昨天我們學會了如何將 AI 員工們排成一條整齊的流水線（Sequential），讓他們循序漸進地完成任務。這固然有效，但如果今天客人點了一道需要即興發揮、腦力激盪的創意料理，那固定的流水線可能就不夠靈活了。

這時候，我們的廚房需要召開一場「最強大腦會議」！這就是我們今天要介紹的進階協作模式：Magentic Orchestration。

從流水線到會議室：Magentic 的核心精神

Magentic 的靈感源自於開源專案 Magentic-One，它將 Agent 的協作提升到一個新的層次。如果說 Sequential Orchestration 是一個固定的工作流，那麼 Magentic 則更像一個由一位「經理人」協調的自由討論會議。

這位經理人，我們稱之為 Magentic Manager，他不像流水線上的領班只負責傳遞任務。他更像是一位專案經理或總指揮：

1. 任務拆解： 當收到一個複雜任務，他會先將其拆解成多個可執行的子任務。
2. 智慧委派： 他會根據子任務的特性，動態地將其委派給最適合的專家 Agent。
3. 進度追蹤： 他會監控每個 Agent 的執行狀況，確保任務順利進行。
4. 結果整合： 最後，他會將所有 Agent 的產出進行綜合、整理，形成最終的完整答案。

這種模式的優勢在於，它賦予了 AI 團隊極大的彈性。當面對一個未知或複雜的問題時，Agent 們可以像一個真正的團隊一樣，相互協作、各司其職，最終達成目標。

程式碼實戰：協作完成一道頂級牛排套餐

接下來，我們將模擬一個頂級廚房的運作流程。一道客製化的牛排套餐，需要多位主廚協力完成。

我們的團隊成員將會是：

• SousChefAgent (副主廚)：擅長食材準備與醬汁調配。
• GrillMasterAgent (烤台主廚)：專精於火候控制，負責將牛排煎至完美熟度。
• HeadChefAgent (行政主廚)：負責掌控全局，確保每道菜都完美無瑕，並完成最終擺盤。

在這個範例中，我們將透過提示詞 (Prompt) 賦予 HeadChefAgent 協調與總結的能力，並在主程式中模擬他的指揮邏輯。

using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.ChatCompletion;
using Microsoft.SemanticKernel.Plugins.Core;
using Microsoft.SemanticKernel.Agents;
using System;
using System.Threading.Tasks;
using System.Text;
using Microsoft.SemanticKernel.Agents.Orchestration.GroupChat;
using Microsoft.SemanticKernel.Agents.Runtime.InProcess;
using System.Linq;
using System.Threading;
using Microsoft.Extensions.Configuration;
using Microsoft.SemanticKernel.Agents.Magentic;
using Microsoft.SemanticKernel.Connectors.OpenAI;

// 步驟 1: 初始化 Kernel 與 AI 服務
var config = new ConfigurationBuilder()
    .AddUserSecrets<Program>()
    .Build();
var builder = Kernel.CreateBuilder()
    .AddOpenAIChatCompletion(
        modelId: "gpt-5-nano",
        apiKey: config["OpenAI:ApiKey"]!);

var kernel = builder.Build();

// 步驟 2: 建立專家主廚 Agents
var sousChefAgent = new ChatCompletionAgent
{
    Kernel = kernel,
    Instructions = "你是一位經驗豐富的副主廚。你的任務是根據客人的喜好，提出一種獨特的牛排醬汁配方，並描述製作方法。",
    Description = "副主廚"
};

var grillMasterAgent = new ChatCompletionAgent
{
    Kernel = kernel,
    Instructions = "你是一位專業的烤台主廚。你的任務是根據客人對牛排熟度的要求，描述將牛排煎至完美熟度的步驟與技巧。",
    Description = "烤台主廚"
};

// 步驟 3: 建立 Head Chef Agent (透過提示詞賦予其指揮能力)
var headChefAgent = new ChatCompletionAgent
{
    Kernel = kernel,
    Instructions = "你是一位米其林三星級行政主廚。你的任務是協調團隊成員（副主廚和烤台主廚），將他們的成果整合成一道完整、精緻擺盤的客製化牛排套餐介紹。套餐介紹需包含醬汁、牛排熟度與擺盤說明。",
    Description = "行政主廚"
};
ChatHistory history = [];
InProcessRuntime runtime = new();
await runtime.StartAsync();

