microsoft-365-agents-toolkit

GitHub
695 289 简单 1 次阅读 今天NOASSERTIONAgent插件
AI 解读 由 AI 自动生成,仅供参考

Microsoft 365 Agents Toolkit 是一套专为开发者打造的效率工具,旨在简化面向 Microsoft 365 Copilot、Microsoft Teams 及 Office 生态的智能代理(Agent)与应用开发流程。它有效解决了跨平台应用构建中环境配置复杂、调试困难及部署繁琐等痛点,让开发者能专注于核心业务逻辑而非底层架构。

无论是刚入门的新手还是经验丰富的资深工程师,都能通过该工具快速上手。它深度集成于 Visual Studio、Visual Studio Code 及命令行界面,完美支持 JavaScript、TypeScript 和 .NET 等主流技术栈。其核心亮点在于提供端到端的全链路支持:从一键生成项目脚手架,到内置的热重载、安全隧道传输及全栈调试功能,极大提升了迭代速度。此外,它还无缝对接 Microsoft Agents SDK 与 Teams SDK,简化了单点登录(SSO)认证、无服务器函数托管及 CI/CD 自动化部署流程。如果你希望高效构建智能聊天机器人、Teams 标签页或 Office 插件,Microsoft 365 Agents Toolkit 将是值得信赖的开发伙伴。

使用场景

某企业开发团队正紧急为内部 HR 部门构建一个集成在 Microsoft Teams 中的智能招聘助手,需支持自然语言交互并直接调用公司数据库查询候选人信息。

没有 microsoft-365-agents-toolkit 时

  • 环境配置繁琐:开发者需手动编写大量配置文件以对接 Teams API 和 Copilot 扩展点,极易因参数错误导致应用无法加载。
  • 调试效率低下:缺乏本地热重载和安全隧道功能,每次修改代码都需重新打包部署到云端测试,反馈周期长达数十分钟。
  • 认证开发复杂:实现单点登录(SSO)需深入研读复杂的 OAuth2 流程文档,自行处理令牌交换逻辑,耗时且易留安全漏洞。
  • 多端适配困难:若要同时支持 Teams 聊天机器人和 Office 插件,需重复编写不同平台的适配层代码,维护成本极高。

使用 microsoft-365-agents-toolkit 后

  • 一键项目初始化:通过 CLI 或 VS Code 插件直接生成包含 Teams Tab、Bot 及 Copilot 扩展的标准脚手架,预置所有必要配置,即刻开始编码。
  • 全栈极速调试:利用内置的安全隧道和本地热重载功能,代码修改秒级同步至 Teams 客户端,开发者可实时验证交互效果。
  • 简化身份验证:工具自动处理 SSO 认证流程,只需少量配置即可实现用户无缝登录,大幅降低安全开发门槛。
  • 统一开发体验:基于 Microsoft Agents SDK 和 Teams AI Library 的深层集成,一套代码逻辑即可轻松发布到 Teams、Copilot 等多个微软 365 平台。

microsoft-365-agents-toolkit 将原本数周的复杂集成工作压缩至数天,让开发者能专注于业务逻辑创新而非底层架构搭建。

运行环境要求

操作系统
  • Windows
  • macOS
  • Linux
GPU

未说明

内存

未说明

依赖
notes该工具主要用于开发 Microsoft 365 Copilot、Teams 应用及 Office 插件,而非本地运行的大型 AI 模型。核心依赖为 .NET 环境(针对 Visual Studio 用户)或 Node.js/npm 环境(针对 CLI 和 VS Code 用户)。支持通过 Azure Functions 部署服务端代码,并提供 GitHub Actions 和 Azure DevOps 的 CI/CD 集成。无需高性能 GPU 即可进行开发和调试。
python未说明 (主要基于 .NET SDK 和 Node.js/npm)
@microsoft/m365agentstoolkit-cli
Microsoft 365 Agents Toolkit for Visual Studio
Microsoft 365 Agents Toolkit for Visual Studio Code
Microsoft Agents SDK
Microsoft Teams SDK
Azure Functions
.NET SDK
Node.js/npm
microsoft-365-agents-toolkit hero image

快速开始

Microsoft 365 Agents 工具包

DotNet SDK CI 工作流 Function Extension CI 工作流 CodeQL codecov

适用于 Visual Studio、Visual Studio Code 和命令行界面 (CLI) 的 Microsoft 365 Agents 工具包,是用于快速简便地为 Microsoft 365 Copilot、Microsoft Teams 和 Microsoft 365 构建代理或应用的工具。无论您是新手开发者还是经验丰富的开发人员,Microsoft 365 Agents 工具包都是您开始创建、构建、调试、测试和部署的最佳选择。

DarkBg_Slogan_250429

Microsoft 365 Agents 工具包支持端到端的开发流程,包括:

  • 支持所有 Microsoft 365 平台的扩展点,包括适用于 Microsoft 365 的 Copilot、代理/聊天机器人、Microsoft Teams 的选项卡和消息扩展,以及 Office 加载项。
  • Microsoft Agents SDK 无缝集成,以构建自托管代理。
  • Microsoft Teams SDK 无缝集成,轻松在 Microsoft Teams 中构建智能聊天机器人。
  • 与您熟悉和喜爱的工具、语言和框架集成。
  • 提供脚手架,帮助您快速入门扩展接口和常见场景,例如适用于 Microsoft 365 Copilot 的代理以及跨平台的智能聊天机器人。
  • 通过全栈调试、热重载、安全隧道以及 Microsoft 365 Agents Playground 实现快速迭代。
  • 简化的 SSO 身份验证。
  • 集成的托管、数据存储和无服务器函数支持。
  • 适用于 GitHub 和 Azure DevOps 的 CI/CD 操作,让您自信地交付应用。

