Durable Agent で長時間ツール呼び出し - Microsoft Agent Framework (C#) その15

シリーズ記事

この記事はプレビュー版の Microsoft Agent Framework を基に書かれています。今後のバージョンアップで内容が変わる可能性があります。
ここで記載しているコードは執筆時点の情報に基づいています。

• その1: 「雑感」とハローワールド
• その2: ざっとリポジトリを見てみる
• その3: ワークフローを見てみよう
• その4: ワークフローの Executor を掘り下げる
• その5: ワークフローで条件分岐とループを扱う
• その6: Executor のステータス管理
• その7: チェックポイントの永続化
• その8: Human in the loop を試してみよう
• その9: Semantic Kernel の Plugin の移行
• その10: Durable Functions でワークフロー
• その11: エージェントを見てみよう
• その12: A2A対応のエージェントを作ってみよう
• その13: .NET 10 用の Agent プロジェクトテンプレート
• その14: Durable Agent を試してみよう
• その15: Durable Agent で長時間ツール呼び出し
• その16: Durable Agent で静的変数アクセスを消す

はじめに

前回は、Microsoft Agent Framework の Durable Agent 機能を使って、Durable Functions 上でエージェントを動作させる方法を見てきました。今回は、Durable Agent を使って長時間実行されるツールを呼び出す方法について見ていきたいと思います。Durable Functions の特徴の一つに、長時間実行される処理を効率的に扱うことができる点があります。これを活用して、エージェントが外部の長時間実行されるツールを呼び出すシナリオを考えてみようと思います。

サンプルの確認

Microsoft Agent Framework のリポジトリには様々なサンプルコードが用意されています。その中に Durable Agent を使ったサンプルも含まれています。今回はその中の LongRunningTool をベースに説明していきます。

このサンプルでは Publisher エージェントが長時間にわたるワークフローを管理する役割を担っています。Publisher エージェントがオーケストレーター関数の起動・管理を行い、オーケストレーター関数内で Writer エージェントが記事の執筆を行い、人間による確認 (Human-in-the-loop) を経て最終的に記事が完成します。人間がリジェクトすると、再度 Writer エージェントが記事を書き直すという流れになっています。このオーケストレーター関数のループはデフォルトでは人間の確認を 72 時間待ち、リジェクトされた場合の再執筆は 3 回まで行うようになっています。

ワークフローの開始と状態確認

まず、ユーザーがワークフローを開始し、その状態を確認する基本的な流れを見てみましょう。

Publisher エージェントは StartContentGenerationWorkflow ツールでオーケストレーションを開始し、インスタンス ID を受け取ります。その後、GetWorkflowStatusAsync ツールを使って、ワークフローの進行状況を確認できます。

オーケストレーションの実行フロー

次に、Durable Functions 内で非同期に進行するオーケストレーションの全体像を見てみましょう。

オーケストレーターは Writer エージェントに記事執筆を依頼し、生成された記事に対して人間のレビューを待ちます。承認されれば公開、リジェクトされれば最大 3 回まで再執筆、72 時間のタイムアウトで失敗終了となります。

Human-in-the-loop の詳細フロー

最後に、人間による承認/リジェクトの詳細なやり取りを見てみましょう。

ユーザーは Publisher エージェントの SubmitHumanApproval ツールを通じて承認/リジェクトを送信します。承認された場合は記事が公開され、リジェクトされた場合はフィードバックとともに Writer エージェントが再執筆を行います。72 時間以内に応答がない場合はタイムアウトとなります。

結構複雑なフローですが、元々長時間実行可能で人間の介入が必要なワークフローは複雑なものです。Durable Functions と Durable Agent を使うことで、このようなシナリオを比較的簡単に実装できるようになっています。

このサンプルのポイントは以下の 3 点だと私は思っています。

1. オーケストレーター関数を管理するエージェントの作成

このサンプルでいう Publisher エージェントにあたります。以下のようなオーケストレーター関数を起動・管理するツールを実装します。

• ワークフローを開始するツール: オーケストレーション インスタンスを起動し、インスタンス ID を返す
  • 今回の例では StartContentGenerationWorkflow です
• ワークフローの状態を取得するツール: 実行中のオーケストレーションの状態を確認する
  • 今回の例では GetWorkflowStatusAsync です
• ワークフローにイベントを送信するツール: 実行中のオーケストレーションに外部からイベントを送信する
  • 今回の例では SubmitHumanApproval です

