Observabilité de l’assistant

pip install microsoft-agents-a365-observability-core
pip install microsoft-agents-a365-runtime

npm install @microsoft/agents-a365-observability
npm install @microsoft/agents-a365-runtime

dotnet add package Microsoft.Agents.A365.Observability
dotnet add package Microsoft.Agents.A365.Observability.Runtime

Les variables d’environnement requises pour l’observabilité sont les suivantes :

from microsoft_agents_a365.observability.core import config

def token_resolver(agent_id: str, tenant_id: str) -> str | None:
    # Implement secure token retrieval here
    return "Bearer <token>"

config.configure(
    service_name="my-agent-service",
    service_namespace="my.namespace",
    token_resolver=token_resolver,
)

Exclure le programme de résolution de jetons pour se connecter à la console.

Les variables d’environnement requises pour l’observabilité sont les suivantes :

import { ObservabilityManager } from '@microsoft/agents-a365-observability';

const tokenResolver = (agentId, tenantId) => {
    // Your token resolution logic here
    return "your-token";
};

// Advanced configuration with builder pattern
const builder = ObservabilityManager.configure(builder =>
  builder
    .withService('my-agent-service', '1.0.0')
    .withTokenResolver((agentId, tenantId) => {
      return tokenResolver(agentId, tenantId);
    })
);

builder.start();

Définissez EnableAgent365Exporter sur true dans appsettings.json.

Dans Program.cs, ajoutez Agent365ExporterOptions à la collection de services. Cette modification configure le délégué que l’exportateur de trace utilise pour récupérer le jeton.

Ajoutez des dépendances liées à l’observabilité à l’aide de AddA365Tracing().

using Microsoft.Agents.A365.Observability.Runtime;

var builder = WebApplication.CreateBuilder(args);

builder.Services.AddSingleton(sp =>
    {
        return new Agent365ExporterOptions
        {
            ClusterCategory = "prod",
            TokenResolver = async (agentId, tenantId) =>
            {
                // It's recommended to implement caching in your token provider for performance.
                var token = await tokenProvider.GetObservabilityTokenAsync(agentId, tenantId);
                return token;
            }
        };
    });

builder.AddA365Tracing();

from microsoft_agents_a365.observability.core.middleware.baggage_builder import BaggageBuilder

with (
    BaggageBuilder()
    .tenant_id("tenant-123")
    .agent_id("agent-456")
    .correlation_id("corr-789")
    .build()
):
    # Any spans started in this context will receive these as attributes
    pass

import { BaggageBuilder } from '@microsoft/agents-a365-observability';

// Create and apply baggage context
using baggageScope = new BaggageBuilder()
  // Core identifiers
  .tenantId('tenant-123')
  .agentId('agent-456')
  .correlationId('correlation-789')  
  .build();

// Execute operations within the baggage context
baggageScope.run(() => {
  // All spans created within this context will inherit the baggage values
  
  // Invoke another agent
  using agentScope = InvokeAgentScope.start(invokeDetails, agentDetails, tenantDetails);
  // ... agent logic
  
  // Execute tools
  using toolScope = ExecuteToolScope.start(toolDetails, agentDetails, tenantDetails);
  // ... tool logic
});

 using var baggageScope = new BaggageBuilder()
          .TenantId('tenant-123')
          .AgentId('agent-456')
          .CorrelationId('correlation-789')
          .Build();
// Any spans started in this context will receive them as attributes.

from microsoft_agents.activity import load_configuration_from_env
from microsoft_agents.authentication.msal import MsalConnectionManager
from microsoft_agents.hosting.aiohttp import CloudAdapter
from microsoft_agents.hosting.core import (
    AgentApplication,
    Authorization,
    MemoryStorage,
    TurnContext,
    TurnState,
)
from microsoft_agents_a365.runtime.environment_utils import (
    get_observability_authentication_scope,
)

agents_sdk_config = load_configuration_from_env(environ)

STORAGE = MemoryStorage()
CONNECTION_MANAGER = MsalConnectionManager(**agents_sdk_config)
ADAPTER = CloudAdapter(connection_manager=CONNECTION_MANAGER)
ADAPTER.use(TranscriptLoggerMiddleware(ConsoleTranscriptLogger()))
AUTHORIZATION = Authorization(STORAGE, CONNECTION_MANAGER, **agents_sdk_config)

