微软开源 Semantic Kernel 解析：企业级 AI 智能体编排框架入门与实践

Semantic Kernel 完全解析：微软开源的 AI 智能体编排框架

随着大语言模型的普及，如何高效地构建、编排和部署 AI 应用成为开发者面临的核心挑战。微软开源的 Semantic Kernel 正是为此而生的 SDK——它是一个模型无关的编排框架，支持开发者构建从简单聊天机器人到复杂多智能体系统的各类 AI 应用，并具备企业级所需的可靠性、可观测性和灵活性。

Semantic Kernel 的设计哲学是 将 AI 能力无缝集成到现有代码中。它允许你通过插件（Plugins）将原生函数、提示词模板、OpenAPI 规范甚至 Model Context Protocol（MCP）服务包装起来，让 AI 智能体能够调用它们。同时，它提供了规划器（Planner）、记忆（Memory）和多智能体协作等高级功能，让复杂任务的自动化变得简单。

核心特性：企业级 AI 编排的瑞士军刀

插件生态：一切皆可调用

Semantic Kernel 的核心抽象是 插件（Plugin）。你可以将任何功能包装成插件供 AI 智能体调用：

• 原生代码函数：用 @kernel_function 装饰器将 Python/C# 函数暴露给 AI。
• 提示词模板：将复杂的提示词封装成可复用的语义函数。
• OpenAPI 规范：一键导入现有 REST API。
• MCP 协议：支持 Model Context Protocol，连接更多工具。

多模型支持，灵活切换

内置支持 OpenAI、Azure OpenAI、 Hugging Face、NVIDIA 等多种 LLM 提供商，且可以轻松切换。同时支持本地模型部署（Ollama、LMStudio、ONNX），满足数据隐私和离线需求。

智能体框架

• 单智能体：基于指令和插件构建对话助手。
• 多智能体系统：多个专业智能体协同工作，自动路由任务。
• 规划器：自动将复杂任务分解为多步计划，调用合适插件执行。

记忆与向量检索

与主流向量数据库无缝集成（Azure AI Search、Elasticsearch、Chroma 等），为智能体提供长期记忆和知识库增强。

企业级特性

• 可观测性：内置日志、指标和追踪，便于监控和调试。
• 稳定 API：遵循语义化版本，保障生产环境平滑升级。
• 多语言支持：Python、.NET（C#）、Java，满足不同技术栈需求。
• 进程框架：支持建模复杂业务流程，提供结构化工作流编排。

快速开始：5分钟上手 Semantic Kernel

安装

Python：

pip install semantic-kernel
export OPENAI_API_KEY=sk-...  # 或 AZURE_OPENAI_API_KEY

.NET：

dotnet add package Microsoft.SemanticKernel
dotnet add package Microsoft.SemanticKernel.Agents.Core

基础智能体（Python）

import asyncio
from semantic_kernel.agents import ChatCompletionAgent
from semantic_kernel.connectors.ai.open_ai import AzureChatCompletion

async def main():
    agent = ChatCompletionAgent(
        service=AzureChatCompletion(),
        name="SK-Assistant",
        instructions="You are a helpful assistant.",
    )
    response = await agent.get_response(messages="Write a haiku about Semantic Kernel.")
    print(response.content)

asyncio.run(main())

带插件的智能体（Python）

from typing import Annotated
from semantic_kernel.functions import kernel_function

class MenuPlugin:
    @kernel_function(description="Provides a list of specials from the menu.")
    def get_specials(self) -> Annotated[str, "Returns the specials from the menu."]:
        return "Special Soup: Clam Chowder\nSpecial Salad: Cobb Salad"

    @kernel_function(description="Provides the price of the requested menu item.")
    def get_item_price(
        self, menu_item: Annotated[str, "The name of the menu item."]
    ) -> Annotated[str, "Returns the price."]:
        return "$9.99"

agent = ChatCompletionAgent(
    service=AzureChatCompletion(),
    name="SK-Assistant",
    instructions="You are a helpful assistant.",
    plugins=[MenuPlugin()],
)

response = await agent.get_response("What is the price of the soup special?")
print(response.content)
# 输出：The price of the Clam Chowder, which is the soup special, is $9.99.

