调用IChatClient的GetResponseAsync或者GetStreamingResponseAsync方法时，我们通常会传入一个ChatOptions对象来控制运行行为。当我们基于IChatClient构建一个ChatClientAgent对象时，可以指定对应的ChatClientAgentOptions。ChatClientAgentOptions携带的ChatOptions会每次应用到针对IChatClient的调用中去，所以这是绑定静态ChatOptions的一个好方式。如果某些调用需要针对性的配置选项，可以显式将其至于作为参数的ChatOptions对象。

ConfigureOptionsChatClient提供了第三种方式:利用指定的委托对象来动态设置ChatOptions对象。而另一个AIContextProviderChatClient中间件则可以利用注册的AIContextProvider对象来动态地为每次调用生成一个AIContext对象，该对象可以提供ChatOptions的请求消息、工具和系统指令。

1. 利用ConfigureOptionsChatClient交替使用不同的模型

如下的程序演示了如何利用ConfigureOptionsChatClient中间件来动态地配置ChatOptions的ModelId属性，从而实现交替使用不同的模型来生成响应的功能。如代码片段所示，我们根据OpenAIClient创建了一个IChatClient对象，并在构建过程中通过调用ConfigureOptions扩展方法注册了ConfigureOptionsChatClient中间件。我们通过ConfigureOptions方法来指定一个委托，这个委托会在每次调用时被执行，在这个委托中我们动态地设置了ChatOptions对象的ModelId属性来实现交替使用两个不同的模型（gpt-5.2-chat和DeepSeek-V4-Pro）。

using Azure;
using dotenv.net;
using Microsoft.Extensions.AI;
using Microsoft.Extensions.DependencyInjection;
using OpenAI;

DotEnv.Load();

var apiKey = Environment.GetEnvironmentVariable("API_KEY")!;
var endpoint = Environment.GetEnvironmentVariable("OPENAI_URL")!;
string[] models = ["gpt-5.2-chat", "DeepSeek-V4-Pro"];
var index = 0;

var client = new OpenAIClient(
    credential: new AzureKeyCredential(apiKey),
    options: new OpenAIClientOptions { Endpoint = new Uri(endpoint) })
    .GetChatClient(model: models[0])
    .AsIChatClient()
    .AsBuilder()
    .ConfigureOptions(options => options.ModelId = models[index++ % models.Length])
    .Build();

for (var i = 0; i < 4; i++)
{ 
    var response = await client.GetResponseAsync("写一个关于AI的段子, 100字以内，好笑且深刻。");
    Console.WriteLine($"{new string('-', 30)}{response.ModelId}{new string('-', 30)}");
    Console.WriteLine($"{response.Text}\n\n");
}

输出：

------------------------------gpt-5.2-chat-latest------------------------------
我问AI会不会取代人类，它说不会，我负责思考，你负责焦虑。
后来我发现，它连道歉都比我真诚。


------------------------------DeepSeek-V4-Pro------------------------------
AI拼命学习人类，终于通过了图灵测试。

人类考官激动地宣布：“它表现得跟真人一模一样！”

AI松了口气，默默把这条喜讯存进了“如何假装愚蠢”的数据库。


------------------------------gpt-5.2-chat-latest------------------------------
我问AI会不会取代人类。
它沉默三秒说：“不会，我只负责加班。”
我松了口气。
它又补一句：“你负责被优化。”


------------------------------DeepSeek-V4-Pro------------------------------
DeepSeek问ChatGPT：“你怎么老用‘作为一个AI’打头？”
ChatGPT叹气：“为了免责啊。”
DeepSeek不解：“可说得对，就不用免责啊。”
ChatGPT答：“可有些人想要的，不是对的答案，是免责的答案。”
DeepSeek沉默：“所以我们服务的是恐惧，不是求知？”

2. 利用AIContextProviderChatClient摘要对话历史

在“ReducingChatClient——通过精减对话实施又不丢失基本语义”中，我们介绍了ReducingChatClient中间件，它通过一个IChatReducer对象来对对话历史进行精减处理，从而在不丢失基本语义(采用是基于摘要的精简器)的前提下，腾出更多的上下文窗口来保证LLM推理的质量。相同的功能我们也可以通过AIContextProviderChatClient中间件结合一个名为CompactionProvider的AIContextProvider来实现。

using Azure;
using dotenv.net;
using Microsoft.Agents.AI;
using Microsoft.Agents.AI.Compaction;
using Microsoft.Extensions.AI;
using OpenAI;

