执行换算动作(脚本)
- 组织可解释的业务回复
在这个案例中,我们可以将上面提到的三类统一内聚到一个类中来管理。
本文案例使用的模型为:Qwen3.5-35B-A3B
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:
<PackageReference Include="Microsoft.Agents.AI.OpenAI" Version="1.1.0" />
类定义Skill
首先,我们创建一个class文件命名为UnitConverterSkill,内容如下:
internal sealed class UnitConverterSkill : AgentClassSkill<UnitConverterSkill> { public override AgentSkillFrontmatter Frontmatter { get; } = new( "unit-converter", "Convert between common units using multiplication factors."); protected override string Instructions => """ 当用户询问距离或重量换算时: 1. 先读取 conversion-table 资源,找到对应换算系数。 2. 再调用 convert 脚本执行计算,参数为用户输入的数值value和换算系数factor。 3. 回复内容需要清晰地展示换算系数、换算过程和换算结果,并同时标明换算前后的两个单位。 """; protected override JsonSerializerOptions? SerializerOptions => null; [AgentSkillResource("conversion-table")] [Description("常见距离与重量换算系数表。")] public string ConversionTable => """ # Conversion Table Formula: result = value × factor | From | To | Factor | |------------|------------|----------| | miles | kilometers | 1.60934 | | kilometers | miles | 0.621371 | | pounds | kilograms | 0.453592 | | kilograms | pounds | 2.20462 | """; [AgentSkillScript("convert")] [Description("按 value × factor 执行换算,并返回 JSON。")] public static string ConvertUnits(double value, double factor) { double result = Math.Round(value * factor, 4); return JsonSerializer.Serialize(new { value, factor, result }); } }
可以看到上面的内容其实就是把我们之前在文件skill中的内容都体现出来,只不过是通过继承AgentClassSkill<T> + Attribute的声明式组合来实现的。
创建中间件
为了方便看到Skill调用过程,我们实现一个带日志记录的工具调用中间件,其作用主要是记录Tool的执行日志,也可以方便我们验证Skill是否触发。
internal class ToolExecutionLoggingMiddleware { /// <summary> /// 简化版函数调用中间件 - 记录 Tool 执行日志 /// </summary> public static async ValueTask<object?> ExecuteAsync( AIAgent agent, FunctionInvocationContext context, Func<FunctionInvocationContext, CancellationToken, ValueTask<object?>> next, CancellationToken cancellationToken) { Console.WriteLine($"\n→ 🍴Tool: {context.Function.Name}"); var result = await next(context, cancellationToken); Console.WriteLine($"← 🥣Result: {result}"); return result; } }
创建Agent
这里我们读取yaml文件内容,并基于yaml来创建Agent:
var skillsProvider = new AgentSkillsProvider(new UnitConverterSkill()); AIAgent agent = chatClient.AsAIAgent(new ChatClientAgentOptions { Name = "UnitConverterAgent", ChatOptions = new() { Instructions = "你是一个专业的AI助手,负责帮助用户实现单位的转换,使用用户提问的语言进行回复。", }, AIContextProviders = [skillsProvider], }); // 💡 使用 Agent Builder 注册函数调用中间件 agent = agent .AsBuilder() .Use(ToolExecutionLoggingMiddleware.ExecuteAsync) // 使用工具执行日志中间件,记录工具调用的日志 .Build(); Console.WriteLine("✅ 基于强类型Skills 的 AI Agent 创建成功"); Console.WriteLine();
测试回答问题
这里还是之前的两个问题,一个中文一个英文来测试一下:
var session = await agent.CreateSessionAsync(); Console.WriteLine("━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━"); Console.WriteLine($"开始测试:基于 Class-Based Skills"); // 中文问题:英里 -> 公里 var question1 = "马拉松比赛的距离26.2 英里是多少公里?"; Console.WriteLine($"👤 用户: {question1}"); Console.WriteLine(); var response1 = await agent.RunAsync(question1, session); Console.WriteLine("━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━"); Console.WriteLine($"🤖 Agent: {response1.Text}"); Console.WriteLine("━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━"); Console.WriteLine(); // 英文问题:磅 -> 千克 var question2 = "How many pounds is 75 kilograms?"; Console.WriteLine($"👤 用户: {question2}"); Console.WriteLine(); var response2 = await agent.RunAsync(question2, session); Console.WriteLine("━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━"); Console.WriteLine($"🤖 Agent: {response2.Text}"); Console.WriteLine("━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━"); Console.WriteLine();
测试结果如下图所示:
问题1:可以看到unit-convert skill的相关资源都被调用触发,最终完成回复。

问题2:由于问题一已经加载了skill.md和reference文档,它们已经在上下文中了,所以这次直接执行了脚本就完成了回复。

3 小结
本文介绍了MAF新推出的强类型Skill这个特性,通过类定义Skill可以将 资源、脚本、业务规则内聚到一个C#类中,这样就便于代码治理、单元测试 与 团队协作。
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》

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:jacktools123@163.com进行投诉反馈,一经查实,立即删除!
标签:
相关文章
最新发布
- 最小二乘问题详解20:无先验约束下的增量式SFM自由网平差
- 痞子衡嵌入式:大话双核i.MXRT1180之XIP应用里实现可靠Flash IAP的方法
- Atcoder - abc453_d Go Straight
- Windows下右键编辑js文件无法打开记事本——在注册表中使用环境变量
- AI Chat 封装, SemanticKerne.AiProvider.Unified 已发布
- 在后台服务中使用 Scoped 服务,为什么总是报错?
- H200 安装驱动并使用sglang启动模型
- 玩转控件:封装个带图片的Label控件
- Oracle数据库SCN推进技术详解与实践指南
- [A Primer On MC and CC] 2.1 Memory Consistency 1 - 指令重排序和 SC 模型

