Semantic Kernel & Microsoft Agent Framework 1.0 — Xây Dựng AI Agent Với C#

Bối cảnh: Tại sao cần một AI Framework cho .NET?

Năm 2026, xây dựng ứng dụng AI không còn đơn giản là gọi một API chat completion rồi trả kết quả cho user. Các hệ thống thực tế đòi hỏi agent có khả năng tự chủ — đọc dữ liệu từ nhiều nguồn, gọi API ngoài, lập kế hoạch hành động nhiều bước, và phối hợp với các agent khác để hoàn thành nhiệm vụ phức tạp.

Với hệ sinh thái Python, LangChain và CrewAI đã chiếm lĩnh sớm. Nhưng đối với .NET developer — những người đang vận hành hệ thống enterprise bằng C# — thì thiếu một framework AI native, tích hợp tốt với dependency injection, middleware pipeline, và kiến trúc microservices quen thuộc. Microsoft Semantic Kernel ra đời để lấp đầy khoảng trống đó.

Từ Semantic Kernel đến Microsoft Agent Framework 1.0

Kiến trúc tổng quan

graph TD
    subgraph "Microsoft Agent Framework 1.0"
        MAF["Agent Framework API"]

        subgraph "Orchestration Layer"
            SEQ["Sequential"]
            CON["Concurrent"]
            HO["Handoff"]
            GC["Group Chat"]
            MAG["Magentic-One"]
        end

        subgraph "Semantic Kernel Core"
            K["Kernel"]
            P["Plugins"]
            M["Memory / RAG"]
            C["AI Connectors"]
        end

        subgraph "Runtime"
            IP["InProcess Runtime"]
            DR["Distributed Runtime"]
        end
    end

    MAF --> SEQ
    MAF --> CON
    MAF --> HO
    MAF --> GC
    MAF --> MAG

    SEQ --> K
    CON --> K
    HO --> K
    GC --> K
    MAG --> K

    K --> P
    K --> M
    K --> C

    K --> IP
    K --> DR

    C --> OAI["OpenAI / Azure OpenAI"]
    C --> HF["Hugging Face"]
    C --> NV["NVIDIA"]
    C --> OL["Ollama (Local)"]

    style MAF fill:#e94560,stroke:#fff,color:#fff
    style K fill:#2c3e50,stroke:#fff,color:#fff
    style SEQ fill:#f8f9fa,stroke:#e94560,color:#2c3e50
    style CON fill:#f8f9fa,stroke:#e94560,color:#2c3e50
    style HO fill:#f8f9fa,stroke:#e94560,color:#2c3e50
    style GC fill:#f8f9fa,stroke:#e94560,color:#2c3e50
    style MAG fill:#f8f9fa,stroke:#e94560,color:#2c3e50
  

Kiến trúc được chia thành 3 tầng rõ ràng:

• Semantic Kernel Core: Kernel xử lý AI model invocation, Plugin cung cấp khả năng mở rộng (native functions, OpenAPI, MCP tools), Memory/RAG kết nối knowledge base.
• Orchestration Layer: 5 patterns phối hợp multi-agent, kế thừa từ AutoGen research.
• Runtime: Quản lý lifecycle của agent — InProcess cho đơn giản, Distributed cho production scale.

Semantic Kernel Core: Kernel, Plugin, Connector

Kernel — Trái tim của hệ thống

Kernel là điểm trung tâm kết nối AI model với business logic. Nó quản lý AI service (chọn model nào, config thế nào), plugin registry, và memory providers. Kernel tích hợp trực tiếp với Microsoft.Extensions.DependencyInjection — điều này cực kỳ quen thuộc với .NET developer:

using Microsoft.SemanticKernel;

var builder = Kernel.CreateBuilder();

// Thêm AI service
builder.AddAzureOpenAIChatCompletion(
    deploymentName: "gpt-4o",
    endpoint: "https://your-resource.openai.azure.com/",
    apiKey: "your-api-key"
);

// Thêm plugin từ class
builder.Plugins.AddFromType<WeatherPlugin>();
builder.Plugins.AddFromType<DatabasePlugin>();

// Build kernel
Kernel kernel = builder.Build();

