序言在多轮对话场景中，随着聊天次数增加，发送给大语言模型（LLM）的上下文会持续膨胀，带来 Token 成本上升与上下文溢出风险。 Microsoft Agent Framework 将这一问题抽象为 Chat Reduction（聊天记录缩减），并通过IChatReducer策略对聊天历史进行统一治理，而不是在业务代码中零散地裁剪或拼接历史消息。 本文基于“客户端本地存储聊天记录（Client-side history）”的典型场景，演示如何使用MessageCountingChatReducer自动限制历史长度，防止上下文无限增长，并观察在“历史被遗忘”后 Agent 行为的变化。
1. 代码关键实现步骤引入必要的依赖Microsoft.Extensions.AI：提供统一的 AI 抽象（ChatMessage、Reducer等）Azure.AI.OpenAI：用于连接 Azure OpenAI 服务Microsoft.Agents.AI：Agent Framework 核心能力
配置 Agent 与缩减策略（Reducer）AIAgent agent =newAzureOpenAIClient(
newUri(endpoint),
newAzureCliCredential())
.GetChatClient(deploymentName)
.CreateAIAgent(newChatClientAgentOptions
{
ChatOptions =new()
{
Instructions ="你是一位江湖说书人，擅长用幽默、接地气的方式讲笑话和故事。"
},
Name ="Joker",
// 关键点：自定义 ChatMessageStoreFactory
ChatMessageStoreFactory = ctx =>newInMemoryChatMessageStore(
newMessageCountingChatReducer(2),// 仅保留最近 2 条 非 System 的 ChatMessage
ctx.SerializedState,
ctx.JsonSerializerOptions)
});
组件说明- 适用于 Chat Completion / 本地上下文管理场景
MessageCountingChatReducer(2)- 参数 2 表示仅保留最近 2 条非系统消息( 非 System 的 ChatMessage)
2. 验证缩减效果通过多轮连续对话，观察聊天记录在 Reducer 作用下的变化。在每一轮调用agent.RunAsync(...)后，读取当前线程中实际保留的聊天历史数量： AgentThread thread = agent.GetNewThread();
Console.WriteLine(awaitagent.RunAsync("给我讲一个发生在茶馆里的段子，轻松一点的那种。", thread));
IList<ChatMessage>? chatHistory = thread.GetService<IList<ChatMessage>>();
Console.WriteLine($"\n 聊天有{chatHistory?.Count}消息.\n");
// Invoke the agent a few more times.
Console.WriteLine(awaitagent.RunAsync("现在把这个段子加上一些表情符号，并用说书人的语气再讲一遍。", thread));
Console.WriteLine($"\n 聊天有{chatHistory?.Count}消息.\n");
Console.WriteLine(awaitagent.RunAsync("保持刚才的语气，讲一个关于健忘冒险者的轻松小故事，像是在讲笑话一样。", thread));
Console.WriteLine($"\n 聊天有{chatHistory?.Count}消息.\n");
// At this point, the chat history has exceeded the limit and the original message will not exist anymore,
// so asking a follow up question about it will not work as expected.
Console.WriteLine(awaitagent.RunAsync("接着刚才的氛围，讲一个发生在日常生活里的小乌龙事件，轻松随意一点。", thread));
Console.WriteLine($"\n 聊天有{chatHistory?.Count}消息.\n");
对话过程说明- 第一轮对话：「给我讲一个发生在茶馆里的段子，轻松一点的那种。」
- 聊天历史较短，Reducer 尚未触发，历史消息正常累积
- 第二轮对话：「现在把这个段子加上一些表情符号，并用说书人的语气再讲一遍。」
- 第三轮及之后：「保持刚才的语气，讲一个关于健忘冒险者的轻松小故事。」
- 聊天记录达到缩减条件，
MessageCountingChatReducer开始生效 - 最早的消息被自动移除，
chatHistory.Count保持在稳定范围内
3. 演示结果结果一 结果二 结果三 结果四
4. 技术总结与适用场景适用场景- Client-side history：聊天历史由客户端或应用自身维护（如 OpenAI / Azure OpenAI Chat Completion API）
不适用场景- Server-side history（如 Azure Foundry Agents）：聊天历史由服务端统一管理，客户端无法直接干预裁剪策略
可扩展性IChatReducer只是一个策略接口，可扩展更复杂的上下文治理逻辑：
TokenCountingChatReducer：按 Token 数量而非消息条数进行缩减SummaryChatReducer：将旧消息压缩为摘要，而非直接删除
小结- 合理使用 Chat Reduction，可在成本、稳定性与对话效果之间取得更好平衡
| 
