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

Dauer: 3 Tage

3-tägiger Workshop für .NET-Entwickler

Zielgruppe

.NET-Entwickler, Solution Architects und KI-Engineers, die intelligente Agentensysteme für Enterprise-Anwendungen erstellen. Geeignet für Personen mit Kenntnissen in C#, ASP.NET Core und Cloud-Entwicklung.

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

Lernziele

• Understand the core concepts and architecture behind the course topic
• Apply recommended implementation patterns in practical scenarios
• Build and validate solutions using modern tooling and workflows
• Troubleshoot common issues and improve reliability
• Plan next steps for production-ready adoption

Kursinhalt

• Foundations and architecture
• Implementation patterns and best practices
• Integration, testing, and deployment

Kursbeschreibung

Ein praxisorientierter, umfassender Workshop für .NET-Entwickler zum Erstellen produktionsreifer KI-Agenten mit Microsoft Agent Framework und dem Model Context Protocol (MCP). Dieses dreitägige Intensivtraining kombiniert Microsofts Enterprise-Grade Agentic AI Framework mit offenen Standards für KI-Kontext-Integration und einem Governance-First-Ansatz mit dem Agent Governance Toolkit. 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.

Tag 1 fokussiert sich auf Kernkonzepte: Chat-basierte Agenten erstellen, Tools und Function Calling implementieren, mit mehreren KI-Providern arbeiten und Agenten-Orchestrierungsmuster verstehen. Tag 2 vertieft fortgeschrittene Implementierungsthemen: MCP-Server und -Clients integrieren, benutzerdefinierte Tools erstellen, Workflows mit Human-in-the-Loop implementieren und Agenten für den Produktiveinsatz vorbereiten. Tag 3 ist Governance gewidmet: Policy Controls, Risikomanagement, Auditierbarkeit und operative Guardrails mit dem Agent Governance Toolkit implementieren.

Übergreifende Lernziele

Nach Abschluss dieses Workshops können die Teilnehmer:

• Die Architektur und Kernkonzepte von Microsoft Agent Framework verstehen und erklären, wie es auf Microsoft.Extensions.AI aufbaut.
• Einfache und Multi-Agenten-Systeme mit verschiedenen Orchestrierungsmustern erstellen (sequential, concurrent, handoff, magentic).
• Function Calling und benutzerdefinierte Tools implementieren, um Agenten-Fähigkeiten zu erweitern.
• Multiple KI-Inference-Services (Azure OpenAI, OpenAI, Ollama, Azure AI Foundry) mittels IChatClient-Abstraktion integrieren.
• Das Model Context Protocol (MCP) zur Standardisierung der KI-Kontext-Integration verstehen und implementieren.
• MCP-Server erstellen, um Ressourcen, Tools und Prompts für KI-Agenten bereitzustellen.
• MCP-Clients erstellen, um Kontext von externen MCP-Servern zu konsumieren.
• Workflows mit bedingter Logik, externen Integrationen und Checkpointing implementieren.
• Aspire AppHost nutzen, um Multi-Agenten-Services, MCP-Server und Docker-basierte Abhängigkeiten für lokale Entwicklung und produktionsnahe Setups zu orchestrieren.
• Enterprise-Grade Sicherheit mit Microsoft Entra Agent ID für Agenten-Authentifizierung und -Autorisierung anwenden.
• Governance-Kontrollen mit dem Agent Governance Toolkit implementieren, einschließlich Policy Enforcement, Audit Trails und Compliance-Nachweisen.
• Agenten mit UI-Frameworks mittels AG-UI-Protokoll und CopilotKit integrieren.
• Agentenverhalten mit OpenTelemetry und Responsible AI Features überwachen und beobachten.
• Agenten in Produktionsumgebungen bereitstellen und skalieren (Container, Azure, Multi-Cloud).