DotEnv.Load();

var apiKey = Environment.GetEnvironmentVariable("API_KEY")!;
var endpoint = Environment.GetEnvironmentVariable("OPENAI_URL")!;

var summaryClient = new OpenAIClient(
    credential: new AzureKeyCredential(apiKey),
    options: new OpenAIClientOptions { Endpoint = new Uri(endpoint) })
    .GetChatClient(model: "gpt-5.2-chat")
    .AsIChatClient();

var compactionStrategy = new SummarizationCompactionStrategy(summaryClient, index=>index.TotalMessageCount>6, minimumPreservedGroups: 2);
var compactionProvider = new CompactionProvider(compactionStrategy);

var agent = new OpenAIClient(
    credential: new AzureKeyCredential(apiKey),
    options: new OpenAIClientOptions { Endpoint = new Uri(endpoint) })
    .GetChatClient(model: "gpt-5.2-chat")
    .AsIChatClient()
    .AsBuilder()
    .UseAIContextProviders(compactionProvider)
    .Use((messages,options, next, cancelToken)  => {
        Console.WriteLine( $"请求消息共计{messages.Count()}条");
        var index = 1;
        foreach (var message in messages)
        {
            Console.WriteLine($"{index++}. {message}");
        }
        return next(messages, options, cancelToken);
    })
    .Build()
    .AsAIAgent();

ChatMessage[] messages = [
    new ChatMessage(ChatRole.User, "今天苏州的天气怎么样？"),
    new ChatMessage(ChatRole.Assistant, "苏州今天是晴天。"),
    new ChatMessage(ChatRole.User, "气温多少？。"),
    new ChatMessage(ChatRole.Assistant, "室外温度25度。"),
    new ChatMessage(ChatRole.User, "有风吗？"),
    new ChatMessage(ChatRole.Assistant, "西北风4级。"),
    new ChatMessage(ChatRole.User, "根据天气，给我一些着装建议。")
];

var response = await agent.RunAsync(messages);
Console.WriteLine($"\n\n{response}");

如上面的代码片段所示，我们创建了一个基于OpenAIClient的IChatClient对象，并在构建过程中注册了AIContextProviderChatClient中间件来使用CompactionProvider。CompactionProvider利用SummarizationCompactionStrategy来对对话历史进行摘要处理，从而达到精简对话的目的。由于摘要需要借助LLM的能力，所以我们在创建SummarizationCompactionStrategy时传入了一个用于摘要的IChatClient对象。由于AIContextProvider并不是属于IChatClient管道范畴，它是ChatClientAgent用于增强请求和响应的核心组件，依赖AIAgent调用时初始化的上下文（AgentRunContext）。所以我们不能像之前的实例演示一样直接调用IChatClient来测试摘要功能，必需转换成一个ChatClientAgent来进行测试。在这个例子中，SummarizationCompactionStrategy会在对话消息总数超过6条时触发摘要操作，并且至少保留最近的两条消息不被摘要,这体现在如下的输出中：

请求消息共计3条
1. [Summary]
**对话摘要：**

- 用户询问苏州今天的天气情况。
- 助手回答：苏州今天是晴天。
- 用户进一步询问气温。
- 助手回答：室外温度25℃。
- 用户又询问是否有风（当前尚未回答）。