AGENT_APP = AgentApplication[TurnState](
    storage=STORAGE, adapter=ADAPTER, authorization=AUTHORIZATION, **agents_sdk_config
)

@AGENT_APP.activity("message", auth_handlers=["AGENTIC"])
async def on_message(context: TurnContext, _state: TurnState):
    aau_auth_token = await AGENT_APP.auth.exchange_token(
                        context,
                        scopes=get_observability_authentication_scope(),
                        auth_handler_id="AGENTIC",
                    )
    # cache this auth token and return via token resolver

import {
  TurnState,
  AgentApplication,
  MemoryStorage,
  TurnContext,
} from '@microsoft/agents-hosting';
import { Activity, ActivityTypes } from '@microsoft/agents-activity';
import { getObservabilityAuthenticationScope } from '@microsoft/agents-a365-runtime';

interface ConversationState {
  count: number;
}
type ApplicationTurnState = TurnState<ConversationState>;

const downloader = new AttachmentDownloader();

const storage = new MemoryStorage();

export const agentApplication = new AgentApplication<ApplicationTurnState>({
  authorization: {
        agentic: { } // We have the type and scopes set in the .env file
      },
  storage,
});

agentApplication.onActivity(
  ActivityTypes.Message,
  async (context: TurnContext, state: ApplicationTurnState) => {
    const aauAuthToken = await agentApplication.authorization.exchangeToken(context,'agentic', {
        scopes: getObservabilityAuthenticationScope() 
      } )
    // cache this auth token and return via token resolver
  };

Ajoutez le programme de résolution de jeton agentique à votre collection de services.

using Microsoft.Agents.A365.Observability;

builder.Services.AddAgenticTracingExporter();

Dans l’application de l’assistant, inscrivez le jeton.

using Microsoft.Agents.Builder;
using Microsoft.Agents.Core.Models;
using Microsoft.Extensions.Logging;
using Microsoft.Agents.A365.Observability.Caching;
using System;
using System.Threading.Tasks;

public class MyAgent : AgentApplication
{
    private readonly IExporterTokenCache<AgenticTokenStruct> _agentTokenCache;
    private readonly ILogger<MyAgent> _logger;

    public MyAgent(AgentApplicationOptions options, IExporterTokenCache<AgenticTokenStruct> agentTokenCache, ILogger<MyAgent> logger)
        : base(options)
    {
        _agentTokenCache = agentTokenCache ?? throw new ArgumentNullException(nameof(agentTokenCache));
        _logger = logger ?? throw new ArgumentNullException(nameof(logger));
    }

    protected async Task MessageActivityAsync(ITurnContext turnContext, ITurnState turnState, CancellationToken cancellationToken)
    {
        using var baggageScope = new BaggageBuilder()
            .TenantId(turnContext.Activity.Recipient.TenantId)
            .AgentId(turnContext.Activity.Recipient.AgenticAppId)
            .Build();

        try
        {
            _agentTokenCache.RegisterObservability(
                turnContext.Activity.Recipient.AgenticAppId,
                turnContext.Activity.Recipient.TenantId,
                new AgenticTokenStruct
                {
                    UserAuthorization = UserAuthorization,
                    TurnContext = turnContext
                },
                EnvironmentUtils.GetObservabilityAuthenticationScope()
            );
        }
        catch (Exception ex)
        {
            _logger.LogWarning($"Error registering for observability: {ex.Message}");
        }
    }
}

Installer le package

pip install microsoft-agents-a365-observability-extensions-semantic-kernel

Configurer l’observabilité

from microsoft_agents_a365.observability.core.config import configure
from microsoft_agents_a365.observability.extensions.semantic_kernel import SemanticKernelInstrumentor

# Configure observability
configure(
    service_name="my-semantic-kernel-agent",
    service_namespace="ai.agents"
)

# Enable auto-instrumentation
instrumentor = SemanticKernelInstrumentor()
instrumentor.instrument()

# Your Semantic Kernel code is now automatically traced

Semantic Kernel n’est pas pris en charge avec JavaScript.