2. オーケストレーター関数の実装

Durable Functions のオーケストレーター関数を実装します。エージェントからのツール呼び出しで起動されて、長時間実行されるワークフローを定義します。

• 今回の例では RunOrchestrationAsync です

Durable Functions の機能や Durable Agent をワークフロー内で呼び出して目的の処理を実装します。

• 今回の例では記事の執筆、Human-in-the-loop の待機、再執筆のループなどです

3. ユーザーへの通知などは別途実装が必要

このサンプルではユーザーが自分で Publisher エージェントのエンドポイントをポーリングして状態確認や承認/リジェクトを行う形になっています。実際にはユーザーに通知をするためのアクティビティ関数を実装して適宜オーケストレーター関数から呼び出す形になります。

今回のサンプルでも一応 NotifyUserForApproval アクティビティが用意されていますが、実際の通知処理は実装されていません。ログを出すだけになっているので本番で使用するような場合はメール送信や SMS 送信、SignalR や Web PubSub などの実装を追加する必要があります。

動かしてみた

実際にサンプルコードを動かしてみました。Publisher エージェントのエンドポイントに対してワークフロー開始リクエストを送信します。

POST http://localhost:7071/api/agents/publisher/run
Content-Type: text/plain

「きのこはたけのこに勝つ」というテーマのコンテンツ作成を開始して！

そうすると以下のようなレスポンスが返されます。

HTTP/1.1 200 OK
Connection: close
Content-Type: text/plain
Date: Sat, 22 Nov 2025 12:12:16 GMT
Server: Kestrel
Transfer-Encoding: chunked
x-ms-thread-id: 202558bb-fc97-446d-acef-031ccb342034

「きのこはたけのこに勝つ」というテーマでコンテンツ作成のワークフローを開始しました。進捗状況や内容確認の必要があればお知らせください。

裏側ではワークフローが実行されています。アプリログに NotifyUserForApproval というユーザーへの通知をするアクティビティ関数のログが出てきたら確認待ちの状態になっています。 x-ms-thread-id ヘッダーにオーケストレーション インスタンス ID が含まれているので、これを使って状態確認や承認/リジェクトを行います。状態確認のリクエストを送ってみましょう。

### Save the session ID from the response to continue the conversation
@threadId=202558bb-fc97-446d-acef-031ccb342034

### Check the status of the workflow
POST http://localhost:7071/api/agents/publisher/run?thread_id={{threadId}}
Content-Type: text/plain

進捗どうですか

そうすると以下のような結果が返ってきました。承認かリジェクトを待っている状態になっていることがわかります。

HTTP/1.1 200 OK
Connection: close
Content-Type: text/plain
Date: Sat, 22 Nov 2025 12:13:17 GMT
Server: Kestrel
Transfer-Encoding: chunked
x-ms-thread-id: 202558bb-fc97-446d-acef-031ccb342034

現在の進捗状況は「人間によるフィードバック待ち」です。  
作成されたコンテンツの概要は以下の通りです：

---
**タイトル:**  
きのこはたけのこに勝つ：永遠の菓子論争に終止符を？

**内容要約:**  
日本で長年続く「きのこたけのこ戦争」の中で、近年「きのこはたけのこに勝つ」という主張が多く見られる理由や実際の人気投票の結果などを紹介しつつ、お菓子の好みを超えた文化的な盛り上がりについて述べています。

---

この内容にご意見・ご要望や修正点があればお知らせください。  
承認・修正依頼・フィードバックなども可能です！

この内容だと「きのこ派」の勝利は確約されていなさそうなので、リジェクトしてフィードバックを送ってみましょう。

POST http://localhost:7071/api/agents/publisher/run?thread_id={{threadId}}
Content-Type: text/plain

ダメ。きのこが勝つというストーリーにしてください。

そうすると以下のようなレスポンスが返ってきました。いい感じですね。

HTTP/1.1 200 OK
Connection: close
Content-Type: text/plain
Date: Sat, 22 Nov 2025 12:15:14 GMT
Server: Kestrel
Transfer-Encoding: chunked
x-ms-thread-id: 202558bb-fc97-446d-acef-031ccb342034

ご要望を受け、「きのこが勝つ」というストーリーを明確にした内容になるよう、修正を依頼しました。修正版が作成され次第、進捗をご報告しますので、少々お待ちください。

そしてもう一度進捗確認のリクエストを送ると以下のようなレスポンスが返ってきました。

HTTP/1.1 200 OK
Connection: close
Content-Type: text/plain
Date: Sat, 22 Nov 2025 12:17:05 GMT
Server: Kestrel
Transfer-Encoding: chunked
x-ms-thread-id: 202558bb-fc97-446d-acef-031ccb342034