Plugin — Mở rộng khả năng của AI

Plugin là cách bạn "dạy" AI model biết gọi code thực tế. Mỗi plugin là một class C# với các method được đánh dấu [KernelFunction]:

public class OrderPlugin
{
    [KernelFunction, Description("Tra cứu thông tin đơn hàng theo mã")]
    public async Task<OrderInfo> GetOrderAsync(
        [Description("Mã đơn hàng")] string orderId,
        IOrderService orderService)
    {
        return await orderService.GetByIdAsync(orderId);
    }

    [KernelFunction, Description("Tạo đơn hàng mới từ danh sách sản phẩm")]
    public async Task<string> CreateOrderAsync(
        [Description("Danh sách product ID")] List<int> productIds,
        [Description("Địa chỉ giao hàng")] string shippingAddress,
        IOrderService orderService)
    {
        var order = await orderService.CreateAsync(productIds, shippingAddress);
        return $"Đã tạo đơn hàng #{order.Id}";
    }
}

Khi user hỏi "Đơn hàng ORD-1234 của tôi đang ở đâu?", AI model sẽ tự nhận ra cần gọi GetOrderAsync với tham số "ORD-1234". Toàn bộ quá trình function calling được Semantic Kernel xử lý tự động.

AI Connectors — Không vendor lock-in

5 Orchestration Patterns cho Multi-Agent

Đây là phần mạnh nhất của Agent Framework 1.0 — kế thừa từ nghiên cứu AutoGen của Microsoft Research, cung cấp 5 pattern phối hợp agent:

graph LR
    subgraph "Sequential"
        S1["Agent A"] --> S2["Agent B"] --> S3["Agent C"]
    end

    style S1 fill:#e94560,stroke:#fff,color:#fff
    style S2 fill:#2c3e50,stroke:#fff,color:#fff
    style S3 fill:#4CAF50,stroke:#fff,color:#fff
  

1. Sequential — Pipeline tuần tự

Agent A xử lý xong, truyền kết quả cho Agent B, rồi Agent C. Phù hợp cho workflow nhiều bước có thứ tự rõ ràng: phân tích → xử lý → review.

// Agent phân tích yêu cầu → Agent viết code → Agent review code
var analyst = new ChatCompletionAgent
{
    Name = "Analyst",
    Instructions = "Phân tích yêu cầu và tạo technical spec.",
    Kernel = kernel
};

var coder = new ChatCompletionAgent
{
    Name = "Coder",
    Instructions = "Viết C# code dựa trên technical spec.",
    Kernel = kernel
};

var reviewer = new ChatCompletionAgent
{
    Name = "Reviewer",
    Instructions = "Review code về security, performance, best practices.",
    Kernel = kernel
};

SequentialOrchestration pipeline = new(analyst, coder, reviewer);

InProcessRuntime runtime = new();
await runtime.StartAsync();

var result = await pipeline.InvokeAsync(
    "Tạo REST API endpoint cho quản lý sản phẩm với pagination và caching",
    runtime);
string output = await result.GetValueAsync();

2. Concurrent — Xử lý song song

Broadcast cùng một task cho tất cả agent, thu thập kết quả độc lập. Lý tưởng cho phân tích đa chiều hoặc ensemble decision making:

var securityAnalyst = CreateAgent("SecurityAnalyst", "Phân tích code về lỗ hổng bảo mật.");
var perfAnalyst = CreateAgent("PerfAnalyst", "Phân tích code về hiệu năng.");
var uxAnalyst = CreateAgent("UXAnalyst", "Phân tích API design về developer experience.");

ConcurrentOrchestration ensemble = new(securityAnalyst, perfAnalyst, uxAnalyst);

// Cả 3 agent chạy song song, mỗi agent cho góc nhìn riêng
var result = await ensemble.InvokeAsync(codeToReview, runtime);

3. Handoff — Chuyển giao động

Agent tự quyết định khi nào cần chuyển task cho agent khác dựa trên ngữ cảnh. Giống hệ thống support escalation:

sequenceDiagram
    participant U as User
    participant T as Triage Agent
    participant B as Billing Agent
    participant S as Senior Support

    U->>T: "Tôi bị tính tiền sai tháng này"
    T->>B: Handoff → Billing Agent
    B->>B: Kiểm tra invoice, phát hiện anomaly
    B->>S: Handoff → Senior Support (cần refund approval)
    S->>U: Xác nhận refund và gửi email
  

HandoffOrchestration handoff = new(
    triageAgent, billingAgent, seniorSupport)
{
    // Agent tự quyết định chuyển giao qua function call
    InteractionMode = InteractionMode.Dynamic
};

4. Group Chat — Thảo luận nhóm

Nhiều agent tham gia một cuộc hội thoại chung, điều phối bởi Group Manager. Phù hợp cho brainstorming, collaborative problem solving, hoặc consensus building. Group Manager quyết định agent nào được phát biểu tiếp dựa trên ngữ cảnh cuộc trò chuyện.

