Notitie
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen u aan te melden of de directory te wijzigen.
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen de mappen te wijzigen.
Important
Items die in dit artikel zijn gemarkeerd (preview) zijn momenteel beschikbaar als openbare preview. Deze preview wordt aangeboden zonder een service level agreement en we raden deze niet aan voor productieworkloads. Bepaalde functies worden mogelijk niet ondersteund of hebben mogelijk beperkte mogelijkheden. Zie Aanvullende gebruiksvoorwaarden voor Microsoft Azure Previews voor meer informatie.
De Azure Developer CLI (azd) en azd ai agent de extensie geven u één opdrachtregelwerkstroom om van idee naar een door productie gereed gehoste agent op Microsoft Foundry te gaan. In dit artikel worden de ontwikkeltrajecten uitgelegd, de bestanden die een agent definiëren en de belangrijkste concepten die u onderweg tegenkomt.
Dit artikel is bedoeld voor ontwikkelaars die de voorkeur geven aan een terminalgerichte, met scripts te automatiseren workflow in plaats van het Foundry-portal of taalspecifieke SDK's.
Het ontwikkelaarstraject
De azd ai werkstroom volgt dezelfde levenscyclus, ongeacht of u een klein prototype of een productieagent bouwt. U breidt een project eenmaal uit en combineert opdrachten naarmate uw project groeit.
| Stage | Wat u doet | Waar vindt u meer informatie |
|---|---|---|
| Install | Installeer azd en de Foundry-uitbreidingen. |
Uw ontwikkelomgeving instellen |
| Raamwerk | Initialiseer een project op basis van een sjabloon of uw bestaande code. | Quickstart: Een gehoste agent implementeren |
| Definiëren | Configureer de agent, modelimplementatieafhankelijkheden, protocollen, hulpprogramma's en omgeving in azure.yaml. |
azure.yaml maken voor gehoste agents |
| Develop | Schrijf agentlogica, voeg hulpprogramma's toe en test lokaal. | Overzicht van hulpprogramma's |
| Deploy | Infrastructuur inrichten en implementeren in Foundry. | Een gehoste agent implementeren |
| Bedienen | Bewaak logboeken, beheer versies en automatiseer uitvoeringen. | Gehoste agents beheren |
| Evaluate | Meet de kwaliteit van de agent en verbeter de prompt. | Agentevaluaties uitvoeren met de azd CLI |
Agenttypen
De azd ai agent extensie is gericht op gehoste agents.
| Typ | Description | Wanneer gebruiken |
|---|---|---|
| Gehoste agent | Een gecontaineriseerde toepassing die u in code bouwt, verpakt als een Docker-image en implementeert naar Foundry. | U hebt aangepaste logica, frameworkintegratie of volledige controle over gedrag nodig. |
| Agent vragen | Een agent die volledig is gedefinieerd via instructies en hulpprogrammaconfiguraties, zonder aangepaste code. | U wilt een snelle, configuratiegestuurde agent zonder toepassingscode te schrijven. |
Gehoste agents bieden u volledige controle over de integraties van runtime, framework en hulpprogramma's, terwijl Foundry infrastructuur, schaalaanpassing en sessiebeheer afhandelt.
Configuratiebestanden
Een gehost agentproject maakt gebruik van één azure.yaml bestand in de hoofdmap van het project om zowel de agent als het inrichtings- en implementatiemodel te declareren. Het bestand maakt gebruik van een split-servicemodel, waarbij elke benoemde service een host waarde heeft zoals azure.ai.project, azure.ai.agent, azure.ai.connection, azure.ai.toolbox, , of azure.ai.skillazure.ai.routine.
| Bestand | Purpose | Wie onderhoudt het |
|---|---|---|
azure.yaml |
Declareert het Foundry-project, modelimplementaties, gehoste agentservice, afhankelijkheden, protocollen, hulpprogramma's, omgevingsvariabelen, containerbronnen en implementatie-instellingen. Agentidentiteit, model, protocollen, hulpprogramma's en omgevingswaarden leven in de azure.ai.agent service. |
Initialisatie genereert deze. U kunt deze naar behoefte aanpassen. |
De azure.ai.agent service definieert uw gehoste agent inline en gebruikt uses: om te verwijzen naar andere services, zoals het project, verbindingen, werksets, vaardigheden en routines. Er is geen zelfstandig agent.yaml bestand of agent.manifest.yaml bestand in het huidige projectmodel van de gehoste agent azd .
Variabele vervanging
Gebruik ${VAR_NAME} in azure.yaml voor waarden die per azd omgeving verschillen. De placeholder wordt tijdens het deployen of tijdens runtime opgelost vanuit .azure/<env>/.env, zodat dezelfde azure.yaml werkt in omgevingen zoals dev, staging en productie.