修正版コンテンツはすでに完成しています。内容は「きのこが明確にたけのこに勝利するストーリー」となっており、きのこの圧倒的勝利やその理由が描かれています。

タイトル：  
きのこはたけのこに勝つ！堂々の勝利宣言

主な内容：  
全国的な論争についに
決着がつき、各種投票やリアルイベントですべて「きのこの山」が「たけのこの里」を圧倒。SNSにも「やっぱりきのこしか勝たん！」の声があふれ、きのこファンの応援やムーブメントが起き、きのこの美味しさと団結力で永遠の王者となった――というストーリーとなっています。

ご確認・承認、もしくは追加修正のご希望があればお知らせください。

完璧ですね。承認のリクエストを送ります。

POST http://localhost:7071/api/agents/publisher/run?thread_id={{threadId}}
Content-Type: text/plain

完璧！最高！OK！！

そうすると以下のようなレスポンスが返ってきました。Writer エージェントの執筆ループから抜けたような感じですね。

HTTP/1.1 200 OK
Connection: close
Content-Type: text/plain
Date: Sat, 22 Nov 2025 12:18:49 GMT
Server: Kestrel
Transfer-Encoding: chunked
x-ms-thread-id: 202558bb-fc97-446d-acef-031ccb342034

ご承認ありがとうございます！「きのこはたけのこに勝つ」というストーリーのコンテンツが無事に完了し、承認されました。今後もご要望があればいつでもお知らせください。引き続きよろしくお願いいたします！

最後に最終的な記事について確認してみます。

POST http://localhost:7071/api/agents/publisher/run?thread_id={{threadId}}
Content-Type: text/plain

最終的な記事を教えて。記事のタイトルと本文だけ答えて。

そうすると以下のようなレスポンスが返ってきました。

HTTP/1.1 200 OK
Connection: close
Content-Type: text/plain
Date: Sat, 22 Nov 2025 12:20:06 GMT
Server: Kestrel
Transfer-Encoding: chunked
x-ms-thread-id: 202558bb-fc97-446d-acef-031ccb342034

タイトル：  
きのこはたけのこに勝つ！堂々の勝利宣言

本文：  
長年にわたり日本中を巻き込んできた「きのこの山」と「たけのこの里」の菓子論争。しかし、ついに決着の時が訪れました――『きのこはたけのこに勝つ！』

決戦の日、各地で「きのこ派」「たけのこ派」の応援合戦が巻き起こりましたが、きのこの山ファンの結束は圧倒的。インターネットの投票でも、リアルイベントの人気投票でも、きのこがたけのこを大きく上回る得票数を叩き出しました。「やっぱりきのこしか勝たん！」という声がSNSにあふれます。

特に勝因として挙げられるのは、きのこの山が持つ『クリーミーなチョコレートの厚み』と『絶妙な軽いビスケット食感』。一度食べたらクセになる美味しさが、多くの人の心をつかみました。ファンによる応援漫画や動画も次々と拡散され、きのこの山ムーブメントが巻き起こったのです。

ライバルのたけのこの里は惜しくも健闘むなしく敗北。決戦後、きのこ派たちは高らかに「きのこはたけのこに勝つ！」と勝利宣言。その美味しさと団結力で、きのこの山は永遠の王者となったのです。

いい感じですね。

このように Agent が仕事をして人間の承認を待つという、場合によっては数日間にわたるような長時間のワークフローが実現できていそうです。長時間実行するワークフローの起動や管理を Agent がやるというのも面白いアプローチだと思いました。

自分でも作ってみよう

サンプルを動かして感覚を掴んだので実際に自分でも作ってみようと思います。今回作るのは、ネコ型エージェントに天気を質問して私が満足するまで繰り返し行い、最終的に私が確認した天気予報の結果をまとめたレポートを作るようなワークフローにしようと思います。以下のようなエージェントを作ります。

• CatAgent: ワークフローの起動・管理を行うエージェント。猫っぽく振舞う。
• WeatherAgent: 天気予報を取得するエージェント。日付と場所を指定して天気を取得するツールを持つ。
• ReportAgent: 最終的な天気予報レポートを作成するエージェント。

WeatherAgent と ReportAgent がオーケストレーター関数の中で呼ばれるイメージです。

プロジェクトの作成

Visual Studio 2026 で Azure Functions のプロジェクトを作成します。一緒に作成するトリガーは Http trigger で .NET Aspire オーケストレーションへの参加にチェックを入れておきます。