Ajoutez des dépendances à la collection de services.

using Microsoft.Agents.A365.Observability.Extensions.SemanticKernel;

builder.Services.AddTracing(config => config.WithSemanticKernel());

Définissez AgentId et TenantId à l’aide de BaggageBuilder. Vérifiez que l’identifiant utilisé lors de la création d’un ChatCompletionAgent correspond à l’identifiant de l’assistant transmis à BaggageBuilder.

using Microsoft.Agents.A365.Observability.Extensions.SemanticKernel;
using Microsoft.Agents.A365.Observability.Runtime.Common;
public class MyAgent
{
    public async Task<AgentResponse> ProcessUserRequest(string userInput)
    {
      using var baggageScope = new BaggageBuilder()
          .AgentId(<your-agent-id>) // NOTE: This will be the agent ID with which the TokenResolver delegate is invoked. 
          .TenantId(<your-tenant-id>) // NOTE: This will be the tenant ID with which the TokenResolver delegate is invoked.
          .Build();
      
      var chatCompletionAgent = new ChatCompletionAgent
      {
          // NOTE: This will be the agent ID with which the TokenResolver delegate is invoked. Should match above.
          Id = <your-agent-id>,
          ...
      };
    }
}

Installez le package .

pip install microsoft-agents-a365-observability-extensions-openai

Configurez l’observabilité.

from microsoft_agents_a365.observability.core.config import configure
from microsoft_agents_a365.observability.extensions.openai_agents import OpenAIAgentsTraceInstrumentor

# Configure observability
configure(
    service_name="my-openai-agent",
    service_namespace="ai.agents"
)

# Enable auto-instrumentation
instrumentor = OpenAIAgentsTraceInstrumentor()
instrumentor.instrument()

# Your OpenAI Agents code is now automatically traced

Installer le package

npm install @microsoft/agents-a365-observability-extensions-openai

Configurer l’observabilité

import { ObservabilityManager } from '@microsoft/agents-a365-observability';
import { OpenAIAgentsTraceInstrumentor } from '@microsoft/agents-a365-observability-extensions-openai';

// Configure observability first
const sdk = ObservabilityManager.configure((builder) =>
  builder
    .withService('My Agent Service', '1.0.0')
    .withConsoleExporter(true)
);

// Create and enable the instrumentor
const instrumentor = new OpenAIAgentsTraceInstrumentor({
  enabled: true,
  tracerName: 'openai-agents-tracer',
  tracerVersion: '1.0.0'
});

sdk.start();

instrumentor.enable();

Ajoutez des dépendances à la collection de services.

using Microsoft.Agents.A365.Observability.Extensions.OpenAI;

builder.Services.AddTracing(config => config.WithOpenAI());

Définissez AgentId et TenantId à l’aide de BaggageBuilder. Pour les appels d’outils, démarrez une trace à l’aide de Trace() sur une instance ChatToolCall.

using Microsoft.Agents.A365.Observability.Extensions.OpenAI;
using Microsoft.Agents.A365.Observability.Runtime.Common;

public class MyAgent
{
    public async Task<AgentResponse> ProcessUserRequest(string userInput)
    {
      using var baggageScope = new BaggageBuilder()
          .AgentId(<your-agent-id>) // NOTE: This will be the agent ID with which the TokenResolver delegate is invoked. 
          .TenantId(<your-tenant-id>) // NOTE: This will be the tenant ID with which the TokenResolver delegate is invoked.
          .Build();
      
      // NOTE: This will be the agent and tenant ID with which the TokenResolver delegate will be invoked. 
      using var scope = chatToolCall.Trace(agentId: <your-agent-id>, <your-tenant-id>);
    }
}

Installer le package

pip install microsoft-agents-a365-observability-extensions-agent-framework

Configurer l’observabilité

from microsoft_agents_a365.observability.core.config import configure
from microsoft_agents_a365.observability.extensions.agentframework.trace_instrumentor import (
    AgentFrameworkInstrumentor,
)

# Configure observability
configure(
    service_name="AgentFrameworkTracingWithAzureOpenAI",
    service_namespace="AgentFrameworkTesting",
)

# Enable auto-instrumentation
AgentFrameworkInstrumentor().instrument()

Agent Framework n’est pas pris en charge avec JavaScript.