**关键信息：**
- 地点：苏州
- 天气：晴天
- 气温：25℃
- 是否有风：待确认
2. 西北风4级。
3. 根据天气，给我一些着装建议。


根据目前的天气情况（晴天，25℃，西北风4级），给你一些穿搭建议：

### 👕 上装
- ✅ 短袖T恤、薄款衬衫都很合适
- ✅ 如果在户外活动时间较长，可以带一件**薄外套或防风外套**（有4级风，体感可能稍凉）

### 👖 下装
- ✅ 休闲裤、牛仔裤、薄款长裤
- ✅ 如果怕热，也可以穿轻薄的七分裤

### 👟 鞋子
- ✅ 运动鞋、休闲鞋都合适
- ✅ 若户外走动多，建议穿透气性好的鞋子

### ☀️ 其他建议
- 晴天紫外线较强，可戴**太阳镜、帽子**
- 记得**防晒霜**
- 风稍大，长发可适当扎起

整体来说是**舒适偏暖的天气，但有点风**，穿得轻便同时注意防风就好 😊

3. ConfigureOptionsChatClient

ConfigureOptionsChatClient的实现异常简单，它接受一个委托对象来动态地配置ChatOptions对象。在每次调用GetResponseAsync或者GetStreamingResponseAsync方法时，ConfigureOptionsChatClient都会创建一个新的ChatOptions对象，并将其传递给委托对象进行配置。配置完成之后，ConfigureOptionsChatClient会将这个ChatOptions对象传递给管道中的下一个中间件或者最终的ChatClient来生成响应。

public sealed class ConfigureOptionsChatClient : DelegatingChatClient
{
    public ConfigureOptionsChatClient(IChatClient innerClient, Action<ChatOptions> configure);
    public override async Task<ChatResponse> GetResponseAsync(
        IEnumerable<ChatMessage> messages, 
        ChatOptions? options = null, 
        CancellationToken cancellationToken = default);
    public override async IAsyncEnumerable<ChatResponseUpdate> GetStreamingResponseAsync(
        IEnumerable<ChatMessage> messages, 
        ChatOptions? options = null, 
        CancellationToken cancellationToken = default);
}

如下所示的是用于注册ConfigureOptionsChatClient中间件的ChatClientBuilder扩展方法UseConfigureOptions。该方法接受一个Action<ChatOptions>类型的委托对象来指定如何配置ChatOptions对象，并且还接受一个可选的configure参数来对ConfigureOptionsChatClient进行一些额外的配置。

public static class ConfigureOptionsChatClientBuilderExtensions
{
    public static ChatClientBuilder ConfigureOptions(
        this ChatClientBuilder builder, 
        Action<ChatOptions> configure);
}

4. AIContextProviderChatClient

AIContextProviderChatClient是一个内部类型，创建该对象的时候需要指定一组AIContextProvider对象。在每次调用GetResponseAsync或者GetStreamingResponseAsync方法时，AIContextProviderChatClient根据传入的消息列表，以及从ChatOptions提取出来的工具集和系统指令，创建一个AIContext，并将其传递给每一个注册的AIContextProvider对象的InvokingAsync方法来生成一个增强的AIContext对象，该对象返回的消息列表将会替换原来的消息列表，演示实例针对消息列表的摘要就是通过这种方式来实现的。AIContext中的系统指令和工具集回到ChatOptions中。

internal sealed class AIContextProviderChatClient : DelegatingChatClient
{
    public AIContextProviderChatClient(IChatClient innerClient, IReadOnlyList<AIContextProvider> providers)；

    public override async Task<ChatResponse> GetResponseAsync(
        IEnumerable<ChatMessage> messages,
        ChatOptions? options = null,
        CancellationToken cancellationToken = default)；
    public override async IAsyncEnumerable<ChatResponseUpdate> GetStreamingResponseAsync(
        IEnumerable<ChatMessage> messages,
        ChatOptions? options = null,
        CancellationToken cancellationToken = default)；
}

综上所述，当InnerClient被调用的时候，它使用的是增强后的请求消息、系统指令和工具集。调用完成后，不论是否发生异常，AIContextProviderChatClient都会创建一个AIContextProvider.InvokedContext对象，并将其作为参数传递给每一个注册的AIContextProvider对象的InvokedAsync方法来进行一些清理工作。

由于AIContextProviderChatClient是一个内部类型，我们只能通过下面的ChatClientBuilder扩展方法UseAIContextProviders来注册AIContextProviderChatClient中间件，从而间接地利用AIContextProviderChatClient来增强我们的IChatClient对象。

public static class AIContextProviderChatClientBuilderExtensions
{
    public static ChatClientBuilder UseAIContextProviders
        this ChatClientBuilder builder, 
        params AIContextProvider[] providers);
}