5. Magentic-One — Multi-agent tổng quát

Lấy cảm hứng từ paper MagenticOne của Microsoft Research — một hệ multi-agent "generalist" có khả năng giải quyết task phức tạp. Bao gồm Orchestrator agent điều phối và các Specialist agents (WebSurfer, FileSurfer, Coder, Terminal). Pattern này mạnh nhất nhưng cũng phức tạp nhất.

Tích hợp MCP và A2A Protocol

Agent Framework 1.0 hỗ trợ hai protocol quan trọng trong hệ sinh thái AI agent:

Model Context Protocol (MCP)

MCP cho phép agent discover và invoke tool từ MCP server bên ngoài một cách dynamic. Thay vì hardcode plugin, agent có thể kết nối tới MCP server và tự khám phá các tool available:

// Kết nối MCP server để import tool động
var mcpTools = await McpClientFactory.CreateAsync(
    new SseClientTransport(new Uri("http://localhost:3001/sse")));

kernel.Plugins.AddFromMcpServer("ExternalTools", mcpTools);

Agent-to-Agent Protocol (A2A)

A2A (từ Google DeepMind) cho phép agent ở các runtime khác nhau giao tiếp với nhau qua HTTP. Một agent .NET có thể gọi agent Python hoặc agent Java thông qua A2A endpoint chuẩn. Điều này mở ra khả năng xây dựng hệ thống polyglot multi-agent — mỗi agent viết bằng ngôn ngữ phù hợp nhất.

graph TD
    A["C# Agent
(Semantic Kernel)"] -->|A2A Protocol| B["Python Agent
(LangChain)"]
    A -->|A2A Protocol| C["Java Agent
(Spring AI)"]
    A -->|MCP| D["MCP Server
(Database Tools)"]
    A -->|MCP| E["MCP Server
(File System)"]

    style A fill:#e94560,stroke:#fff,color:#fff
    style B fill:#2c3e50,stroke:#fff,color:#fff
    style C fill:#2c3e50,stroke:#fff,color:#fff
    style D fill:#f8f9fa,stroke:#e94560,color:#2c3e50
    style E fill:#f8f9fa,stroke:#e94560,color:#2c3e50
  

Declarative Agent — Định nghĩa Agent bằng YAML

Một tính năng mới trong 1.0 là Declarative Agents — thay vì code C# cứng, bạn có thể định nghĩa agent instruction, tool binding, và orchestration topology trong file YAML version-controlled:

# agents/order-support.yaml
name: OrderSupport
instructions: |
  Bạn là chuyên gia hỗ trợ đơn hàng. Tra cứu thông tin đơn hàng,
  xử lý yêu cầu đổi trả, và escalate cho senior nếu cần.
model: gpt-4o
tools:
  - plugin: OrderPlugin
  - plugin: ShippingPlugin
  - mcp: http://localhost:3001/sse
memory:
  provider: azure-ai-search
  index: order-knowledge-base
orchestration:
  pattern: handoff
  members:
    - agent: agents/billing-agent.yaml
    - agent: agents/senior-support.yaml

// Load và chạy agent từ YAML
var agent = await AgentFactory.CreateFromYamlAsync("agents/order-support.yaml");
var runtime = new InProcessRuntime();
await runtime.StartAsync();

var result = await agent.InvokeAsync("Đơn ORD-5678 giao trễ 3 ngày", runtime);

Memory và RAG tích hợp sẵn

Agent Framework tích hợp native RAG (Retrieval-Augmented Generation) — cho phép agent truy vấn knowledge base riêng thay vì chỉ dựa vào training data của LLM:

// Cấu hình vector store cho memory
builder.AddAzureAISearchVectorStore(
    endpoint: new Uri("https://your-search.search.windows.net"),
    apiKey: "your-key");

// Hoặc dùng in-memory cho dev
builder.AddInMemoryVectorStore();

// Agent tự động search memory khi cần context
var agent = new ChatCompletionAgent
{
    Name = "KnowledgeAgent",
    Instructions = "Trả lời dựa trên knowledge base nội bộ.",
    Kernel = kernel,
    // Memory được inject tự động qua DI
};

Semantic Kernel hỗ trợ nhiều vector store backend: Azure AI Search, Qdrant, Pinecone, Weaviate, PostgreSQL (pgvector), Redis — bạn chọn backend phù hợp với infrastructure hiện tại.