Ajoutez des dépendances à la collection de services.

using Microsoft.Agents.A365.Observability.Extensions.AgentFramework;

builder.Services.AddTracing(config => config.WithAgentFramework());

Définissez AgentId et TenantId à l’aide de BaggageBuilder.

using Microsoft.Agents.A365.Observability.Runtime.Common;

public class MyAgent : AgentApplication
{
    protected async Task MessageActivityAsync(ITurnContext turnContext, ITurnState turnState, CancellationToken cancellationToken)
    {
      using var baggageScope = new BaggageBuilder()
          .AgentId(<your-agent-id>) // NOTE: This will be the agent ID with which the TokenResolver delegate is invoked. 
          .TenantId(<your-tenant-id>) // NOTE: This will be the tenant ID with which the TokenResolver delegate is invoked.
          .Build();
    }
}

from microsoft_agents_a365.observability.core.invoke_agent_scope import InvokeAgentScope
from microsoft_agents_a365.observability.core.invoke_agent_details import InvokeAgentDetails
from microsoft_agents_a365.observability.core.tenant_details import TenantDetails
from microsoft_agents_a365.observability.core.request import Request

invoke_details = InvokeAgentDetails(
    details=agent_details,        # AgentDetails instance
    endpoint=my_endpoint,         # Optional endpoint (with hostname/port)
    session_id="session-42"
)
tenant_details = TenantDetails(tenant_id="tenant-123")
req = Request(content="User asks a question")

with InvokeAgentScope.start(invoke_details, tenant_details, req):
    # Perform agent invocation logic
    response = call_agent(...)

import { 
  InvokeAgentScope, 
  ExecutionType, 
  CallerDetails, 
  EnhancedAgentDetails 
} from '@microsoft/agents-a365-observability';

// Basic agent invocation details
const invokeDetails = {
  agentId: 'email-agent-123',
  agentName: 'Email Assistant',
  ...
  }
};

const tenantDetails = {
  tenantId: 'tenant-789'
};

// Optional: Caller details (human user)
const callerDetails: CallerDetails = {};

// Optional: Caller agent details (for agent-to-agent calls)
const callerAgentDetails: EnhancedAgentDetails = {};

// Enhanced invocation with caller context
using scope = InvokeAgentScope.start(
  invokeDetails,
  tenantDetails,
  callerAgentDetails,
  callerDetails
);

try {
  // Record input messages
  scope.recordInputMessages(['Please help me organize my emails', 'Focus on urgent items']);
  
  // Your agent invocation logic here
  const response = await invokeAgent(invokeDetails.request.content);
  
  // Record output messages
  scope.recordOutputMessages(['I found 15 urgent emails', 'Here is your organized inbox']);
  
} catch (error) {
  scope.recordError(error as Error);
  throw error;
}
// Scope automatically disposed at end of using block

using System;
using System.Threading.Tasks;
using Microsoft.Agents.A365.Observability.Runtime.Tracing.Contracts;
using Microsoft.Agents.A365.Observability.Runtime.Tracing.Scopes;

public class MyAgent
{
    public async Task<AgentResponse> ProcessUserRequest(string userInput)
    {
        var agentDetails = new AgentDetails(
            agentId: Guid.NewGuid().ToString(),
            agentName: "MyAgent",
            agentDescription: "Handles user requests.",
            tenantId: "tenant-789"
        );

        var tenantDetails = new TenantDetails(Guid.Parse("11111111-2222-3333-4444-555555555555"));

        var request = new Request(
            content: userInput,
            executionType: ExecutionType.HumanToAgent,
            sessionId: "session-abc",
            channelMetadata: new ChannelMetadata("webchat", "https://webchat.contoso.com")
        );

        var callerDetails = new CallerDetails(
            callerId: "user-123",
            callerName: "Jane Doe",
            callerUpn: "jane.doe@contoso.com",
            callerUserId: "user-uuid-456",
            tenantId: "tenant-789"
        );

        var endpoint = new Uri("https://myagent.contoso.com");

        var invokeAgentDetails = new InvokeAgentDetails(endpoint, agentDetails, sessionId: "session-abc");

        var conversationId = "conv-xyz";

        // Start the scope
        using var scope = InvokeAgentScope.Start(
            invokeAgentDetails: invokeAgentDetails,
            tenantDetails: tenantDetails,
            request: request,
            callerAgentDetails: null,
            callerDetails: callerDetails,
            conversationId: conversationId
        );

        // Record input messages
        scope.RecordInputMessages(new[] { userInput });

        // ... your agent logic here ...