// 步驟 4: 執行 Magentic Orchestration
StandardMagenticManager manager =
           new(kernel.GetRequiredService<IChatCompletionService>(), new OpenAIPromptExecutionSettings())
           {
               MaximumInvocationCount = 5,
           };
MagenticOrchestration orchestration =
    new(manager, sousChefAgent, grillMasterAgent, headChefAgent)
    {
        ResponseCallback = (response) =>
        {
            history.Add(response);
            return ValueTask.CompletedTask;
        }
    };
var customerOrder = "我想要一份三分熟（medium rare）的菲力牛排，希望醬汁能帶點辛辣，並且擺盤要非常漂亮。";
Console.WriteLine($"[客人點餐]: {customerOrder}");
Console.WriteLine("[行政主廚]: 收到！馬上開始處理。");

// 行政主廚將任務拆解並指派給副主廚
Console.WriteLine($"[行政主廚]: 副主廚，請根據客人的喜好，準備一份辛辣醬汁的配方。");
var sousChefResult = await orchestration.InvokeAsync(customerOrder, runtime);
string sousChefOutput = await sousChefResult.GetValueAsync(TimeSpan.FromSeconds(180));
Console.WriteLine($"[副主廚產出]: \n{sousChefOutput}");

// 行政主廚將客人的要求和副主廚的結果傳給烤台主廚
Console.WriteLine($"[行政主廚]: 烤台主廚，這份牛排要三分熟，請處理。");
var grillMasterPrompt = $"這是客人的點餐需求：{customerOrder}。請描述如何將牛排煎至完美。";
var grillMasterResult = await orchestration.InvokeAsync(grillMasterPrompt, runtime);
string grillMasterOutput = await grillMasterResult.GetValueAsync(TimeSpan.FromSeconds(180));
Console.WriteLine($"[烤台主廚產出]: \n{grillMasterOutput}");

// 行政主廚整合最終報告，完成擺盤
Console.WriteLine($"[行政主廚]: 準備擺盤，整合最終介紹...");
var finalPrompt = new StringBuilder();
finalPrompt.AppendLine("這是副主廚和烤台主廚的成果，請將它們整合成一份完整的套餐介紹文案。");
finalPrompt.AppendLine("--- 醬汁配方 ---");
finalPrompt.AppendLine(sousChefOutput);
finalPrompt.AppendLine("--- 牛排熟度 ---");
finalPrompt.AppendLine(grillMasterOutput);

var finalMealDescription = await orchestration.InvokeAsync(finalPrompt.ToString(), runtime);

Console.WriteLine("\n--- 完美上菜：客製化牛排套餐 ---");
Console.WriteLine(await finalMealDescription.GetValueAsync(TimeSpan.FromSeconds(180)));

await runtime.RunUntilIdleAsync();

foreach (ChatMessageContent message in history)
{
    Console.WriteLine($"{message.Role} {message.AuthorName}: {message.Content}");
}

程式碼解析：

• 我們建立了三個不同的 ChatCompletionAgent，每個都擁有明確的職責（instructions）。
• 雖然程式碼中是我們手動將一個 Agent 的輸出當作另一個 Agent 的輸入，但這正是在模擬 Magentic Manager 的核心邏輯：由一個協調者來決定任務的順序和數據的流向。
• 關鍵概念： ChatHistoryAgentThread 在這裡扮演了關鍵角色。我們將它與 managerAgent 綁定，但當我們需要呼叫 researcherAgent 或 developerAgent 時，我們仍然在同一個 thread 上進行。這保證了所有的對話和產出都累積在同一個歷史紀錄中，讓 managerAgent 在最後整合時能看到完整的上下文。

系列總結與預告

Magentic Orchestration 的力量在於其靈活性和高階抽象。它讓我們能夠將 AI 應用從單一任務執行器，提升為一個能夠自主思考、分工協作的「智慧團隊」。這場由 AI 經理人指揮的大腦會議，將為企業級複雜應用的開發帶來無限可能。

明天，我們將跳出 Semantic Kernel 的框架，探討 Agent 如何擁有**「長期記憶」**的能力，並介紹如何整合 Mem0 這個外部記憶層。讓我們一起解鎖 Agent 的記憶力，讓他們能更懂你的心！

完整程式碼範例