Semantic Kernel

微软开源、模型无关的 SDK：在 C# / Python / Java 中编排提示、插件与 AI Agent，作为连接业务代码与模型的中间件。

它是做什么的

官方描述：轻量开发工具包，让你把最新 AI 模型集成进现有 C#、Python 或 Java 代码库，快速交付企业级方案。典型路径是：把现有 API/函数注册为 Plugin，由模型在对话中发起函数调用；Semantic Kernel 负责把模型请求翻译成真实调用并把结果回传。支持自动函数调用、OpenAPI 插件、钩子与过滤器、遥测，以及 Agent / Process 等更高层框架文档。

设计目标包括：模块可扩展、面向企业可观测与负责任 AI、未来换模型时尽量少改业务代码。各语言 SDK 架构一致，但会遵循该语言惯用风格。

语言生态：C# / .NET（主力）、Python、Java（功能矩阵以「Supported languages」页为准，部分能力跨语言并不完全对齐）。
典型场景：企业流程自动化、插件化助手、多 Agent 协作、Azure OpenAI 等微软云集成。

要点

• Kernel 为中心：注册 AI 服务与插件，统一执行提示与函数调用。
• Plugins + OpenAPI：最大化复用现有投资；可与低代码/专业开发者共享扩展思路。
• Agent / Process：Learn 文档提供 Agent Framework、Process Framework 指引，覆盖从聊天到多步流程。
• 与 AutoGen / Agent Framework：Semantic Kernel 偏 SDK 与插件中间件；微软多 Agent 产品线另有 AutoGen（官方已标维护模式）与 Microsoft Agent Framework（新项目推荐方向）。新项目务必对照微软当前文档选型，避免混用过时包与教程。

适合谁

• .NET / Azure 为主，要在现有服务中嵌 Agent 与插件
• 需要 C# / Python（或 Java）多语言团队共享同一套编排概念
• 重视遥测、过滤器与企业治理钩子的团队

官方入口

• 概述（Microsoft Learn）
• 快速开始
• 支持语言
• GitHub

建议怎么用

先建 Kernel、挂上 Chat Completion，用一个本地插件验证自动函数调用闭环；再扩展到 Agent。生产打开日志/遥测与过滤器。若目标是大规模多 Agent 编排或长期支持，同时阅读 Microsoft Agent Framework 与从 AutoGen 迁移的官方说明，再决定 SK 单独用还是组合用。