        // Simulate agent processing and output
        var output = $"Processed: {userInput}";
        scope.RecordOutputMessages(new[] { output });

        // Optionally record a single response
        scope.RecordResponse(output);

        return new AgentResponse { Content = output };
    }
}

public class AgentResponse
{
    public string Content { get; set; }
}

from microsoft_agents_a365.observability.core.execute_tool_scope import ExecuteToolScope
from microsoft_agents_a365.observability.core.tool_call_details import ToolCallDetails

tool_details = ToolCallDetails(
    tool_name="summarize",
    tool_type="function",
    tool_call_id="tc-001",
    arguments="{'text': '...'}",
    description="Summarize provided text",
    endpoint=None  # or endpoint object with hostname/port
)

with ExecuteToolScope.start(tool_details, agent_details, tenant_details):
    result = run_tool(tool_details)

import { ExecuteToolScope } from '@microsoft/agents-a365-observability';

const toolDetails = {
  toolName: 'email-search',
  arguments: JSON.stringify({ query: 'from:boss@company.com', limit: 10 }),
  toolCallId: 'tool-call-456',
  description: 'Search emails by criteria',
  toolType: 'function',
  endpoint: {
    host: 'tools.contoso.com',
    port: 8080,  // Will be recorded since not 443
    protocol: 'https'
  }
};

using scope = ExecuteToolScope.start(toolDetails, agentDetails, tenantDetails);

try {
  // Execute the tool
  const result = await searchEmails(toolDetails.arguments);
  
  // Record the tool execution result
  scope.recordResponse(JSON.stringify(result));
  
  return result;
} catch (error) {
  scope.recordError(error as Error);
  throw error;
}

using System;
using System.Threading.Tasks;
using Microsoft.Agents.A365.Observability.Runtime.Tracing.Contracts;
using Microsoft.Agents.A365.Observability.Runtime.Tracing.Scopes;

public class MyToolAgent
{
    public async Task<ToolResult> ExecuteTool(string toolName, object parameters)
    {
        var agentDetails = new AgentDetails(
            agentId: Guid.NewGuid().ToString(),
            agentName: "ToolAgent",
            agentDescription: "Executes tools for users.",
            agentAUID: "tool-auid-123",
            agentUPN: "toolagent@contoso.com",
            agentBlueprintId: "tool-blueprint-456",
            agentType: AgentType.EntraEmbodied,
            tenantId: "tenant-789"
        );

        var tenantDetails = new TenantDetails(Guid.Parse("11111111-2222-3333-4444-555555555555"));

        var endpoint = new Uri("https://toolagent.contoso.com:8443");

        var toolCallDetails = new ToolCallDetails(
            toolName: toolName,
            arguments: System.Text.Json.JsonSerializer.Serialize(parameters),
            toolCallId: Guid.NewGuid().ToString(),
            description: "Runs a tool operation.",
            toolType: "custom-type",
            endpoint: endpoint
        );

        // Start the scope
        using var scope = ExecuteToolScope.Start(
            toolCallDetails: toolCallDetails,
            agentDetails: agentDetails,
            tenantDetails: tenantDetails
        );

        // ... your tool logic here ...

        // Record response
        var toolOutput = $"Tool '{toolName}' processed with parameters: {System.Text.Json.JsonSerializer.Serialize(parameters)}";
        scope.RecordResponse(toolOutput);

        return new ToolResult { Output = toolOutput };
    }
}

public class ToolResult
{
    public string Output { get; set; }
}

from microsoft_agents_a365.observability.core.inference_scope import InferenceScope
from microsoft_agents_a365.observability.core.inference_call_details import InferenceCallDetails
from microsoft_agents_a365.observability.core.request import Request

inference_details = InferenceCallDetails(
    operationName=SomeEnumOrValue("chat"),
    model="gpt-4o-mini",
    providerName="azure-openai",
    inputTokens=123,
    outputTokens=456,
    finishReasons=["stop"],
    responseId="resp-987"
)
req = Request(content="Explain quantum computing simply.")

with InferenceScope.start(inference_details, agent_details, tenant_details, req):
    completion = call_llm(...)

import { InferenceScope, InferenceOperationType } from '@microsoft/agents-a365-observability';

const inferenceDetails = {
  operationName: InferenceOperationType.CHAT,
  model: 'gpt-4',
  providerName: 'openai',
  inputTokens: 150,
  outputTokens: 75,
  finishReasons: ['stop'],
  responseId: 'resp-123456'
};

using scope = InferenceScope.start(inferenceDetails, agentDetails, tenantDetails);

try {
  // Record input messages
  scope.recordInputMessages(['Summarize the following emails for me...']);
  
  // Call the LLM
  const response = await callLLM();
  
