MAF工作流状态共享如何实现功能？
摘要：在实际业务场景中，一个AI工作流的多个步骤之间往往需要共享上下文数据，例如用户原始输入、模型的输出缓存等。在MAF中，提供了一个 WorkflowContext 的模型，它原生提供了工作流上下文的状态共享能力。
大家好，我是Edison。
最近我一直在跟着圣杰的《.NET+AI智能体开发进阶》课程学习MAF的开发技巧，我强烈推荐你也上车跟我一起出发！
上一篇，我们学习了MAF中进行了Agent和Executor的混合编排，相信你一定有了更多地理解。本篇，我们来通过一个经典的例子了解下MAF中工作流如何实现状态的共享。
状态共享的应用场景
在实际业务场景中，一个AI工作流的多个步骤之间往往需要共享上下文数据，例如用户原始输入、模型的输出缓存等。在MAF中，提供了一个 WorkflowContext 的模型，它原生提供了工作流上下文的状态共享能力。
举个例子，在下面这个聚合统计流程中，创建了一个FileContentState的共享内容通过WorkflowContext进行传递共享给后续的两个统计Executor使用，进而进行聚合输出结果。
WorkflowContext API一览
在WorkflowContext API中，它提供了以下一些状态读取和设置的接口，作为字典我们可以了解一下：
这里我们用的比较多的是：QueueStateUpdateAsync 和 ReadStateAsync 两个方法。
实验案例
今天来实践一个文档统计的工作流案例，和上面的例子相似：
这是一个典型的扇入扇出（Fan-In & Fan-Out）工作流：
首先，用户输入一个文件名，FileReadExecutor会读取该文件的内容并将文件内容传入工作流上下文中共享，同时将文件ID号传递给后续流程。
然后，单词统计Executor 和 段落统计Executor 会分别统计该文件内容的 单词数 和 段落数。
最后，聚合统计Executor会将收集到的 单词数 和 段落数 交由LLM进行友好信息的输出，最初反馈给用户。
这个案例展示了一次写入，多处读取的经典场景，它也是并发协作的基础。
准备工作
在今天的这个案例中，我们仍然创建了一个.NET控制台应用程序，安装了以下NuGet包：
Microsoft.Agents.AI.OpenAI
Microsoft.Agents.AI.Workflows
Microsoft.Extensions.AI.OpenAI
我们的配置文件中定义了LLM API的信息：
{
"OpenAI": {
"EndPoint": "https://api.siliconflow.cn",
"ApiKey": "******************************",
"ModelId": "Qwen/Qwen3-30B-A3B-Instruct-2507"
}
}
这里我们使用 SiliconCloud 提供的Qwen/Qwen3-30B-A3B-Instruct-2507模型，之前的 Qwen2.5 模型在这个案例中不适用。你可以通过这个URL注册账号：https://cloud.siliconflow.cn/i/DomqCefW获取大量免费的Token来进行本次实验。
然后，我们将配置文件中的API信息读取出来：
var config = new ConfigurationBuilder()
.AddJsonFile($"appsettings.json", optional: false, reloadOnChange: true)
.Build();
var openAIProvider = config.GetSection("OpenAI").Get<OpenAIProvider>();
定义数据传输模型
首先，我们定义一下在这个工作流中需要生成传递的数据模型：
（1）FileStats ：统计结果DTO
internal sealed class FileStats
{
public int WordCount { get; init; }
public int ParagraphCount { get; init; }
}
（2）FileContentStateConstants ：常量，类似于Cache Key的作用
internal static class FileContentStateConstants
{
public const string ScopeName = "FileContentState";
}
定义示例数据集
这里我们Mock了一个文档数据集，用于模拟读取的文件内容。