当前位置: 首页 > news >正文

.NET+AI | Agent | 中间件执行次序剖析(12)


MAF 中间件执行顺序:深入理解洋葱模型

一句话简介

MAF 中间件遵循"洋葱模型"执行,请求从外向内,响应从内向外,正确理解执行顺序是构建企业级 Agent 的关键。


🎯 核心价值

  • 洋葱模型:请求依次经过外层→内层,响应按相反顺序返回

  • 三层触发频率:Agent Run 1次、ChatClient N次、Function M次

  • 精确时序:通过时间戳追踪完整执行链路


📝 执行顺序详解

触发次数对比

中间件层

触发时机

单次 Agent 调用触发次数

Agent RunRunAsync()1 次
ChatClient

每次 LLM 调用

2-N 次

(工具调用会增加)

Function

每次工具调用

0-M 次

(取决于工具数量)


💻 时序验证示例

带时间戳的中间件

var startTime = DateTime.UtcNow; double GetTimestamp() => (DateTime.UtcNow - startTime).TotalMilliseconds; // Agent Run 中间件 .Use(async (messages, thread, options, inner, ct) => { Console.WriteLine($"[T+{GetTimestamp():F0}ms] 🛡️ Agent Run Pre"); var response = await inner.RunAsync(messages, thread, options, ct); Console.WriteLine($"[T+{GetTimestamp():F0}ms] 🛡️ Agent Run Post"); return response; }, null)

典型输出

[T+0ms] 🛡️ Agent Run Pre [T+50ms] 📊 ChatClient Pre (第1次) [T+1200ms] 📊 ChatClient Post (第1次) [T+1210ms] 🔧 Function Pre: GetWeather [T+1320ms] 🔧 Function Post: GetWeather [T+1330ms] 📊 ChatClient Pre (第2次) [T+2500ms] 📊 ChatClient Post (第2次) [T+2510ms] 🛡️ Agent Run Post

📊 触发次数统计

场景:调用 2 个工具

Agent Run 中间件: 1 次 ChatClient 中间件: 2 次(初始调用 + 工具结果后调用) Function 中间件: 2 次(每个工具各 1 次)

计数器验证代码

var agentRunCount = 0; var chatClientCount = 0; var functionCount = 0; // 统计后输出 Console.WriteLine($"Agent Run: {agentRunCount} 次"); Console.WriteLine($"ChatClient: {chatClientCount} 次"); Console.WriteLine($"Function: {functionCount} 次");

🏢 企业级最佳实践

中间件注册顺序

注册顺序

执行顺序

推荐中间件

1️⃣ 最先注册

最外层

日志、监控

2️⃣ 中间注册

中间层

安全、限流

3️⃣ 最后注册

最内层

缓存、重试

注册顺序示例

var agent = chatClient.CreateAIAgent(...) .AsBuilder() .Use(LoggingMiddleware) // 最先注册 → 最外层 .Use(SecurityMiddleware) // 中间注册 → 中间层 .Use(CachingMiddleware) // 最后注册 → 最内层 .Build();

执行顺序:

请求 → Logging → Security → Caching → AI模型 响应 ← Logging ← Security ← Caching ←

🎯 总结

  • 洋葱模型:请求从外向内穿透,响应从内向外返回

  • 触发频率:Agent Run 1次,ChatClient/Function 多次

  • 注册顺序:先注册 = 更外层 = 先执行 Pre、后执行 Post

  • 实践建议:日志最外层,缓存最内层


如需获取文章配套完整代码,可扫码咨询领取。👇

http://www.jsqmd.com/news/116752/

相关文章:

  • 41、掌握项目管理利器:自定义工具栏与挣值分析全解
  • 集成ASR/TTS/LLM,Linly-Talker实现真正自然对话
  • OpenCVSharp:在实际应用中使用 KAZE 算法进行特征匹配
  • Linly-Talker在老年陪伴机器人中的情感交互尝试
  • Linly-Talker动态口型同步精度达到行业领先水平
  • 42、项目管理中的关键分析与资源整合
  • 谁说 C# 做不了工业视觉?图像处理、相机标定、色彩识别,三件套全齐(无需 OpenCV)
  • 56、掌握 Microsoft Project 2003:全面指南
  • Linly-Talker人脸重演技术原理剖析
  • Linly-Talker支持姿态微调,提升动作自然度
  • Linly-Talker与RVC结合:实现更真实的歌声克隆数字人
  • qdrant-dotnet:官方提供的开源 .NET 客户端库,用于与 Qdrant 向量搜索引擎操作!
  • Linly-Talker生成视频背景虚化效果实现方式
  • Linly-Talker与Azure语音服务对比评测
  • 43、掌握 Microsoft Project 2003 资源池管理技巧
  • 基于Linly-Talker的虚拟偶像孵化计划启动
  • 50、掌握项目管理:时间、成本、范围与工具运用
  • 企业级应用首选!Linly-Talker支持高并发数字人交互场景
  • Linly-Talker语音克隆功能实测:声音还原度高达95%
  • 44、掌握项目管理:资源池与合并项目的高效运用
  • 21、网络管理脚本实用指南
  • Linly-Talker支持移动端部署,Android/iOS均可运行
  • 51、掌握 Microsoft Project 2003:项目管理的全面指南
  • 39、掌握 Microsoft Project 2003 视图格式化与项目定制
  • 40、掌握 Microsoft Project 2003 宏录制与编辑技巧
  • 52、掌握 Microsoft Project 2003:全方位指南
  • 告别复杂流程!Linly-Talker一站式数字人生成系统上线
  • 零基础也能做数字人?Linly-Talker开源镜像全面开放
  • Linly-Talker表情驱动算法原理解读(LSTM+FACS)
  • 45、项目管理进阶:跨项目依赖与企业级项目管理