  // Record detailed telemetry with granular methods
  scope.recordOutputMessages(['Here is your email summary...']);
  scope.recordInputTokens(145);  // Update if different from constructor
  scope.recordOutputTokens(82);  // Update if different from constructor
  scope.recordResponseId('resp-789123');
  scope.recordFinishReasons(['stop', 'max_tokens']);
  
  return response.text;
} catch (error) {
  scope.recordError(error as Error);
  throw error;
}

using System;
using System.Threading.Tasks;
using Microsoft.Agents.A365.Observability.Runtime.Tracing.Contracts;
using Microsoft.Agents.A365.Observability.Runtime.Tracing.Scopes;

public class MyInferenceAgent
{
    public async Task<InferenceResult> RunInference(string input)
    {
        var agentDetails = new AgentDetails(
            agentId: Guid.NewGuid().ToString(),
            agentName: "InferenceAgent",
            agentDescription: "Performs generative AI inference.",
            agentAUID: "inference-auid-123",
            agentUPN: "inferenceagent@contoso.com",
            agentBlueprintId: "inference-blueprint-456",
            agentType: AgentType.EntraEmbodied,
            tenantId: "tenant-789"
        );

        var tenantDetails = new TenantDetails(Guid.Parse("11111111-2222-3333-4444-555555555555"));

        var inferenceDetails = new InferenceCallDetails(
            operationName: InferenceOperationType.Chat,
            model: "gpt-4",
            providerName: "OpenAI",
            inputTokens: 42,
            outputTokens: 84,
            finishReasons: new[] { "stop", "length" },
            responseId: "response-xyz"
        );

        // Start the scope
        using var scope = InferenceScope.Start(
            details: inferenceDetails,
            agentDetails: agentDetails,
            tenantDetails: tenantDetails
        );

        // ... your inference logic here ...

        // Record input/output messages and other telemetry
        scope.RecordInputMessages(new[] { input, "additional context" });
        scope.RecordOutputMessages(new[] { "AI response message" });
        scope.RecordInputTokens(42);
        scope.RecordOutputTokens(84);
        scope.RecordResponseId("response-xyz");
        scope.RecordFinishReasons(new[] { "stop", "length" });
        scope.RecordThoughtProcess("Reasoning step 1; step 2");

        return new InferenceResult { Output = "AI response message" };
    }
}

public class InferenceResult
{
    public string Output { get; set; }
}

Définissez la variable d’environnement ENABLE_A365_OBSERVABILITY_EXPORTER sur false. Ces exportations s’étendent (traces) à la console.

Définissez la variable d’environnement ENABLE_A365_OBSERVABILITY_EXPORTER sur false. Ces exportations s’étendent (traces) à la console.

Définissez EnableAgent365Exporter sur false dans appsettings.json. Ces exportations s’étendent (traces) à la console.

• Les propriétés définies à l’aide de la classe BaggageBuilder peuvent être définies ou remplacées par les propriétés des champs respectifs.

• Définissez les propriétés dans le tableau suivant en utilisant la méthode InvokeAgentScope.start.

  Data	Description
  invoke_agent_details.details.agent_id	Identificateur unique de l’agent IA
  invoke_agent_details.details.agent_name	Nom lisible par l’homme de l’agent IA
  invoke_agent_details.details.agent_auid	ID utilisateur de l’agent (AUID)
  invoke_agent_details.details.agent_upn	Nom d’utilisateur principal de l’agent (UPN)
  invoke_agent_details.details.agent_blueprint_id	Id du blueprint/de l’application de l’agent
  invoke_agent_details.details.tenant_id	ID de locataire de l’agent
  invoke_agent_details.details.conversation_id	Identificateur de la conversation ou de la session
  invoke_agent_details.endpoint	Point de terminaison de l’appel de l’agent
  tenant_details.tenant_id	Identificateur unique du locataire
  request.content	Le contenu de la charge utile envoyé à l’agent pour invocation
  request.execution_type	Type d’invocation indiquant l’origine de la requête (par exemple, HumanToAgent ou AgentToAgent)
  caller_details.caller_id	Identificateur unique de l’appelant
  caller_details.caller_upn	Nom d’utilisateur principal (UPN) de l’appelant
  caller_details.caller_user_id	ID utilisateur de l’appelant
  caller_details.tenant_id	ID de locataire de l’appelant

• Définissez les propriétés dans la table suivante en utilisant la méthode ExecuteToolScope.start.