开始使用

选择您偏好的工具开始:

访问 Microsoft 365 Agents 工具包文档,开始构建代理和应用。

路线图

适用于 Visual Studio、Visual Studio Code 和命令行界面 (CLI) 的 Microsoft 365 Agents 工具包将定期更新新功能和错误修复,持续改进 Teams 的端到端开发体验。请查看我们的 变更日志预发布变更日志,了解当前可用的内容,并查看 产品路线图,了解即将推出的功能。

支持政策

Microsoft 365 Agents 工具包产品将遵循 现代生命周期政策,并按照我们的 生命周期与支持文档 中所述提供扩展支持。

反馈

仓库

本仓库包含以下软件包:

软件包 描述
Microsoft 365 Agents Toolkit for Visual Studio Code packages/vscode-extension Teams Toolkit for Visual Studio Code 允许您直接从 Visual Studio Code 中搭建、运行、调试和部署自定义 Teams 应用。它将 Teams Toolkit CLI 工具的所有功能集成到 IDE 中,并提供对更多示例、文档和工具的便捷访问。
Microsoft 365 Agents Toolkit CLI packages/cli 无论您偏好以键盘为中心的开发操作,还是正在自动化您的 CI/CD 流程,Teams Toolkit CLI 工具都提供与 IDE 扩展相同的特性。
SDK packages/sdk 主要代码库,封装了专为 Teams 开发者设计的客户端和服务器端简单身份验证功能。
API packages/api API 包是一组由 IDE 扩展和 CLI 支持的契约集合。它使开发者能够编写插件,以扩展 TeamsFx 的新功能。
Core packages/fx-core Core 包集中实现了 IDE 扩展和 CLI 共享的功能。
Azure Functions 支持 packages/function-extension Teams Toolkit 帮助开发者在其 Teams 应用中包含由 Azure Functions 提供支持的服务器端代码。此插件增加了对身份验证感知 Azure Function 的支持,从而简化其与 Teams 应用的集成过程。
Spec 解析器 packages/spec-parser Teams Toolkit 通过解析 OpenAPI 描述文档,自动完成基于 API 的消息扩展([learn.microsoft.com/en-us/microsoftteams/platform/messaging-extensions/api-based-overview])和 Adaptive Cards 的生成流程。

贡献

本项目欢迎贡献和建议。大多数贡献都需要您同意一份贡献者许可协议(CLA),声明您有权且确实授予我们使用您贡献的权利。有关详情,请访问 贡献者许可协议

当您提交拉取请求时,CLA 机器人会自动判断您是否需要提供 CLA,并相应地标记 PR(例如状态检查、评论)。请按照机器人提供的指示操作即可。对于所有使用我们 CLA 的仓库,您只需执行一次此步骤。

  • 这里 下载我们的最新每日构建版本
  • 请查看我们的 贡献指南 以获取更多信息

遥测

Microsoft 365 Agents Toolkit 会收集使用数据并将其发送至 Microsoft,以帮助改进我们的产品和服务。请阅读我们的 隐私声明数据收集通知,了解更多相关信息。您还可以在我们的 常见问题解答 中找到更多信息。

商标

本项目可能包含项目、产品或服务的商标或标识。微软商标或标识的授权使用须遵守并遵循 微软商标与品牌指南。在本项目的修改版本中使用微软商标或标识时,不得造成混淆或暗示微软的赞助关系。任何第三方商标或标识的使用均应遵守该第三方的相关政策。

行为准则

本项目已采用 微软开源行为准则。如需更多信息,请参阅 行为准则常见问题解答,或如有其他疑问或意见,请联系 opencode@microsoft.com

版本历史

microsoft-365-agents-playground@0.2.252026/04/01
teams-app-test-tool@0.2.252026/04/01
templates@6.7.02026/03/30
templates-vs@18.6.02026/03/30
ms-teams-vscode-extension@6.6.12026/03/25
templates@6.6.32026/03/25
microsoft-365-agents-playground@0.2.242026/03/24
teams-app-test-tool@0.2.242026/03/24
templates-vs@0.0.0-rc2025/06/09
templates@0.0.0-rc2023/12/11
templates@6.6.22026/03/16
templates@6.6.12026/03/11
ms-teams-vscode-extension@6.6.02026/03/11
templates@6.6.02026/03/11
microsoft-365-agents-playground@0.2.232026/02/09
teams-app-test-tool@0.2.232026/02/09
microsoft-365-agents-playground@0.2.222026/01/21
teams-app-test-tool@0.2.222026/01/21
ms-teams-vscode-extension@6.4.32026/01/19
templates@6.2.42026/01/19

常见问题

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

349.3k|★★★☆☆|昨天
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|2天前
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

142.7k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.9k|★★☆☆☆|昨天
开发框架图像Agent

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器

93.4k|★★☆☆☆|今天
插件开发框架

LLMs-from-scratch

LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备

90.1k|★★★☆☆|昨天
语言模型图像Agent