Remarque
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de modifier des répertoires.
Microsoft Agent Framework a des intégrations avec de nombreux services, outils et protocoles différents.
agents hébergés Microsoft Foundry
Intégrations d’UI Framework
| Infrastructure d’interface utilisateur | État de la mise en production |
|---|---|
| Interface utilisateur AG | Preview |
| Interface utilisateur du dev Agent Framework | Preview |
| Portée | Preview |
Fournisseurs d’historique des conversations
Microsoft Agent Framework prend en charge de nombreux types d’agents différents avec différentes fonctionnalités de stockage de l’historique des conversations. Dans certains cas, les agents stockent l’historique des conversations dans le service IA, tandis que dans d’autres, Agent Framework gère le stockage.
Pour permettre au stockage de l’historique des conversations d’être personnalisé lorsqu’il est géré par Agent Framework, des fournisseurs d’historique des conversations personnalisés peuvent être fournis. Voici la liste des fournisseurs existants qui peuvent être utilisés.
| Fournisseur d’historique des conversations | État de la mise en production |
|---|---|
| In-Memory Fournisseur d’historique des conversations | Lancé |
| fournisseur d’historique de conversation Cosmos DB | Preview |
| Fournisseur d’historique des conversations | État de la mise en production |
|---|---|
| Fournisseur d’historique Redis | Preview |
Fournisseurs de contextes d’IA de mémoire
Les fournisseurs de contexte IA sont des plug-ins pour ChatClientAgent les instances et peuvent être utilisés pour ajouter de la mémoire à un agent. Pour ce faire, extrayez des souvenirs à partir de nouveaux messages fournis par l’utilisateur ou générés par l’agent, et en recherchant des souvenirs existants et en les fournissant au service IA avec l’entrée utilisateur.
Voici la liste des fournisseurs existants qui peuvent être utilisés.
| Fournisseur de contexte pour l'IA de mémoire | État de la mise en production |
|---|---|
| Fournisseur de mémoire de l’historique des conversations | Lancé |
| Fournisseur de contexte pour l'IA de mémoire | État de la mise en production |
|---|---|
| Fournisseur de mémoire Mem0 | Preview |
| Fournisseur de mémoire Neo4j | Preview |
| Fournisseur de contexte Purview | Preview |
| Fournisseur Redis | Preview |
Fournisseurs de contexte d'IA pour la génération augmentée par récupération (RAG)
Les fournisseurs de contexte IA sont des plug-ins pour les instances de ChatClientAgent et peuvent être utilisés pour ajouter des fonctionnalités RAG à un agent. Pour ce faire, recherchez des données pertinentes en fonction de l’entrée utilisateur et transmettez ces données au service IA avec les autres entrées.
Voici la liste des fournisseurs existants qui peuvent être utilisés.
| Fournisseur de contexte RAG AI | État de la mise en production |
|---|---|
| Fournisseur Neo4j GraphRAG | Preview |
| Text Search Provider | Lancé |
| Fournisseur de contexte RAG AI | État de la mise en production |
|---|---|
| fournisseur Recherche Azure AI | Preview |
| Fournisseur Neo4j GraphRAG | Preview |
Magasins de vecteurs
Microsoft Agent Framework prend en charge l’intégration à de nombreux magasins vectoriels différents. Elles peuvent être utiles pour effectuer une récupération augmentée (RAG) ou un stockage de mémoires.
Pour intégrer des magasins vectoriels, nous nous appuyons sur le 📦Microsoft. Package Extensions.VectorData.Abstractions qui fournit une couche unifiée d’abstractions pour interagir avec les magasins de vecteurs dans .NET. Ces abstractions vous permettent d’écrire du code simple et de haut niveau sur une SEULE API et de permuter le magasin vectoriel sous-jacent avec des modifications minimales apportées à votre application. Là où les composants Agent Framework s’appuient sur un magasin de vecteurs, ils utilisent ces abstractions pour vous permettre de choisir votre implémentation préférée.
Conseil / Astuce
Consultez la documentation Vector pour les applications IA .NET pour plus d’informations sur la façon d’ingérer des données dans un magasin vectoriel, générer des incorporations et effectuer des recherches vectorielles ou hybrides.
Implémentations d'abstraction de stockage de vecteurs
| Mise en œuvre | C# | Utilise le Kit de développement logiciel (SDK) officiellement pris en charge | Gestionnaire / Vendeur |
|---|---|---|---|
| Recherche Azure AI | ✅ | ✅ | Microsoft |
| Cosmos DB MongoDB (vCore) | ✅ | ✅ | Microsoft |
| Cosmos DB No SQL | ✅ | ✅ | Microsoft |
| Couchbase | ✅ | ✅ | Couchbase |
| Elasticsearch | ✅ | ✅ | Élastique |
| En mémoire vive | ✅ | N/A | Microsoft |
| MongoDB | ✅ | ✅ | Microsoft |
| Neon Serverless Postgres | Utiliser le connecteur Postgres | ✅ | Microsoft |
| Oracle | ✅ | ✅ | Oracle |
| Pinecone | ✅ | ❌ | Microsoft |
| Postgres | ✅ | ✅ | Microsoft |
| Qdrant | ✅ | ✅ | Microsoft |
| Redis | ✅ | ✅ | Microsoft |
| SQL Server | ✅ | ✅ | Microsoft |
| SQLite | ✅ | ✅ | Microsoft |
| Volatile (en mémoire) | Obsolète (à utiliser en mémoire) | N/A | Microsoft |
| Weaviate | ✅ | ✅ | Microsoft |
Important
Les abstractions d'implémentations de stockage de vecteurs sont développées par diverses sources. Tous les connecteurs ne sont pas gérés par Microsoft. Lorsque vous envisagez une implémentation, veillez à évaluer la qualité, la licence, le support, etc. pour vous assurer qu’elles répondent à vos besoins. Veillez également à consulter la documentation de chaque fournisseur pour obtenir des informations détaillées sur la compatibilité des versions.
Important
Certaines implémentations utilisent en interne des kits SDK de base de données qui ne sont pas officiellement pris en charge par Microsoft ou par le fournisseur de base de données. La colonne Utilisations SDK officiellement pris en charge indique quelles lignes utilisent des SDK pris en charge officiellement et lesquelles ne le sont pas.
Agent Framework prend en charge l'utilisation des collections VectorStore de Noyau sémantique pour fournir des fonctionnalités de stockage vectoriel aux agents. Consultez la documentation des connecteurs de stockage de vecteurs pour savoir comment configurer différentes collections de stockages vectoriels. Consultez Création d’un outil de recherche à partir d’un VectorStore pour plus d’informations sur l’utilisation de celles-ci pour RAG.