JaydenAI的博客

摘要 本文介绍了一种基于人机交互（HITL）的工具审批机制，通过ToolApprovalAgent中间件实现"don't ask again"的审批模式。核心内容包括： 三种审批模式： 严格模式：每次工具调用都需人工审批 参数记忆模式：相同工具和参数可免审批 工具记忆模式：相同工具可免审批（不限参数） 实现方式： 使用ApprovalRequiredAIFunction装饰敏感工具 通过UseToolApproval()启用审批机制 用户可选择三种审批响应方式 示例演示： 展示转账工具的审批流程 用户可选择

本文介绍了如何利用OpenTelemetryAgent中间件实现LLM（大语言模型）调用的链路跟踪和性能监控。通过搭建本地Jaeger（链路跟踪）、Prometheus（指标收集）和Grafana（数据可视化）的Docker环境，结合OpenTelemetry框架，开发者可以轻松监控Agent调用链和性能指标。文章提供了一个C#示例程序，展示了如何配置TracerProvider（输出到Jaeger）和MeterProvider（暴露Prometheus指标），并通过嵌套Activity模拟多级调用链路。最

工具让Agent具备了与外界交互的能力。按照工具的执行，MAF的工具可以划分为服务端或者承载端工具和客户端工具两大类。前者在承载LLM的服务器端执行，以Hosted前缀命名的工具基本属于这一类；后者是在客户端（Agent端）定义的函数，通过`AIFunction`来表示。大部分Agent都会涉及`AIFunction`，通过一种调用拦截机制将AOP引入函数调用是很有意义的。使用`FunctionInvocationDelegatingAgent`中间件也容易实现这一点。

本文介绍了MAF框架中MessageAIContextProvider及其子类MessageAIContextProviderAgent在增强LLM输入输出中的应用。重点演示了如何结合TextSearchProvider实现RAG功能，通过动态注入上下文回答LLM无法直接回答的问题（如2026年斯诺克冠军）。文章对比了两种实现方式（中间件管道与AIContextProvider管道）的差异，并解析了MessageAIContextProviderAgent内部处理消息的流程，包括上下文创建、消息修改和异常处

LoggingAgent是Agent中间件管道中的预定义中间件，用于记录Agent调用的输入输出及时间戳等信息，便于调试与监控。其设计与LoggingChatClient类似，通过装饰现有AIAgent并设置日志级别（如Debug或Trace）控制输出详细程度。示例代码演示了如何基于OpenAIClient创建AIAgent并注册LoggingAgent，在调用前后输出日志。当设置为Trace级别时，会以JSON格式记录完整输入输出内容；若调用异常，则输出Error级日志。此外，该中间件支持流式调用