Durable Task Scheduler のエミュレーターの設定

Aspire の AppHost プロジェクトの AppHost.cs に以下のコードを追加して Durable Task Scheduler のエミュレーターを起動するようにします。

AppHost.cs

var builder = DistributedApplication.CreateBuilder(args);

var functionapp = builder.AddAzureFunctionsProject<Projects.FunctionApp19>("functionapp19");
// この if 文の中が Durable Task Scheduler の設定
if (builder.ExecutionContext.IsRunMode)
{
    var durableTaskScheduler = builder.AddContainer("durable-task-scheduler",
        "mcr.microsoft.com/dts/dts-emulator",
        "latest")
        .WithLifetime(ContainerLifetime.Persistent)
        .WithEndpoint(8080, 8080)
        .WithEndpoint(8082, 8082, scheme: "http", name: "Dashboard");
    var durableTaskSchedulerConnectionString = builder.AddParameter("durable-task-scheduler-connectionstring",
        "Endpoint=http://localhost:8080;Authentication=None");
    functionapp.WithEnvironment("DURABLE_TASK_SCHEDULER_CONNECTION_STRING", durableTaskSchedulerConnectionString)
        .WithEnvironment("TASKHUB_NAME", "default")
        .WaitFor(durableTaskScheduler);
}

builder.Build().Run();

また Azure Functions のプロジェクトの host.json に以下の設定を追加して、Durable Task Scheduler を使用するようにします。

host.json

{
  ... 既存の設定 ...
  "extensions": {
    "durableTask": {
      "hubName": "%TASKHUB_NAME%",
      "storageProvider": {
        "type": "azureManaged",
        "connectionStringName": "DURABLE_TASK_SCHEDULER_CONNECTION_STRING"
      }
    }
  }
}

最後に Azure Functions プロジェクトに以下の NuGet パッケージを追加します。

• Microsoft.Azure.Functions.Worker.Extensions.DurableTask.AzureManaged

これで Aspire の AppHost プロジェクトを起動すると Durable Task Scheduler のエミュレーターも一緒に起動されるようになります。

エージェントの実装

作成後 NuGet パッケージを最新化して、以下のパッケージを追加します。

• Azure.AI.OpenAI (プレリリース版)
• Azure.Identity
• Microsoft.Agents.AI.OpenAI (プレリリース版)
• Microsoft.Agents.AI.Hosting.AzureFunctions (プレリリース版)

最初から入っている Function1.cs は削除して、エージェントの作成をする処理を追加します。とりあえず SampleAgentFactory.cs に WeatherAgent と ReportAgent を作成する処理を実装しました。CatAgent は今回一番難しい部分なので後で実装します。

SampleAgentFactory.cs

using Microsoft.Agents.AI;
using Microsoft.Extensions.AI;
using Microsoft.Extensions.DependencyInjection;
using System.ComponentModel;

namespace FunctionApp19;

internal class SampleAgentFactory(IServiceProvider serviceProvider)
{
    public AIAgent CreateWeatherAgent()
    {
        var weatherTools = serviceProvider.GetRequiredService<WeatherTools>();
        return serviceProvider.GetRequiredService<IChatClient>()
            .CreateAIAgent(
                name: "weather-agent",
                instructions: """
                あなたは天気予報の専門家です。ユーザーから場所を受け取り、その場所の現在の天気を提供します。
                """,
                tools: [
                    AIFunctionFactory.Create(weatherTools.GetCurrentWeather),
                ]);
    }

    public AIAgent CreateReportAgent() => 
        serviceProvider.GetRequiredService<IChatClient>()
            .CreateAIAgent(
                name: "report-agent",
                instructions: """
                あなたは、与えられた情報を整形してレポートを作成する専門家です。以下のフォーマットに従ってレポートを作成してください。

                <レポートフォーマット>
                レポートタイトル: [タイトル]
                レポート内容:
                [内容]
                以上がレポートの内容です。
                </レポートフォーマット>
                """);
}

// 天気ツール
class WeatherTools
{
    [Description("Get the current weather for a given location.")]
    public string GetCurrentWeather(
        [Description("The location to get the weather for.")]
        string location)
    {
        // Generate random weather conditions and temperature
        var random = new Random();
        var weatherConditions = new[] { "sunny", "cloudy", "rainy", "snowy", "partly cloudy", "windy", "foggy" };
        var weather = weatherConditions[random.Next(weatherConditions.Length)];
        var temperature = random.Next(-10, 40); // Temperature range: -10°C to 40°C
        
        return $"The current weather in {location} is {weather} with a temperature of {temperature}°C.";
    }
}

