AI Agents and Production RAG with .NET

Start Learning Now

16 steps

AI Agents and Production RAG with .NET

Build one production-minded .NET agent system in working order: core agent, state, tools, safety, workflows, MCP, RAG, evaluation, operations, and hosting.

0%0/16 done

What You'll Learn

Build a stateful agent with current Microsoft Agent Framework APIs
Connect tools with approval, middleware, memory, workflows, and MCP
Implement a measurable RAG ingestion and retrieval pipeline
Operate indexes, latency, token budgets, security, and telemetry
Deliver a production Knowledge Support Agent workshop

Prerequisites

Comfortable writing modern C# and async code
Basic ASP.NET Core and dependency injection experience
Basic understanding of LLM prompts and embeddings

Course Architecture and Setup

text

Prepare .NET 10, Foundry, Agent Framework packages, credentials, and the target architecture.

เริ่มจาก architecture และ environment ก่อนครับ เพื่อให้ทุกบทต่อจาก baseline ชุดเดียวกัน

First Agent and Streaming

text

Create an AIAgent, run a response, add streaming, cancellation, and a failure checklist.

ทำ request แรกให้ผ่านก่อน แล้วเก็บ latency เป็น baseline สำหรับเทียบหลังเพิ่ม capability ครับ

Sessions and Persistence

text

Continue multi-turn conversations and safely serialize, restore, scope, and version session state.

เพิ่ม AgentSession หลัง agent รันได้ครับ จากนั้นค่อย persist และแยกขอบเขตของแต่ละ user

Function Tools and Structured Output

text

Create typed function tools, write useful descriptions, validate inputs, and return structured data.

ต่อ agent เข้ากับ application code ผ่าน contract ขนาดเล็ก พร้อม validation และ typed output ครับ

Human Approval and Middleware

text

Protect risky function calls with approval requests, durable pending state, policy, and audit controls.

วาง approval หน้า side effect และใช้ middleware ดูแล policy ที่ agents หลายตัวใช้ร่วมกันครับ

Memory and Context Management

text

Use AIContextProvider for scoped memory, then reduce and compact growing conversation context.

แยก session history จาก long-term memory และคุม context growth ก่อน conversation เริ่มยาวครับ

Agent Composition and Workflows

text

Use agents as functions and build sequential, concurrent, handoff, or checkpointed workflows.

แยก specialist เมื่อ agent หลักมีหน้าที่มากขึ้น และเลือก workflow เมื่อลำดับงานต้องควบคุมครับ

Background Work and Resume

text

Turn long agent runs into durable jobs with progress, continuation state, retries, and cancellation.

ย้ายงานยาวออกจาก HTTP request พร้อม job state, idempotency และ resume หลัง process restart ครับ

MCP Integration

text

Consume MCP tools, expose an agent capability as an MCP tool, and secure the protocol boundary.

เมื่อ local tools ใช้งานได้แล้ว ค่อยเพิ่ม MCP boundary พร้อม auth, allow-list และ timeout ครับ

First RAG Vertical Slice

text

Ground agent answers with TextSearchProvider, an in-memory vector store, source metadata, and refusal tests.

เพิ่ม RAG หลัง agent foundation พร้อมครับ เริ่มจาก in-memory flow ที่เห็น ingestion ถึง citation ครบเส้น

Ingestion, Chunking, and Embeddings

text

Parse sources, create deterministic chunks, enforce token limits, batch embeddings, and version indexes.

แยก ingestion เป็น pipeline ของตัวเอง แล้ว version parser, chunker, embedding model และ index ครับ

Retrieval Quality and Evaluation

text

Build an evaluation set and measure Recall@K, ranking, citations, refusal behavior, and latency.

วัด retrieval แยกจาก final answer ครับ เพื่อรู้ว่าควรแก้ chunk, search, rerank หรือ prompt

Latency, Tokens, and Caching

text

Apply context budgets, token guards, deduplication, safe caching, and repeatable performance tests.

เปิด trace หา stage ที่ช้า ลด duplicate context และใช้ cache ที่ไม่ข้าม tenant หรือ permission ครับ

Index Lifecycle and Admin Tools

text

Operate source and vector indexes with status, drift detection, safe reindexing, aliases, and audit logs.

เพิ่ม admin controls สำหรับ inspect, retry, reindex, delete และ rollback ก่อนข้อมูลเริ่มโตครับ

Observability, Security, and Hosting

text

Trace the full run, protect data and tools, register services in ASP.NET Core, and prepare hosting.

ปิด production gaps ด้วย OpenTelemetry, tenant isolation, data controls, health checks และ failure tests ครับ

Final Workshop: Production Knowledge Support Agent

text

Deliver an end-to-end agent system with durable state, safe tools, MCP, evaluated RAG, and operations.

รวมทุกส่วนเป็น Knowledge Support Agent พร้อม tests, evals, MCP, approval, RAG และ operations ครับ