Semantic Kernel

一句话定位

微软出品的 model-agnostic 企业级 Agent SDK：核心是一个充当依赖注入容器的 Kernel，把 LLM 服务（connector）、工具（plugin/function）、过滤器、记忆/向量库统一挂在上面；在此之上提供 ChatCompletionAgent 单 agent 与多种多 agent 编排（Concurrent/Sequential/GroupChat/Handoff/Magentic）。一套抽象多语言落地（dotnet/C# 为主，python 镜像），强调可观测、稳定 API。注：README 已声明 SK 的继任者为 Microsoft Agent Framework。

设计理念 / 顶层架构

Semantic Kernel 的核心范式是 “Kernel 即 DI 容器 + KernelFunction 即统一可调用单元”。它不是单一 ReAct 循环框架，而是一套分层抽象，agent 只是建在内核上的一层薄壳。设计取舍：

• Kernel 是中枢状态对象：Kernel（dotnet/src/SemanticKernel.Abstractions/Kernel.cs:26）本身只持有一个 IServiceProvider（模型服务、logger、selector 全走 DI）、一个 KernelPluginCollection（插件/工具）、三类过滤器集合（function / prompt / auto-function-invocation）和一个 ambient Data 字典。它会被传入每一次 function 调用，是“贯穿全流程的共享状态”。Kernel.Clone()（Kernel.cs:111）做浅拷贝以支持 agent 级隔离。
• 一切皆 KernelFunction：原生 C# 方法、prompt 模板、OpenAPI 操作、gRPC、其它 agent 都被归一成 KernelFunction（dotnet/src/SemanticKernel.Abstractions/Functions/KernelFunction.cs:30，继承 Microsoft.Extensions.AI 的 AIFunction）。多个 function 组成一个 KernelPlugin。
• Connector = 模型抽象：所有 LLM 厂商被收敛到 IChatCompletionService（dotnet/src/SemanticKernel.Abstractions/AI/ChatCompletion/IChatCompletionService.cs:14）等接口，OpenAI/AzureOpenAI/Google/Mistral/Ollama/HuggingFace/Onnx/Amazon 各为独立 Connectors.* 包，并逐步向 Microsoft.Extensions.AI.IChatClient 收敛。
• 过滤器取代旧 events：横切关注点（鉴权、审批、改写、日志、HITL 终止）通过 IFunctionInvocationFilter / IPromptRenderFilter / IAutoFunctionInvocationFilter 注入，旧的 FunctionInvoking/Invoked 事件已 [Obsolete]（Kernel.cs:617）。
• Planner 已被淘汰：旧的 Stepwise/Handlebars planner 从 dotnet/src 主源码移除（仅剩 InternalUtilities/planning/ 的工具类与 samples 里的迁移示例），“规划”现在交给 LLM 的 native function calling 自动循环（FunctionCallsProcessor）。
• 入口 API：Kernel.CreateBuilder() → fluent 配置 connector/plugin → Build()；agent 侧 new ChatCompletionAgent { Kernel = kernel, Instructions = ... }，agent.InvokeAsync(...) 返回 IAsyncEnumerable<AgentResponseItem<...>>。

最小示例（取自 README，.NET）：

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

var builder = Kernel.CreateBuilder();
builder.AddAzureOpenAIChatCompletion(deployment, endpoint, apiKey); // 注册一个 connector 到 DI
var kernel = builder.Build();

kernel.Plugins.Add(KernelPluginFactory.CreateFromType<MenuPlugin>()); // 类的 [KernelFunction] 方法 -> 工具

ChatCompletionAgent agent = new()
{
    Name = "SK-Assistant",
    Instructions = "You are a helpful assistant.",
    Kernel = kernel,
    // 开启 FunctionChoiceBehavior.Auto() 后，模型可自动选择并调用插件函数
    Arguments = new KernelArguments(new PromptExecutionSettings { FunctionChoiceBehavior = FunctionChoiceBehavior.Auto() })
};

await foreach (AgentResponseItem<ChatMessageContent> response in agent.InvokeAsync("What is the price of the soup special?"))
    Console.WriteLine(response.Message);

sealed class MenuPlugin
{
    [KernelFunction, System.ComponentModel.Description("Provides the price of the requested menu item.")]
    public string GetItemPrice([System.ComponentModel.Description("The name of the menu item.")] string menuItem) => "$9.99";
}

组件实现（横向逐项）

设计权衡与特性

• DI 容器式内核 vs 极简函数式：与 ConnectOnion/Swarm 把 agent 做成一个轻量对象不同，SK 把 Kernel 设计成 Microsoft.Extensions.DependencyInjection 之上的服务容器——模型、selector、logger、filter 全经 DI 解析。优点是与 ASP.NET/企业栈无缝融合、可测试、可替换；代价是上手心智负担重、样板较多、抽象层数深。
• 归一化抽象的力量：把 prompt、原生方法、OpenAPI、gRPC、甚至“另一个 agent”全部塞进 KernelFunction 这一个类型，使工具调用、规划、组合高度统一；正持续向 Microsoft.Extensions.AI 的 IChatClient/AIFunction 标准收敛，未来与整个 .NET AI 生态互通。
• Planner 之死：早期 SK 以 Stepwise/Handlebars planner 闻名，现已判定“模型 native function calling 足以替代显式 planner”，主源码删除 planner，仅保留迁移示例。这是该框架一次明显的范式转向。
• 编排模式齐全：Concurrent/Sequential/GroupChat/Handoff/Magentic 五种 + 旧 AgentGroupChat 覆盖了从扇出聚合到动态 manager 主导(Magentic，借鉴 AutoGen Magentic-One)的主流多 agent 拓扑，且统一跑在可换 InProcess/Dapr 的 actor runtime 上。
• 过滤器 = 治理面：HITL、审批、改写、限流都收敛到三类 filter 上，Terminate 标志让“工具调用前人工拍板”成为一等公民，比事件模型更可组合。
• 多语言一致性：dotnet 与 python 镜像同一套概念(kernel.py/agents//connectors//processes//filters//memory/)，java 单独仓库。本笔记以 dotnet/C# 为准，python 命名几乎一一对应。
• 待确认/注意：① 大量 agent/orchestration/process API 标 [Experimental("SKEXP...")]，签名可能变；② README 顶部明确 SK 的继任者是 Microsoft Agent Framework(MAF 1.0)，新项目需权衡选型；③ Process / Dapr 运行时与 VectorData 连接器多为预览/实验包。

关联

• component-taxonomy · single-vs-multi-agent · multi-agent-orchestration · model-abstraction
• 同范式(model-stack/multi/企业 SDK)：connectonion · 源码：agents-example/semantic-kernel/