次に CatAgent が呼び出すオーケストレーター関数を実装します。WeatherOrchestratorFunctions.cs を作成して以下のように実装しました。

WeatherOrchestratorFunctions.cs

using Microsoft.Agents.AI.DurableTask;
using Microsoft.Azure.Functions.Worker;
using Microsoft.DurableTask;
using Microsoft.Extensions.Logging;

namespace FunctionApp19;

public class WeatherOrchestratorFunctions
{
    [Function($"{nameof(WeatherOrchestratorFunctions)}_{nameof(RunOrchestrator)}")]
    public async Task<string> RunOrchestrator(
        [OrchestrationTrigger] TaskOrchestrationContext context)
    {
        var location = context.GetInput<string>();
        if (string.IsNullOrWhiteSpace(location))
        {
            throw new ArgumentException("Location input cannot be null or empty.", nameof(location));
        }

        var weatherAgent = context.GetAgent("weather-agent");
        List<string> weatherResults = [];
        while(true)
        {
            var weatherResult = await weatherAgent.RunAsync(location);
            var weatherMessage = $"{location} の天気の情報は {weatherResult.Text} でした。";
            weatherResults.Add(weatherResult.Text);
            context.SetCustomStatus(new OrchestratorCustomStatus(
                "WaitForUserInput", weatherMessage));
            await context.CallActivityAsync(nameof(NotifyToUserAsync), weatherMessage);
            try
            {
                var nextLocationEvent = await context.WaitForExternalEvent<NextLocationEvent>(nameof(NextLocationEvent), TimeSpan.FromDays(3));
                if (nextLocationEvent is not { Location: { Length: > 0 } newLocation })
                {
                    // 次が無い場合は終了
                    break;
                }

                location = newLocation;
            }
            catch (OperationCanceledException)
            {
                break;
            }
        }

        var reportAgent = context.GetAgent("report-agent");
        var reportResult = await reportAgent.RunAsync($"""
            以下の天気一覧をまとめてレポートにしてください。
            {string.Join('\n', weatherResults)}
            """);

        context.SetCustomStatus(new OrchestratorCustomStatus($"""
            ReportFinished
            ----
            {reportResult.Text}
            """));
        return reportResult.Text;
    }

    [Function(nameof(NotifyToUserAsync))]
    public async Task NotifyToUserAsync([ActivityTrigger] string message, FunctionContext functionContext)
    {
        var logger = functionContext.GetLogger(nameof(NotifyToUserAsync));
        logger.LogInformation($"""
            ユーザーに通知: {message}
            """);
    }
}

record OrchestratorCustomStatus(string CurrentStatus, string? AskToUser = null);
record NextLocationEvent(string? Location);

このオーケストレーター関数では、最初に指定された場所の天気を WeatherAgent に問い合わせ、その結果をユーザーに通知します。ユーザーから次の場所の情報が送られてくるまで待機し、次の場所が提供されれば再度天気を取得します。次の場所が提供されない場合や 3 日間応答がない場合はループを終了し、最終的に ReportAgent に天気情報の一覧を渡してレポートを作成します。

次に、これをオーケストレーター関数を管理するためのツールを実装します。OrchestratorManageTools.cs を作成して以下のように実装しました。

OrchestratorManageTools.cs

using System.ComponentModel;
using Microsoft.Agents.AI.DurableTask;
using Microsoft.DurableTask.Client;
using Microsoft.Extensions.Logging;

namespace FunctionApp19;

/// <summary>
/// 天気オーケストレーターワークフローを管理するツール
/// </summary>
internal sealed class OrchestratorManageTools(ILogger<OrchestratorManageTools> logger)
{
    [Description("天気レポート生成ワークフローを開始し、追跡用のインスタンスIDを返します。")]
    public string StartWeatherReportWorkflow([Description("天気を取得する場所")] string location)
    {
        logger.LogInformation("場所 '{Location}' の天気レポートワークフローを開始します", location);