Semantic Kernel vs LangChain — Khi nào chọn gì?

Ví dụ thực tế: Hệ thống Customer Support Multi-Agent

Để minh họa sức mạnh của framework, hãy xây dựng một hệ thống customer support với 3 agent phối hợp qua Handoff pattern:

graph TD
    U["Khách hàng"] --> T["Triage Agent"]
    T -->|FAQ| F["FAQ Agent
(tra cứu knowledge base)"]
    T -->|Kỹ thuật| TE["Technical Agent
(debug + log lookup)"]
    T -->|Billing| B["Billing Agent
(invoice + refund)"]
    F --> R["Response → Khách hàng"]
    TE --> R
    B --> R

    style T fill:#e94560,stroke:#fff,color:#fff
    style F fill:#f8f9fa,stroke:#e94560,color:#2c3e50
    style TE fill:#f8f9fa,stroke:#e94560,color:#2c3e50
    style B fill:#f8f9fa,stroke:#e94560,color:#2c3e50
  

// 1. Tạo các agent chuyên biệt
var triageAgent = new ChatCompletionAgent
{
    Name = "TriageAgent",
    Instructions = """
        Phân loại yêu cầu khách hàng vào một trong 3 nhóm:
        - FAQ: câu hỏi thường gặp về sản phẩm
        - Technical: vấn đề kỹ thuật, bug, lỗi
        - Billing: hóa đơn, thanh toán, hoàn tiền
        Chuyển giao cho agent phù hợp.
        """,
    Kernel = kernel
};

var faqAgent = new ChatCompletionAgent
{
    Name = "FAQAgent",
    Instructions = "Trả lời FAQ dựa trên knowledge base sản phẩm.",
    Kernel = kernelWithRAG  // Kernel có vector store
};

var technicalAgent = new ChatCompletionAgent
{
    Name = "TechnicalAgent",
    Instructions = "Hỗ trợ kỹ thuật: tra cứu log, kiểm tra status service.",
    Kernel = kernelWithTools  // Kernel có LogPlugin, ServiceStatusPlugin
};

var billingAgent = new ChatCompletionAgent
{
    Name = "BillingAgent",
    Instructions = "Xử lý vấn đề billing: tra cứu invoice, xử lý refund request.",
    Kernel = kernelWithBilling  // Kernel có InvoicePlugin
};

// 2. Tạo Handoff orchestration
HandoffOrchestration support = new(triageAgent, faqAgent, technicalAgent, billingAgent);

// 3. Chạy
InProcessRuntime runtime = new();
await runtime.StartAsync();

var result = await support.InvokeAsync(
    "Tháng này tôi bị charge 2 lần cho gói Premium, xin kiểm tra giúp.",
    runtime);

Console.WriteLine(await result.GetValueAsync());
await runtime.RunUntilIdleAsync();

Best Practices cho Production

Kết luận

Microsoft Agent Framework 1.0 đánh dấu bước trưởng thành quan trọng cho AI agent development trên .NET. Bằng cách hợp nhất Semantic Kernel (foundation vững chắc) với AutoGen (multi-agent orchestration), Microsoft cung cấp một SDK thống nhất từ prototype đến production.

Với 5 orchestration patterns, plugin architecture mở rộng, native MCP/A2A support, và tích hợp sâu vào hệ sinh thái .NET — đây là framework cần nắm vững nếu bạn đang xây dựng ứng dụng AI bằng C#. Điểm mạnh nhất chính là developer không cần rời bỏ kiến trúc DI/middleware quen thuộc để bước vào thế giới AI agent.

Tài liệu tham khảo

• Microsoft Semantic Kernel Documentation
• Microsoft Agent Framework 1.0 Announcement
• Agent Orchestration Patterns — Microsoft Learn
• Semantic Kernel — GitHub Repository
• Microsoft Ships Agent Framework 1.0 — Visual Studio Magazine
• Microsoft Agent Framework Overview