.NET 版本示例

using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.Agents;

var builder = Kernel.CreateBuilder();
builder.AddAzureOpenAIChatCompletion(deployment, endpoint, apiKey);
var kernel = builder.Build();

kernel.Plugins.Add(KernelPluginFactory.CreateFromType<MenuPlugin>());

var agent = new ChatCompletionAgent
{
    Name = "SK-Assistant",
    Instructions = "You are a helpful assistant.",
    Kernel = kernel,
    Arguments = new KernelArguments(new PromptExecutionSettings { FunctionChoiceBehavior = FunctionChoiceBehavior.Auto() })
};

await foreach (var response in agent.InvokeAsync(“What is the price of the soup special?”))
{
    Console.WriteLine(response.Message);
}

多智能体系统（Python）

billing_agent = ChatCompletionAgent(
    service=AzureChatCompletion(),
    name="BillingAgent",
    instructions="Handle billing issues like charges, payment methods, cycles."
)

refund_agent = ChatCompletionAgent(
    service=AzureChatCompletion(),
    name="RefundAgent",
    instructions="Assist users with refund inquiries, including eligibility, policies."
)

triage_agent = ChatCompletionAgent(
    service=OpenAIChatCompletion(),
    name="TriageAgent",
    instructions="Evaluate user requests and forward them to BillingAgent or RefundAgent.",
    plugins=[billing_agent, refund_agent],
)

# 用户输入会被 TriageAgent 自动分派给合适的专业智能体
response = await triage_agent.get_response(“I was charged twice last month.”)

优势对比：Semantic Kernel 与其他框架

对比维度	Semantic Kernel	LangChain	AutoGen	原生 LLM API
核心语言	Python/.NET/Java	Python	Python	任意
插件系统	原生函数、OpenAPI、MCP	工具链	函数调用	需手动实现
多智能体	✅ 内置框架，专业智能体协作	❌ 需自定义	✅ 对话式多智能体	❌
规划器	✅ 内置	✅ Agent 模式	✅ 需定义	❌
记忆/向量	✅ 集成多种 DB	✅ 丰富	✅ 基础	❌
企业特性	可观测性、稳定 API、多语言	社区驱动	研究导向	厂商提供
学习曲线	中等（概念清晰）	中等（链式思维）	中等	简单但功能有限
开源协议	MIT	MIT	MIT	-

核心优势：

• 企业级设计：从一开始就考虑了可观测性、API 稳定性和生产环境需求。
• 多语言原生：尤其对 .NET 生态 友好，Python 和 Java 同样完善。
• 插件即概念：统一抽象让扩展 AI 能力变得极其简单，无需改变代码结构。
• 多智能体原生支持：不是事后补丁，而是框架核心能力。

总结：构建可靠 AI 应用的首选框架

Semantic Kernel 不仅是一个 LLM 编排工具，更是一个将 AI 深度融入软件系统的架构框架。它强调与现有代码的融合，而非另起炉灶，让开发者可以用熟悉的编程范式构建智能应用。其企业级特性、多语言支持和强大的多智能体能力，使其在生产环境中尤其具有优势。相较于社区驱动、更偏向 Python 生态的 LangChain，它在企业级特性和多语言支持上展现了不同的优势。

无论你是刚开始探索 AI 应用开发，还是需要为大型系统集成 AI 能力，Semantic Kernel 都值得深入研究。现在就通过 pip install semantic-kernel 开始，让 AI 无缝融入你的代码！如果你想了解更多 人工智能 领域的开发实践与前沿动态，欢迎关注 云栈社区 的讨论。

---

项目地址：https://github.com/microsoft/semantic-kernel
官方文档：https://learn.microsoft.com/en-us/semantic-kernel/