Como Criar um Agente de IA em C# com o Microsoft Agent Framework

Em live code do canal Totvs Developers, o desenvolvedor Thiago Aguiar, especialista em C#, apresentou como construir um agente de inteligência artificial usando o Microsoft Agent Framework (MAF), unificação feita pela Microsoft para o desenvolvimento de agentes. Segundo ele, "se você vai criar um agente hoje, esse é o cara que a Microsoft indica você estar usando".

Thiago mostrou que a configuração mínima de um agente leva menos de dez linhas de código, usando uma LLM disponibilizada pelo Azure AI Foundry ou, alternativamente, uma chave direta da OpenAI.

5:03

Boas práticas de comportamento9:32

Antes de entrar no código, Thiago listou práticas que, segundo ele, independem do framework usado e definem se um agente parece ou não um robô. "Aquele melhor agente, eu acho que é aquele que não parece que é um robô", disse.

Ele detalhou o conceito de ritmo: respostas humanas costumam vir quebradas em várias mensagens e com algum atraso, e um agente que responde tudo de uma vez soa artificial. Também citou o conceito de "turno" (turn), o conjunto de mensagens que se refere a uma mesma intenção, que o agente deve aguardar antes de responder.

Outro ponto foi o contexto: um agente de atendimento precisa reconhecer quando uma conversa é continuação de outra, sem se reapresentar, e evitar loops de despedida infinitos. Sobre persona, recomendou dar nome ao agente, evitar a palavra "virtual" e o uso de travessão nos textos. "Um bote bem feito convence pessoas de que ele é uma pessoa", afirmou.

O agente de viagens22:57

A demonstração girou em torno de um agente de agência de viagens, batizado de Bia, que deveria conciliar passagem, hotel, passeio e restaurante conversando com o usuário, levando em conta clima, deslocamento e quem viaja. "A proposta é um assistente que resolve a viagem inteira conversando", resumiu Thiago.

24:49

Por trás do agente, um servidor MCP concentra as ferramentas (tools) que se conectam a APIs internas e externas, como cálculo de distância e preço de combustível. Thiago comparou o servidor MCP a um BFF: "ele nasceu ali para poder ter uma comunicação melhor, um intermediário entre seus serviços, APIs, bancos de dados e o agente".

A conversa com o agente28:28

Na prática, o apresentador simulou um pedido de viagem a Gramado em dezembro para duas pessoas, respondendo de forma fragmentada, como faria um usuário real. O agente interpretou as informações e, antes de buscar, perguntou detalhes sobre cidade de origem, datas e comodidades do hotel.

32:44

Ao consultar o servidor MCP, o agente não encontrou voos diretos nem hotéis com café da manhã para as datas pedidas. "Neste período não há hotéis disponíveis com café da manhã para quatro pessoas, para quatro noites", respondeu o sistema, sugerindo alternativas de cidades e datas.

Thiago também mostrou como a sugestão de restaurante trouxe a faixa de preço, informação relevante para o cliente, destacando que isso só acontece porque o system prompt orienta o modelo a valorizar esse dado.

Configuração e código do agente1:08:41

No código, a instanciação do agente recebe o client de chat, a lista de tools do MCP e, como ponto central, o campo instructions, onde fica o system prompt. Nele, Thiago define a persona Bia, o idioma, o tom e regras de escopo, como recusar assuntos fora de viagens.

1:00:25

Ele explicou que tools sensíveis, como criar ou cancelar reserva e comprar passagem, são marcadas para exigir aprovação explícita do cliente antes de executar, por meio de uma classe de middleware. "Vou fazer essa compra, esses são os dados, você quer realmente fechar a compra", descreveu como exemplo de confirmação.

Persistência do histórico1:07:31

Thiago reforçou a importância de salvar sessões e mensagens em banco de dados, e não apenas em memória, para que o histórico sobreviva a quedas de instância ou reinícios. "Um bom agente deve persistir ali a sessão e as mensagens que estão sendo trafegadas", disse.

No banco Postgres, ele mostrou tabelas de sessões e mensagens, com papéis de usuário, assistente e chamadas de tool (tool call), e explicou que essa gravação é feita por uma classe customizada que herda de um provider do próprio framework, obrigando a implementar métodos de leitura e escrita do histórico.

Azure AI Foundry e alternativas1:31:44

Questionado sobre o Azure AI Foundry, Thiago explicou que o serviço em si não é pago, mas o consumo de modelos dentro dele é cobrado por token. "O que a Microsoft indica é a adoção dele", disse sobre o framework completo para construção de agentes em .NET.

Como alternativa gratuita para quem quer apenas testar, ele indicou o OpenRouter, que lista modelos de texto gratuitos filtráveis por categoria, e mencionou contas de estudante da Microsoft com créditos mensais para uso do Foundry.