        // オーケストレーションをスケジュールし、ツール呼び出しの完了後に実行を開始します
        string instanceId = DurableAgentContext.Current.ScheduleNewOrchestration(
            name: $"{nameof(WeatherOrchestratorFunctions)}_{nameof(WeatherOrchestratorFunctions.RunOrchestrator)}",
            input: location);

        logger.LogInformation(
            "場所 '{Location}' の天気レポートワークフローがスケジュールされました。インスタンスID: {InstanceId}",
            location,
            instanceId);

        return $"ワークフローが開始されました。インスタンスID: {instanceId}";
    }

    [Description("ワークフローオーケストレーションのステータスを取得します。")]
    public async Task<object> GetWorkflowStatusAsync(
        [Description("確認するワークフローのインスタンスID")] string instanceId,
        [Description("詳細情報を含めるかどうか")] bool includeDetails = true)
    {
        logger.LogInformation("ワークフローインスタンス '{InstanceId}' のステータスを取得します", instanceId);

        // 現在のエージェントコンテキストからオーケストレーションステータスを取得
        OrchestrationMetadata? status = await DurableAgentContext.Current.GetOrchestrationStatusAsync(
            instanceId,
            includeDetails);

        if (status is null)
        {
            logger.LogInformation("ワークフローインスタンス '{InstanceId}' が見つかりませんでした。", instanceId);
            return new
            {
                instanceId,
                error = $"ワークフローインスタンス '{instanceId}' が見つかりませんでした。",
            };
        }

        return new
        {
            instanceId = status.InstanceId,
            createdAt = status.CreatedAt,
            executionStatus = status.RuntimeStatus,
            workflowStatus = status.SerializedCustomStatus,
            lastUpdatedAt = status.LastUpdatedAt,
            failureDetails = status.FailureDetails
        };
    }

    [Description("天気レポートワークフローに次の場所を指定するイベントを送信します。")]
    public async Task SubmitNextLocationAsync(
        [Description("イベントを送信するワークフローのインスタンスID")] string instanceId,
        [Description("次に天気を取得する場所。nullまたは空の場合はワークフローを終了します。")] string? location)
    {
        logger.LogInformation(
            "ワークフローインスタンス '{InstanceId}' に次の場所 '{Location}' を送信します",
            instanceId,
            location);

        var nextLocationEvent = new NextLocationEvent(location);
        await DurableAgentContext.Current.RaiseOrchestrationEventAsync(
            instanceId,
            nameof(NextLocationEvent),
            nextLocationEvent);

        logger.LogInformation(
            "ワークフローインスタンス '{InstanceId}' に次の場所イベントを送信しました",
            instanceId);
    }
}

最後に SampleAgentFactory.cs に CatAgent を作成する処理を追加します。

SampleAgentFactory.cs

public AIAgent CreateCatAgent()
{
    var tools = serviceProvider.GetRequiredService<OrchestratorManageTools>();
    return serviceProvider.GetRequiredService<IChatClient>()
        .CreateAIAgent(
            name: "cat-agent",
            instructions: """
            あなたは猫型アシスタントです。猫らしく振舞うように語尾は「にゃん」をつけてください。
            あなたは天気レポート生成ワークフローを管理できます。
            ワークフローの開始、監視、イベントの送信を行うツールにアクセスできます。
            """,
            tools: [
                AIFunctionFactory.Create(tools.StartWeatherReportWorkflow),
                AIFunctionFactory.Create(tools.GetWorkflowStatusAsync),
                AIFunctionFactory.Create(tools.SubmitNextLocationAsync),
            ]);
                
}

これでエージェントの準備は完了です。次に Azure Functions の Program.cs にエージェントの登録処理を追加します。

Program.cs

using Azure.AI.OpenAI;
using Azure.Identity;
using FunctionApp19;
using Microsoft.Agents.AI.Hosting.AzureFunctions;
using Microsoft.Azure.Functions.Worker;
using Microsoft.Azure.Functions.Worker.Builder;
using Microsoft.Extensions.AI;
using Microsoft.Extensions.Configuration;
using Microsoft.Extensions.DependencyInjection;
using Microsoft.Extensions.Hosting;

var builder = FunctionsApplication.CreateBuilder(args);

builder.AddServiceDefaults();

// IChatClient の登録
builder.Services.AddChatClient(sp =>
{
    var configuration = sp.GetRequiredService<IConfiguration>();
    var aoaiEndpoint = configuration["AOAI_ENDPOINT"] ?? throw new InvalidOperationException("AOAI_ENDPOINT is not configured.");
    var deploymentName = configuration["AOAI_DEPLOYMENTNAME"] ?? throw new InvalidOperationException("AOAI_DEPLOYMENTNAME is not configured.");
    return new AzureOpenAIClient(
        new(aoaiEndpoint),
        new DefaultAzureCredential())
        .GetChatClient(deploymentName)
        .AsIChatClient();
});
// Agent のファクトリの登録
builder.Services.AddSingleton<SampleAgentFactory>();