  Data	Description
  details.tool_name	Nom de l’outil en cours d’exécution
  details.arguments	Arguments/paramètres de l’outil
  details.tool_call_id	Identificateur unique de l’appel d’outil
  details.tool_type	Type de l’outil en cours d’exécution
  details.endpoint	Si un appel d’outil externe est effectué
  agent_details.agent_id	Identificateur unique de l’agent IA
  agent_details.agent_name	Nom lisible par l’homme de l’agent IA
  agent_details.agent_auid	L’identifiant utilisateur de l’agent
  agent_details.agent_upn	Nom d’utilisateur principal de l’agent (UPN)
  agent_details.agent_blueprint_id	Id du blueprint/de l’application de l’agent
  agent_details.tenant_id	Identifiant locataire pour l’agent.
  agent_details.conversation_id	L’identifiant de conversation pour l’invocation de l’agent.
  tenant_details.tenant_id	Identifiant locataire pour l’agent.

• Définissez les propriétés dans la table suivante en utilisant la méthode InferenceScope.start.

  Data	Description
  details.operationName	Nom/type de l’opération pour l’inférence
  details.model	Nom/identificateur du modèle
  details.providerName	Le nom du fournisseur
  agent_details.agent_id	Identificateur unique de l’agent IA
  agent_details.agent_name	Nom lisible par l’homme de l’agent IA
  agent_details.agent_auid	ID utilisateur de l’agent (AUID)
  agent_details.agent_upn	Nom d’utilisateur principal de l’agent (UPN)
  agent_details.agent_blueprint_id	Id du blueprint/de l’application de l’agent
  agent_details.tenant_id	Identificateur unique du locataire
  agent_details.conversation_id	Identificateur de la conversation ou de la session
  tenant_details.tenant_id	Identificateur unique du locataire
  request.content	Le contenu de la charge utile envoyé à l’agent pour inférence
  request.execution_type	Type d’invocation indiquant l’origine de la requête (par exemple, HumanToAgent ou AgentToAgent)
  request.source_metadata	Représenter les informations du canal

• Les propriétés définies à l’aide de la classe BaggageBuilder peuvent être définies ou remplacées par les propriétés des champs respectifs.

• Définissez les propriétés dans le tableau suivant en utilisant la méthode InvokeAgentScope.start.

  Data	Description
  invokeAgentDetails.agentAUID	ID utilisateur de l’agent (AUID)
  invokeAgentDetails.agentBlueprintId	Id du blueprint/de l’application de l’agent
  invokeAgentDetails.agentId	Identificateur unique de l’agent IA
  invokeAgentDetails.agentName	Nom lisible par l’homme de l’agent IA
  invokeAgentDetails.agentUPN	Nom d’utilisateur principal de l’agent (UPN)
  invokeAgentDetails.conversationId	Identificateur de la conversation ou de la session
  invokeAgentDetails.endpoint.host	L’adresse hôte du point de terminaison pour l’invocation de l’agent
  invokeAgentDetails.endpoint.port	Le numéro de port du point de terminaison pour l’invocation de l’agent
  invokeAgentDetails.endpoint.protocol	Le point de terminaison du protocole pour l’invocation de l’agent
  invokeAgentDetails.request.content	Le contenu de la charge utile de requête pour l’invocation de l’agent
  invokeAgentDetails.request.executionType	Le type d’invocation de la charge utile de requête pour l’invocation de l’agent
  invokeAgentDetails.request.sourceMetadata.name	Canalisez des informations comme (msteams, email, etc.)
  invokeAgentDetails.tenantId	ID de locataire de l’agent
  tenantDetails.tenantId	Identificateur unique du locataire
  callerDetails.callerId	L’identifiant unique pour l’appelant (aadObjectId)
  callerDetails.callerName	Le nom d’affichage de l’appelant
  callerDetails.callerUpn	Nom d’utilisateur principal (UPN) de l’appelant
  callerDetails.tenantId	ID de locataire de l’appelant

• Définissez les propriétés dans la table suivante en utilisant la méthode ExecuteToolScope.start.