Waar de CLI wordt uitgevoerd
De azd ai commando's werken zowel binnen als buiten een azd projectmap:
- Opdrachten binnen een
azdproject lossen het Foundry-projecteindpunt op vanuit de actieveazdomgeving. - Buiten een
azd-project stelt u de actieve context één keer in metazd ai project set <endpoint>, of geeft u--project-endpointmee aan een afzonderlijke resource-opdracht (connection,toolbox,skillofroutine). Als alternatief leestazd aideFOUNDRY_PROJECT_ENDPOINTomgevingsvariabele. - Een in-projectomgeving heeft altijd voorrang op de globale context, dus het wijzigen van mappen in een project hertarget de CLI op het eindpunt van dat project.
Protocols
Een protocol definieert het HTTP-contract tussen Foundry en uw agentcontainer. Uw agent luistert op poort 8088 en biedt een healthprobe, ongeacht het gebruikte protocol.
| Protocol | API-stijl | Wanneer gebruiken |
|---|---|---|
responses |
OpenAI-antwoorden-API (POST /responses) |
De standaardkeuze, compatibel met het OpenAI API-ecosysteem. |
invocations |
Aangepast JSON-contract (POST /invocations) |
Wanneer u volledige controle nodig hebt over request- en responsepayloads. |
Voor de volledige specificatie, zie het runtimecontract van de gehoste agent.
Sessies en gesprekken
| Concept | Description |
|---|---|
| Session | Een geïsoleerde uitvoeringsomgeving voor één agentinteractie. Elke sessie wordt uitgevoerd in een eigen sandbox met toegewezen resources. |
| Gesprek | Een reeks berichten binnen een sessie. Foundry beheert de gespreksgeschiedenis en kan deze over meerdere aanvragen heen opnieuw laden. |
Sessies worden geïdentificeerd door een session_id. Wanneer u azd ai agent invoke uitvoert, gebruikt Foundry standaard opnieuw de sessie van uw laatste aanroep. Gebruik --new-session dit om een nieuwe sessie te starten of --session-id <id> om een specifieke sessie aan te passen.
Bronnen voor een Foundry-project
Een Foundry-project host meer dan agents. Het bevat ook gedeelde resources waarnaar agents tijdens runtime verwijzen. De CLI beheert elke groep via een toegewezen opdrachtgroep.
| Resource | Wat het is | Beheerd met |
|---|---|---|
| Connection | Koppelt een Foundry-project aan een externe resource, zoals een MCP-server, Azure AI Zoeken of Grounding met Bing. |
azd ai connection opdrachten |
| Gereedschapskist | Een benoemde verzameling hulpprogramma's die agents tijdens runtime gebruiken. |
azd ai toolbox opdrachten |
| Vaardigheid | Een herbruikbare gedragsrichtlijn die wordt gedeeld tussen agents in het project. |
azd ai skill opdrachten |
| Routine | Een trigger plus een actie die een agent aanroept. |
azd ai routine opdrachten |
Deze resources worden gedeeld tussen ontwikkelaars en agents in hetzelfde project. Elke opdrachtgroep maakt de standaardcreate, update, , deleteen showlist werkwoorden beschikbaar.
Een agent evalueren en verbeteren
Nadat een agent heeft uitgevoerd, kunt u met twee verwante workflows de kwaliteit ervan meten en verbeteren:
- Een evaluatie voert uw agent uit op een dataset, beoordeelt de antwoorden met een of meer beoordelaars en rapporteert een geaggregeerd kwaliteitssignaal. U beheert het met
azd ai agent eval. - Optimalisatie herschrijft de prompt van je agent iteratief om het evaluatiesignaal te verbeteren. Het maakt gebruik van een evaluatie als objectieve functie en produceert een kandidaatprompt die u beoordeelt en accepteert. U beheert het met
azd ai agent optimize.
Zie Agentevaluaties uitvoeren met de azd CLI en agentprompts optimaliseren voor meer informatie.
Levenscyclus van implementatie
De volledige ontwikkelaarslus wordt omgezet in een korte reeks opdrachten. Scaffold eenmaal, gebruik vervolgens de directe opdrachten naarmate uw project groeit.
# Scaffold a project from a template or your existing code
azd ai agent init
# Run locally and invoke
azd ai agent run
azd ai agent invoke --local "Hello, world!"
# Provision infrastructure and deploy the agent
azd up
# Extend the project with shared resources at any time
azd ai connection create my-search --kind cognitive-search --target https://... --auth-type api-key --key "..."
azd ai routine create daily-digest --trigger recurring --cron "0 7 * * *" --agent-name my-agent
# Evaluate quality
azd ai agent eval generate
azd ai agent eval run
# Tear down all Azure resources
azd down