.NET + AI-ekosystemverktyg och SDK:er

.NET-ekosystemet innehåller många kraftfulla verktyg, bibliotek och tjänster för att utveckla AI-program. .NET stöder både molnbaserade och lokala AI-modellanslutningar, många olika SDK:er för olika AI- och vektordatabastjänster och andra verktyg som hjälper dig att skapa intelligenta appar med varierande omfattning och komplexitet.

Bestäm vilket verktyg som ska användas

I följande tabell rekommenderas vilken teknik som ska användas baserat på olika mål.

De flesta AI-program för produktion kombinerar flera komponenter:

• Chatt- eller sammanfattningsapp: MEAI + Utvärderingar
• RAG-program: MEDI + MEVD + MEAI
• System med flera agenter: MEAI + MAF + Aspire
• Verktygskompatibilitet: MEAI + MCP Server + MCP-klient
• Företagsmolnapp: MEAI + Microsoft Foundry +Aspire
• Lokal-första app: MEAI + Foundry Local + Foundry Toolkit (utveckling)

Använd dessa praktiska regler för att välja snabbt:

• Börja med Microsoft.Extensions.AI för de flesta AI-funktioner på appnivå.
• Lägg till Microsoft.Extensions.DataIngestion och Microsoft.Extensions.VectorData när du jordar svar med dina egna data.
• Använd MCP när funktioner måste delas över process- eller produktgränser.
• Flytta till Agent Framework när enstegsanvisningarna blir arbetsflöden i flera steg.
• Lägg till utvärderingar när beteendet är tillräckligt användbart för att mäta och skydda mot regressioner.

Microsoft.Extensions.AI-bibliotek

Microsoft.Extensions.AI är en uppsättning .NET-kärnbibliotek som tillhandahåller ett enhetligt lager av C#-abstraktioner för interaktion med AI-tjänster, till exempel små och stora språkmodeller (SLA och LLM), inbäddningar och mellanprogram. Dessa API:er skapades i samarbete med utvecklare i .NET-ekosystemet. API:erna på låg nivå, till exempel IChatClient och IEmbeddingGenerator<TInput,TEmbedding>, extraherades från semantisk kernel och flyttades till Microsoft.Extensions.AI namnområdet.

Microsoft.Extensions.AI tillhandahåller abstraktioner som kan implementeras av olika tjänster, som alla följer samma grundläggande begrepp. Det här biblioteket är inte avsett att tillhandahålla API:er som är skräddarsydda för någon specifik leverantörs tjänster. Målet Microsoft.Extensions.AI med är att fungera som ett enhetligt lager i .NET-ekosystemet, vilket gör det möjligt för utvecklare att välja önskade ramverk och bibliotek samtidigt som sömlös integrering och samarbete säkerställs i hela ekosystemet.

MEAI ger .NET utvecklare en ren abstraktion för modellinteraktion. Den passar naturligt in i beroendeinmatning, konfiguration och befintliga apparkitekturer och är det vanliga första lagret i ett AI-aktiverat .NET program.

Enbart MEAI är inte ett agentramverk. Ett enskottssamtal, en chattfunktion eller en verktygsanropsloop kan skapas med MEAI utan att bli "agentisk". När systemet behöver målstyrd orkestrering i flera steg använder du MAF i stället.

Mer information finns i Microsoft.Extensions.AI översikt.

Utvärderingsbibliotek

Microsoft. Extensions.AI.Evaluation library är kvalitets- och regressionsskiktet för AI-funktioner som skapats med .NET AI-stacken. AI-beteendet förändras enkelt när uppmaningar, modeller och verktyg utvecklas. Utvärderingsbiblioteket ger teamen ett repeterbart sätt att jämföra utdata och fånga regressioner.

Mer information finns i Microsoft. Extensions.AI.Evaluation-bibliotek.

Microsoft.Extensions.DataIngestion (MEDI)

Microsoft. Extensions.DataIngestion är inmatnings- och förberedelselagret för AI-klara data i .NET.

Många AI-appar misslyckas innan de hämtas eftersom data är röriga, överdimensionerade eller dåligt strukturerade. Inmatningskvaliteten påverkar starkt svarskvaliteten nedströms. MEDI förbereder och utformar de data som MEVD eller ett annat datalager senare frågar efter.

Mer information finns i Datainmatning för AI-appar.

Microsoft. Extensions.VectorData (MEVD)

Microsoft. Extensions.VectorData är vektordatalagrings- och hämtningslagret för semantisk sökning, likhetssökning och jordning i .NET AI-appar.