---

Tag 1: Agent Framework Grundlagen

Module & Agenda

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
   • Kommandozeilentools (CLI) direkt aus Agenten aufrufen: Shell-Befehle und ausführbare Dateien als AIFunctions kapseln – ohne MCP-Server
   • Agent Skills: dateibasierte und klassenbasierte Skills mit FileAgentSkillsProvider für Script- und Executable-Ausführung
   • 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, jetzt stabil ab v1.2.0)
   • MCP-Ökosystem und Registry
   • Vorteile standardbasierter Kontext-Integration

Praktische Übungen (Tag 1)

• Erstellen Sie Ihren ersten Agenten mit Azure OpenAI und testen Sie grundlegende Chat-Interaktionen
• Implementieren Sie benutzerdefinierte Tools mit AIFunctionFactory.Create() für Dateioperationen und externe API-Aufrufe
• Rufen Sie CLI-Tools direkt aus einem Agenten auf: kapseln Sie einen Shell-Befehl oder eine ausführbare Datei als AIFunction und testen Sie diese ohne MCP-Server
• Erstellen Sie einen dateibasierten Skill mit FileAgentSkillsProvider, um Scripts und ausführbare Dateien als Agenten-Tools bereitzustellen
• Erstellen Sie einen Function-Calling-Agenten mit Approval-Workflow für sensible Aktionen mittels ApprovalRequiredAIFunction
• Erstellen Sie ein Multi-Agenten-System mit Handoff-Orchestrierung (z.B. Triage → Spezialisten-Agenten)
• Implementieren Sie ein Magentic Orchestration Pattern mit einem Koordinator und spezialisierten Agenten
• Richten Sie Ollama lokal ein und führen Sie denselben Agenten mit verschiedenen Providern aus
• Erkunden Sie vorhandene MCP-Server aus der Registry und verstehen Sie deren Fähigkeiten

Ergebnisse (Tag 1)

Teilnehmer können Einzel- und Multi-Agenten-Systeme mit Agent Framework erstellen, benutzerdefinierte Tools mit AIFunctionFactory implementieren, CLI-Tools und Scripts direkt als Agenten-Tools über Skills und AIFunctionFactory aufrufen, mit mehreren KI-Providern arbeiten und verstehen, wie MCP die Kontext-Integration standardisiert.

---

Tag 2: Fortgeschrittene Themen, Integration und produktionsreife Agenten

Module & Agenda

7. Deep Dive: Model Context Protocol Implementierung

   • MCP-Server mit dem C# SDK (v1.2.0) erstellen
   • Ressourcen implementieren: Datenquellen für Agenten bereitstellen
   • Tools implementieren: serverseitige Funktionen für Agenten
   • Prompts implementieren: wiederverwendbare Prompt-Templates
   • Server-Transporte: stdio, Streamable HTTP (Standard ab v1.2.0); Legacy-SSE-Transport jetzt opt-in über EnableLegacySse
   • 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
   • MCP vs. direkte CLI-Ausführung: Abwägungen zwischen MCP-Servern und AIFunction-/Skill-basierten Tool-Wrappern
   • 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
    • Agenten-Services, MCP-Server und Docker-Abhängigkeiten mit Aspire AppHost orchestrieren
    • Deployment-Patterns: Azure Container Apps, Kubernetes, On-Premises
    • Skalierungsstrategien und Performance-Optimierung
    • CI/CD-Pipelines für Agenten-Anwendungen

Praktische Übungen (Tag 2)

• Erstellen Sie einen benutzerdefinierten MCP-Server, der Firmendaten als Ressourcen und Tools bereitstellt
• Erstellen Sie einen MCP-Client, der mehrere externe MCP-Server konsumiert
• Integrieren Sie MCP-Tools von einem benutzerdefinierten Server in einen Agent Framework Agenten
• Implementieren Sie einen Workflow mit bedingtem Routing, externen API-Aufrufen und Checkpointing
• Richten Sie Microsoft Entra Agent ID für Agenten-Authentifizierung ein
• Erstellen Sie eine Web-UI für Ihren Agenten mit CopilotKit und dem AG-UI-Protokoll
• Fügen Sie OpenTelemetry-Instrumentierung hinzu, um Agentenverhalten zu beobachten
• Erstellen Sie einen Aspire AppHost, um Agenten-Services, MCP-Server und Docker-Abhängigkeiten lokal zu orchestrieren
• Containerisieren und deployen Sie eine Agenten-Anwendung zu Azure Container Apps

Ergebnisse (Tag 2)

Teilnehmer können produktionsreife Agenten mit benutzerdefinierten MCP-Integrationen, Workflows, Sicherheit, UI, Observability und Deployment-Strategien implementieren.