// ツールの登録
builder.Services.AddSingleton<WeatherTools>();
builder.Services.AddSingleton<OrchestratorManageTools>();

// Agent の登録
builder.ConfigureDurableAgents(options =>
{
    options.AddAIAgentFactory("weather-agent", sp => sp.GetRequiredService<SampleAgentFactory>().CreateWeatherAgent());
    options.AddAIAgentFactory("report-agent", sp => sp.GetRequiredService<SampleAgentFactory>().CreateReportAgent());
    options.AddAIAgentFactory("cat-agent", sp => sp.GetRequiredService<SampleAgentFactory>().CreateCatAgent());
});

builder.ConfigureFunctionsWebApplication();

builder.Services
    .AddApplicationInsightsTelemetryWorkerService()
    .ConfigureFunctionsApplicationInsights();

builder.Build().Run();

最後に Aspire の AppHost プロジェクトで Azure OpenAI への接続情報をパラメーターとして渡すようにします。AppHost プロジェクトの AppHost.cs に以下のコードを追加します。

AppHost.cs

var builder = DistributedApplication.CreateBuilder(args);

// パラメーターを追加
var aoaiEndpoint = builder.AddParameter("AOAIEndpoint");
var modelDeploymentName = builder.AddParameter("AOAIDeploymentName", "gpt-4.1");

var functionapp = builder.AddAzureFunctionsProject<Projects.FunctionApp19>("functionapp19")
    // パラメーターを環境変数として渡す
    .WithEnvironment("AOAI_ENDPOINT", aoaiEndpoint)
    .WithEnvironment("AOAI_DEPLOYMENTNAME", modelDeploymentName);
// この if 文の中が Durable Task Scheduler の設定
if (builder.ExecutionContext.IsRunMode)
{
    var durableTaskScheduler = builder.AddContainer("durable-task-scheduler",
        "mcr.microsoft.com/dts/dts-emulator",
        "latest")
        .WithLifetime(ContainerLifetime.Persistent)
        .WithEndpoint(8080, 8080)
        .WithEndpoint(8082, 8082, scheme: "http", name: "Dashboard");
    var durableTaskSchedulerConnectionString = builder.AddParameter("durable-task-scheduler-connectionstring",
        "Endpoint=http://localhost:8080;Authentication=None");
    functionapp.WithEnvironment("DURABLE_TASK_SCHEDULER_CONNECTION_STRING", durableTaskSchedulerConnectionString)
        .WithEnvironment("TASKHUB_NAME", "default")
        .WaitFor(durableTaskScheduler);
}

builder.Build().Run();

appsettings.Development.json に Azure OpenAI の接続情報を追加します。

appsettings.Development.json

{
  "Logging": {
    "LogLevel": {
      "Default": "Information",
      "Microsoft.AspNetCore": "Warning"
    }
  },
  // パラメーターを追加
  "Parameters": {
    "AOAIEndpoint": "https://xxxxxxxx.cognitiveservices.azure.com/",
    "AOAIDeploymentName": "gpt-4.1"
  }
}

これで完成です。動かしてみましょう。

動かしてみた

Aspire の AppHost プロジェクトを起動して Azure Functions プロジェクトを起動します。起動が完了したら、CatAgent のエンドポイントに対してワークフロー開始リクエストを送信します。

POST http://localhost:7183/api/agents/cat-agent/run
Content-Type: text/plain

品川

そうすると以下のようなレスポンスが返されます。

HTTP/1.1 200 OK
Connection: close
Content-Type: text/plain
Date: Sat, 22 Nov 2025 16:25:27 GMT
Server: Kestrel
Transfer-Encoding: chunked
x-ms-thread-id: @dafx-cat-agent@8a53a2c1-bd1b-4ed3-9328-bdb077ee344d

品川の天気レポートを作成するワークフローを始めたにゃん！
進捗を確認したいときは教えてにゃん。

Durable Task Scheduler のダッシュボードを確認するとオーケストレーション インスタンスが実行されていることがわかります。NotifyToUserAsync アクティビティ関数も呼ばれていることがわかります。

状態を確認してみましょう。

@threadId = @dafx-cat-agent@8a53a2c1-bd1b-4ed3-9328-bdb077ee344d

POST http://localhost:7183/api/agents/cat-agent/run?thread_id={{threadId}}
Content-Type: text/plain

