Microsoft Agent Framework（MAF）提供多 Agent 编排能力，可以把 Copilot 包装成 MAF Agent，与其他 Agent（Azure OpenAI、Anthropic 等）混合使用。支持顺序流水线和并行执行，适合需要多个专精 Agent 协作完成复杂任务的场景。

GitHub Copilot SDK 集成 Microsoft Agent Framework：多 Agent 协作工作流

什么是 Microsoft Agent Framework

Microsoft Agent Framework（MAF）是微软提供的多 Agent 编排框架，支持 .NET 和 Python。它定义了统一的 Agent 接口（A2A 协议），让不同 AI 服务提供的 Agent 可以互相协作——你可以把 Copilot、Azure OpenAI、Anthropic 的 Agent 放在同一个工作流中。

安装

.NET：

dotnet add package GitHub.Copilot.SDK
dotnet add package Microsoft.Agents.AI.GitHub.Copilot --prerelease

TypeScript：

npm install @github/copilot-sdk

基本用法

.NET 中将 Copilot 包装为 MAF Agent

using GitHub.Copilot.SDK;
using Microsoft.Agents.AI;

var copilotClient = new CopilotClient(new CopilotClientOptions
{
    GithubToken = Environment.GetEnvironmentVariable("GITHUB_TOKEN")
});

AIAgent agent = copilotClient.AsAIAgent();
string response = await agent.RunAsync("解释 ASP.NET Core 中的依赖注入是如何工作的");

TypeScript 中定义工具

import { DefineTool } from '@github/copilot-sdk'

const getWeather = DefineTool({
  name: 'GetWeather',
  description: '获取指定城市的当前天气',
  parameters: {
    location: { type: 'string', description: '城市名称' }
  },
  execute: async ({ location }) => `${location}当前天气：晴，气温 25°C`
})

多 Agent 工作流

顺序流水线

适合需要前一个 Agent 的输出作为后一个 Agent 输入的场景：

// 顺序：先审查代码，再生成文档
var reviewer = copilotClient.AsAIAgent(new AIAgentOptions {
    Instructions = "你是一个严格的代码审查专家，专注于安全性和性能问题"
});

var documentor = copilotClient.AsAIAgent(new AIAgentOptions {
    Instructions = "你是一个技术文档专家，根据代码审查结果生成规范的文档"
});

var pipeline = new SequentialOrchestrator(new[] { reviewer, documentor });
string result = await pipeline.RunAsync("审查并为这个 HTTP 客户端重试逻辑编写文档");

并行执行

适合多个维度独立分析，最后汇总结果：

// 并行：安全审查和性能审查同时进行
var securityReviewer = copilotClient.AsAIAgent(new AIAgentOptions {
    Instructions = "专注于安全漏洞分析：SQL 注入、XSS、认证绕过等"
});

var performanceReviewer = copilotClient.AsAIAgent(new AIAgentOptions {
    Instructions = "专注于性能问题：N+1 查询、内存泄漏、不必要的同步等"
});

var concurrent = new ConcurrentOrchestrator(new[] { securityReviewer, performanceReviewer });
string combinedResult = await concurrent.RunAsync("分析这个数据库查询模块");

流式响应

// .NET 流式输出
await foreach (var chunk in agent.RunStreamingAsync("用 C# 写一个快速排序实现"))
{
    Console.Write(chunk);
}

// TypeScript 流式输出
session.on('assistant.message_delta', (event) => {
  process.stdout.write(event.data.delta ?? '')
})

Agent 配置选项

选项	类型	说明
Instructions	string	Agent 的系统 Prompt
Tools	工具列表	Agent 可调用的自定义工具
Streaming	bool	是否启用流式输出
Model	string	覆盖默认模型

最佳实践

单一职责：每个 Agent 只做一件事，职责明确。一个"既审查代码又写文档又发邮件"的 Agent 远不如三个专精 Agent 好用。

角色描述要具体：Instructions 中明确说明 Agent 的专业领域和判断标准，模糊的角色描述会导致输出质量不稳定。

错误处理：多 Agent 工作流中，任何一个 Agent 出错都可能影响整个流程。用 try-catch 包裹 Agent 调用，记录哪个 Agent 出了什么问题。

安全提示：如果把 onPermissionRequest 设置为自动批准所有请求，会存在提示注入（prompt injection）风险，生产环境不建议这么做。

常见问题

Q: Copilot SDK 和 Azure OpenAI SDK 的 Agent 可以在同一个 MAF 工作流中吗？

A: 可以。MAF 的设计目标就是让不同 AI 服务的 Agent 互操作。只要各自正确实现了 A2A 协议接口，就能混合使用。

Q: 顺序流水线中，前一个 Agent 的输出会自动传给下一个吗？

A: 会。SequentialOrchestrator 会把每个 Agent 的输出作为下一个的输入，你不需要手动传递。

Q: MAF 和直接用 Copilot SDK 相比，什么时候应该用 MAF？

A: 单个 Agent 或简单任务，直接用 Copilot SDK 更轻量。当你需要协调多个 AI 服务、或需要把任务分解给不同专精 Agent 并行/串行处理时，MAF 的价值才能体现出来。