---

Tag 3: Agent Governance und Enterprise Controls mit Agent Governance Toolkit

Module & Agenda

13. Governance-Grundlagen für Agentensysteme

• Warum Governance für Enterprise-KI-Agenten verpflichtend ist
• Governance-Domänen: Policy, Risiko, Compliance, Accountability und Operations
• Governance-Anforderungen auf die Agent-Framework-Architektur abbilden
• Ownership und Verantwortlichkeiten definieren (Engineering, Security, Compliance, Operations)
• Governance-by-Design-Prinzipien für .NET-Agentenprojekte

14. Governance mit Agent Governance Toolkit implementieren

• Überblick über Architektur und Komponenten des Agent Governance Toolkits
• Governance-Policies definieren und versionieren
• Guardrails für Prompts, Tools, externe Aktionen und Datenzugriff
• Approval-Flows und Eskalationspfade für risikoreiche Aktionen
• Audit-Logs, Decision Traces und Evidence-Artefakte erfassen
• Governance-Checks in CI/CD und Release-Gates integrieren

15. Operative Governance, Risiko und Compliance

• Laufzeit-Monitoring für Policy-Verletzungen und Drift
• Risk Scoring und Tracking der Kontrollwirksamkeit
• Incident Response für Agenten-Missbrauch, Prompt Injection und unsichere Tool-Aufrufe
• Governance-Dashboards und Reporting für interne/externe Audits
• Kontrollen mit Responsible AI, Security-Baselines und regulatorischen Anforderungen ausrichten
• Kontinuierlicher Governance-Verbesserungszyklus für Agentensysteme

Praktische Übungen (Tag 3)

• Agent Governance Toolkit in einer Beispiel-Agent-Framework-Lösung installieren und konfigurieren
• Governance-Policies für Tool-Nutzung, Datengrenzen und Eskalationsschwellen definieren
• Approval- und Rejection-Workflows für hochkritische Agentenaktionen implementieren
• Audit Trails für Agentenentscheidungen und Tool-Aufrufe erfassen und auswerten
• Governance-Validierungsschritte vor dem Deployment in CI/CD integrieren
• Ein operatives Governance-Dashboard für Policy-Compliance und Incident-Review erstellen

Ergebnisse (Tag 3)

Teilnehmer können Governance für KI-Agenten mit dem Agent Governance Toolkit operationalisieren, Policies durchsetzen, auditierbare Nachweise erzeugen und konforme Agentenlösungen in Enterprise-Umgebungen betreiben.

---

Praktische Lab-Umgebung

Teilnehmer arbeiten mit:

• Visual Studio 2026 oder Visual Studio Code mit C# Dev Kit
• .NET 10 SDK
• Aspire AppHost für lokale Service-Orchestrierung
• Azure OpenAI Service oder OpenAI API Zugang
• Docker Desktop (für MCP-Server und Deployment)
• Beispiel-MCP-Server aus der offiziellen Registry

Bereitgestellte Materialien

• Vollständiger Beispielcode für alle Übungen
• Referenzimplementierungen von MCP-Servern und -Clients
• Agenten-Orchestrierungsmuster-Templates
• Deployment-Konfigurationsbeispiele
• Links zu offizieller Dokumentation und Ressourcen

Zusammenfassung

Nach drei Tagen besitzen die Teilnehmer die Fähigkeiten, produktionsreife KI-Agenten mit Microsoft Agent Framework, dem Model Context Protocol und dem Agent Governance Toolkit zu entwerfen, zu erstellen, zu governen, abzusichern und bereitzustellen. Sie verstehen, wie man Enterprise-Datenquellen integriert, mehrere Agenten orchestriert, Workflows implementiert, Governance-Policies durchsetzt und nahtlose Benutzererfahrungen bereitstellt – alles im .NET-Ökosystem und unter Verwendung offener Standards.

Praktische Übungen

• Set up a working project baseline for the course topic
• Implement a core feature and validate expected behavior
• Integrate testing or automation to improve quality and repeatability

Ergebnisse

Nach Abschluss dieses Kurses können die Teilnehmenden die vermittelten Konzepte und Werkzeuge anwenden, um belastbare Lösungen in realen Projekten umzusetzen.