  Data	Description
  details.arguments	Arguments/paramètres de l’outil
  details.endpoint.host	L’adresse hôte du point de terminaison pour l’exécution de l’outil. Obligatoire en cas d’appel externe effectué
  details.endpoint.port	Le numéro de port du point d’accès pour l’exécution de l’outil. Obligatoire en cas d’appel externe effectué
  details.endpoint.protocol	Le protocole du point d’accès pour l’exécution de l’outil. Obligatoire en cas d’appel externe effectué
  details.toolCallId	Identificateur unique de l’appel d’outil
  details.toolName	Nom de l’outil en cours d’exécution
  details.toolType	Type de l’outil en cours d’exécution
  agentDetails.agentId	Identificateur unique de l’agent IA
  agentDetails.agentName	Nom lisible par l’homme de l’agent IA
  agentDetails.conversationId	Identificateur de la conversation ou de la session
  tenantDetails.tenantId	Identificateur unique du locataire

• Définissez les propriétés dans la table suivante en utilisant la méthode InferenceScope.start.

  Data	Description
  details.model	Nom/identificateur du modèle
  details.operationName	Nom/type de l’opération pour l’inférence
  details.providerName	Le nom du fournisseur
  agentDetails.agentId	Identificateur unique de l’agent IA
  agentDetails.agentName	Nom lisible par l’homme de l’agent IA
  agentDetails.conversationId	Identificateur de la conversation ou de la session
  tenantDetails.tenantId	Identificateur unique du locataire

• Les propriétés définies à l’aide de la classe BaggageBuilder peuvent être définies ou remplacées par les propriétés des champs respectifs.

• Définissez les propriétés dans la table suivante en utilisant la méthode InvokeAgentScope.Start.

  Data	Description
  invokeAgentDetails.details.agentId	Identificateur unique de l’agent.
  invokeAgentDetails.details.agentName	Nom affiché pour l’agent.
  invokeAgentDetails.details.agentAUID	Azure User ID (AUID) pour l’agent.
  invokeAgentDetails.details.agentUPN	Nom principal utilisateur (UPN) pour l’agent.
  invokeAgentDetails.details.agentBlueprintId	Formulaire/ID de demande pour l’agent.
  invokeAgentDetails.details.tenantId	Identifiant locataire pour l’agent.
  invokeAgentDetails.endpoint	URI de terminaison de l’agent à invoquer.
  tenantDetails.tenantId	L’identifiant du locataire.
  request.content	Le contenu de la charge utile fourni à l’agent.
  request.executionType	type d’exécution décrivant la requête.
  request.sourceMetadata.name	Nom de la source lisible par l’humain. Nom du canal.
  conversationId	L’identifiant de conversation pour l’invocation de l’agent.

• Définissez les propriétés dans la table suivante en utilisant la méthode ExecuteToolScope.Start.

  Data	Description
  details.toolName	Nom de l’outil invoqué.
  details.arguments	Les arguments sérialisés étaient transmis à l’outil.
  details.toolCallId	Identifiant pour l’invocation de l’outil.
  details.toolType	Classification de type pour l’outil.
  details.endpoint	Endpoint requis pour l’exécution à distance d’outils.
  agentDetails.agentId	Identificateur unique de l’agent.
  agentDetails.agentName	Nom affiché pour l’agent.
  agentDetails.agentAUID	Azure User ID (AUID) pour l’agent.
  agentDetails.agentUPN	Nom principal utilisateur (UPN) pour l’agent.
  agentDetails.agentBlueprintId	Formulaire/ID de demande pour l’agent.
  agentDetails.tenantId	Identifiant locataire pour l’agent.
  tenantDetails.tenantId	L’identifiant du locataire.

• Définissez les propriétés dans la table suivante en utilisant la méthode InferenceScope.Start.

  Data	Description
  details.operationName	Identifiant de télémétrie pour l’opération d’inférence.
  details.model	Le nom du modèle était utilisé pour satisfaire la demande d’inférence.
  details.providerName	Le fournisseur responsable de l’appel d’inférence.
  agentDetails.agentId	Identificateur unique de l’agent.
  agentDetails.agentName	Nom affiché pour l’agent.
  agentDetails.agentAUID	Azure User ID (AUID) pour l’agent.
  agentDetails.agentUPN	Nom principal utilisateur (UPN) pour l’agent.
  agentDetails.agentBlueprintId	Formulaire/ID de demande pour l’agent.
  agentDetails.tenantId	Identifiant locataire pour l’agent.
  tenantDetails.tenantId	L’identifiant du locataire.
  parentId	Pour une gestion explicite du champ parental. Ce n’est pas obligatoire dans la plupart des cas.