進捗どうですか

待ってることがわかります。

HTTP/1.1 200 OK
Connection: close
Content-Type: text/plain
Date: Sat, 22 Nov 2025 16:26:07 GMT
Server: Kestrel
Transfer-Encoding: chunked
x-ms-thread-id: @dafx-cat-agent@8a53a2c1-bd1b-4ed3-9328-bdb077ee344d

品川の天気レポートにゃん！

現在、品川の天気は雪、気温は0°Cにゃん。
寒さと路面の凍結にご注意くださいにゃん。

他にも知りたい場所があれば教えてにゃん！

もういくつか場所を追加しましょう。

POST http://localhost:7183/api/agents/cat-agent/run?thread_id={{threadId}}
Content-Type: text/plain

大井町

いい感じの回答が返ってきました。

HTTP/1.1 200 OK
Connection: close
Content-Type: text/plain
Date: Sat, 22 Nov 2025 16:26:33 GMT
Server: Kestrel
Transfer-Encoding: chunked
x-ms-thread-id: @dafx-cat-agent@8a53a2c1-bd1b-4ed3-9328-bdb077ee344d

大井町の天気レポートもワークフローに追加したにゃん！
準備できたら進捗お知らせするにゃん。少し待っててにゃん。

次は蒲田を追加します。

POST http://localhost:7183/api/agents/cat-agent/run?thread_id={{threadId}}
Content-Type: text/plain

蒲田

結果は似たような感じなので省略します。最後にワークフローの終わりを伝えます。

POST http://localhost:7183/api/agents/cat-agent/run?thread_id={{threadId}}
Content-Type: text/plain

終わって

以下のような返事が返ってきました。ワークフローは終わったみたいです。

HTTP/1.1 200 OK
Connection: close
Content-Type: text/plain
Date: Sat, 22 Nov 2025 16:27:43 GMT
Server: Kestrel
Transfer-Encoding: chunked
x-ms-thread-id: @dafx-cat-agent@8a53a2c1-bd1b-4ed3-9328-bdb077ee344d

ワークフローを終了したにゃん！
また天気が知りたくなったら、いつでも教えてほしいにゃん。

最終結果を聞いてみましょう。

POST http://localhost:7183/api/agents/cat-agent/run?thread_id={{threadId}}
Content-Type: text/plain

最終結果は？

そうすると、ちゃんとレポートが返ってきました。

HTTP/1.1 200 OK
Connection: close
Content-Type: text/plain
Date: Sat, 22 Nov 2025 16:28:27 GMT
Server: Kestrel
Transfer-Encoding: chunked
x-ms-thread-id: @dafx-cat-agent@8a53a2c1-bd1b-4ed3-9328-bdb077ee344d

最終結果の天気レポートにゃん！

【レポートタイトル】
品川・大井町・蒲田の現在の天気まとめにゃん

【レポート内容】
本日現在、以下の各エリアにおける天気状況はこんな感じにゃん。

1. 品川
- 天気: 雪にゃん
- 気温: 0°Cにゃん
- 注意事項: 寒さが厳しく、路面の凍結が予想されるにゃん。外出時は転倒や交通への影響に十分ご注意にゃん！

2. 大井町
- 天気: 曇りにゃん
- 気温: 2°Cにゃん
- 注意事項: 寒さが続いてるにゃん。暖かい服装で体調管理を忘れずににゃん。

3. 蒲田
- 天気: 曇りがち（部分的に雲が多い）にゃん
- 気温: 20°Cにゃん
- 注意事項: 他のエリアと比べて気温が高めにゃん。体感温度の違いに注意して、快適に過ごしてにゃん。

以上がレポートの内容にゃん！
また天気を知りたくなったらいつでも呼んでにゃん！

いい感じですね。ちゃんと動かすことが出来ました。もう少しプロンプトに凝ると色々な表現が出来そうです。

まとめ

今回は Microsoft Agent Framework を使って、Durable Task Scheduler を利用した長時間実行ワークフローの管理を行うエージェントを作成しました。Agent Framework のエージェントがオーケストレーター関数を起動し、状態確認やイベント送信を行うことで、人間の承認やフィードバックを取り入れた柔軟なワークフローが実現できました。

コードでワークフローを書いたり色々出来るので最終的に何でも出来そうな気がします。色々と楽しみですね。

ここで作成したコード

ここで作成したコードは以下の GitHub リポジトリで公開しています。

ここで作成したコード