MEVD ger .NET program ett konsekvent sätt att arbeta med vektorlager och hjälper till att separera vektorlagring och hämtningsproblem från modellanropsproblem.

Mer information finns i Översikt över vektorlager.

MCP-server

En MCP-server exponerar funktioner som verktyg, resurser eller uppmaningar via Model Context Protocol så att andra assistenter, IDE:er och agenter kan identifiera och använda dem via ett standardprotokoll.

En MCP-server omvandlar appfunktioner till återanvändbara AI-riktade slutpunkter. Det minskar det duplicerade verktygsintegreringsarbetet mellan assistenter och skapar en renare gräns mellan kapacitetsleverantörer och kapacitetskonsumenter.

En MCP-server handlar om publiceringsfunktioner . Om funktionen endast används i en app är vanliga in-process-funktionsanrop enklare.

MCP-klient

En MCP-klient är den part i protokollet som förbrukar tjänsterna: den ansluter till MCP-servrar och gör deras exponerade funktioner tillgängliga i en app, assistent eller körmiljö för agenter.

En MCP-klient handlar om att använda funktioner, inte publicera dem. Om allt som appen behöver finns lokalt och inom samma process är vanliga funktions- eller verktygsanrop fortfarande enklare.

Mer information finns i Komma igång med MCP.

Microsoft Agent Framework (MAF)

Microsoft Agent Framework är orkestreringsskiktet för system som verkligen är agentiska: de strävar efter ett mål i flera steg, fattar beslut längs vägen, använder verktyg och kan samordna flera agenter.

Alla AI-funktioner behöver inte MAF. Om ett direkt MEAI-anrop eller en enkel verktygsanropsloop löser problemet använder du en enklare metod. MAF är viktigt när orkestreringskomplexitet är den verkliga utmaningen, inte bara modellåtkomst.

Mer information finns i översikten Microsoft Agent Framework.

Gjuteri Verktygslåda

Foundry Toolkit är ett VS Code-tilläggspaket för AI-utveckling som påskyndar experimentering med modeller, uppmaningar, agenter och utvärderingar.

Foundry Toolkit är inte den grundläggande körningsarkitekturen för produktionsappen. Den kompletterar MEAI, Utvärderingar och Foundry Local.

Mer information finns i Foundry Toolkit för Visual Studio Code.

Copilot SDK

Copilot SDK är ett färdigbyggt ramverk för agenter och en körmiljö som ger verktyg, kontext och automatiska verktygsanrop direkt.

Copilot SDK är mer styrd och förkonfigurerad än MEAI. Om ditt mål är en helt anpassad apparkitektur kan direkt MEAI- eller MAF-komposition passa bättre.

Mer information finns i Copilot SDK-lagringsplatsen.

Microsoft Foundry

Microsoft Foundry är det hanterade molnplattformsskiktet för företags-AI-lösningar, med två primära funktioner: modellhantering och värdbaserade agenter.

Microsoft Foundry är inte den appinriktade programmeringsabstraktionen. MEAI spelar fortfarande den rollen i .NET kod. Microsoft Foundry blir det rätta valet när den verkliga frågan är var modellen körs och med vilka styrmekanismer.

Mer information finns i dokumentationen om Microsoft Foundry.

Gjuteriet Local

Foundry Local är ett lokalt utvecklingsalternativ och lokalt första distributionsalternativ för team som behöver hålla AI-arbetsbelastningar nära datorn eller miljön.

Foundry Local handlar om utvecklings- och driftsättningsprocessen, inte själva den övergripande applikationsarkitekturen. En flytt från lokal miljö till molnet är inte en enkel en-till-en-flytt, så du bör därför räkna med skillnader i funktioner, driftsmodell och drift.

Mer information finns i Foundry Local-dokumentationen.

Aspire

Aspire är orkestrerings-, tjänstkopplings- och observerbarhetsskiktet för distribuerade .NET program, inklusive AI-system som omfattar flera tjänster.

AI-system slutar ofta att vara "bara en app" när hämtning, verktyg, gatewayer och arbetstjänster ingår. Aspire hjälper teamen att hålla dessa delar begripliga och observerbara, och dess visuella objekt gör det enklare att spåra AI-flöden mellan tjänster.

Aspire är inte specifikt AI-körtidsmiljön; det är applikationsskiktet med flera tjänster kring den. Den ersätter inte MEAI, MAF eller Microsoft Foundry.

Mer information finns i dokumentationenAspire.