Wdróż agenta do Microsoft Foundry za pomocą rozszerzenia agenta AI dla Azure Developer CLI

Z tego artykułu dowiesz się, jak używać rozszerzenia agenta AI w Azure Developer CLI (azd) do skonfigurowania i wdrożenia agenta w Microsoft Foundry. Rozszerzenie umożliwia budowanie szkieletu i wdrażanie agentów bezpośrednio z terminalu lub edytora, łącząc możliwości Foundry z azd poleceniami cyklu życia (azd init, azd up) w celu zapewnienia spójnego przepływu pracy od lokalnego do chmury.

Kluczowe funkcje

Tworzenie szkieletu projektu: konfigurowanie kompletnych projektów agentów (infrastruktura jako szablony kodu, definicje agentów, konfiguracja) i natychmiastowe uruchamianie iteracji.
Konfiguracja deklaratywna: Zdefiniuj usługi, zasoby i wdrożenia modelu w azure.yaml pliku dla spójnych środowisk.
Ujednolicona aprowizacja i wdrażanie: Uruchom proces, aby w jednym kroku zbudować kontenery, przesłać obrazy, utworzyć zasoby, wdrożyć modele i opublikować agenta.
Zarządzanie definicjami agentów: importowanie definicji agentów z katalogów, usługi GitHub lub ścieżek lokalnych; interfejs wiersza polecenia mapuje wymagane parametry na zmienne środowiskowe.
Domyślne zabezpieczenia: Automatycznie konfiguruj zarządzane tożsamości i bazowe zabezpieczenia bez ręcznej obsługi poświadczeń.
Skalowalna aprowizacja modelu: określ nazwy modelu, wersje i pojemność; azd wdraża je spójnie w różnych środowiskach.

Wymagania wstępne

Zainstalowany interfejs wiersza polecenia dla deweloperów platformy Azure (azd) (wersja 1.21.3 lub nowsza) i uwierzytelniony azd auth login.
- Rozszerzenie azd ai agent zostało zainstalowane (azd extension install azure.ai.agents). Jeśli nie masz zainstalowanego rozszerzenia, podczas inicjalizacji szablonu startowego lub gdy uruchomisz azd ai agent, rozszerzenie zostanie zainstalowane automatycznie.
Subskrypcja platformy Azure z uprawnieniami do tworzenia grup zasobów i zasobów firmy Microsoft Foundry.
W celu wykonania wymaganych operacji należy mieć zainstalowany interfejs wiersza polecenia platformy Azure.

Konfigurowanie i wdrażanie agenta

Wykonaj poniższe sekcje, aby udostępnić i wdrożyć agenta na platformie Microsoft Foundry, używając rozszerzenia agenta sztucznej inteligencji azd.

Inicjowanie szablonu usługi Foundry

Zainicjuj nowy projekt przy użyciu szablonu azd-ai-starter-basic . W pustym folderze uruchom:
```
azd init -t Azure-Samples/azd-ai-starter-basic --location northcentralus
```
Uwaga / Notatka

Hostowani agenci są obecnie dostępni tylko w regionie Azure North Central US. Przeczytaj więcej na temat dostępności regionalnej hostowanych agentów w dokumentacji rozwiązania Microsoft Foundry.
Po wyświetleniu monitu wprowadź nazwę środowiska dla projektu agenta (na przykład "my-analytics-agent").

Proces azd init :
- Klonuje pliki szablonów początkowych do projektu
- Tworzy strukturę katalogów za pomocą infra/ (infrastruktury jako plików kodu) i src/ folderów
- azure.yaml Generuje plik konfiguracji
- .azure/<env>/.env Konfigurowanie zmiennych specyficznych dla środowiska

Inicjowanie definicji agenta

Szablon startowy zawiera strukturę projektu, ale musisz dodać określoną definicję agenta. Definicje agentów opisują zachowanie, narzędzia i możliwości agenta. Znajdź przykładowe definicje w repozytorium Platformy agentów.

Użyj własnej definicji agenta lub jednej z katalogu. azd ai agent init Uruchom polecenie z własną <agent-definition-url> wartością:

azd ai agent init -m <agent-definition-url>

Na przykład użyj następującego adresu URL dla prostego agenta kalkulatora:

azd ai agent init -m https://github.com/microsoft-foundry/foundry-samples/blob/main/samples/python/hosted-agents/langgraph/calculator-agent/agent.yaml

Polecenie azd ai agent init:

Pobiera plik YAML definicji agenta do katalogu src/ Twojego projektu.
Analizuje definicję agenta, aby zrozumieć jej wymagania
Aktualizuje azure.yaml o odpowiednie usługi i konfiguracje
Mapuje parametry agenta na zmienne środowiskowe

Przeglądanie struktury projektu

Zainicjowany szablon zawiera następujące pliki klucza:

├── .azure/                 # Environment-specific settings (.env)
├── infra/                  # Bicep files for Azure infrastructure
├── src/                    # Agent definition and code
└── azure.yaml              # Project configuration

Otwórz azure.yaml, aby zobaczyć, jak skonfigurowano projekt agenta.

requiredVersions:
    extensions:
        azure.ai.agents: latest
services:
    CalculatorAgent:
        project: src/CalculatorAgent
        host: azure.ai.agent
        language: docker
        docker:
            remoteBuild: true
        config:
            container:
                resources:
                    cpu: "1"
                    memory: 2Gi
                scale:
                    maxReplicas: 3
                    minReplicas: 1
            deployments:
                - model:
                    format: OpenAI
                    name: gpt-4o-mini
                    version: "2024-07-18"
                  name: gpt-4o-mini
                  sku:
                    capacity: 10
                    name: GlobalStandard
infra:
    provider: bicep
    path: ./infra
    module: main

Ta deklaratywna konfiguracja definiuje usługę agenta i potrzebne zasoby sztucznej inteligencji platformy Azure, w tym wdrożenia modelu.

Aprowizuj i wdróż agenta

Uruchom azd up , aby wdrożyć zasoby i agenta.

azd up

Polecenie azd up organizuje proces wdrażania, od infrastruktury po aktywny punkt końcowy agenta.

Zaprogramuj infrastrukturę: utwórz konto Microsoft Foundry, projekt i zasoby platformy Azure zdefiniowane w plikach Bicep. — Haki preinicyjacyjne sprawdzają agentów i ich zależności, modele i inne zasoby, a następnie wypełniają zmienne środowiskowe, aby Bicep wiedział, co należy udostępnić, w tym: - AI_PROJECT_DEPLOYMENTS (JSON): Specyfikacja modeli do wdrożenia. - AI_PROJECT_CONNECTIONS (JSON): specyfikacja połączeń do utworzenia. - AI_PROJECT_DEPENDENT_RESOURCES (JSON): specyfikacja zasobów zależnych. - ENABLE_HOSTED_AGENTS (wartość logiczna): czy hostowani agenci muszą być aprowizowani (przy użyciu usług ACR i CapHost).
Wdraża modele: przygotowuje wdrożenia modeli określone w azure.yaml (na przykład GPT-4o-mini ze skonfigurowaną pojemnością).
Skompiluj i wypchnij kontener: jeśli agent ma kod niestandardowy, azd pakuje go do obrazu kontenera i wypycha go do usługi Azure Container Registry.
Opublikuj agenta: utwórz aplikację agenta w rozwiązaniu Microsoft Foundry i wdróż agenta jako usługę z możliwością wywołania na żywo.

Po azd up zakończeniu dane wyjściowe zawierają punkt końcowy projektu Microsoft Foundry, grupę zasobów i nazwę projektu oraz szczegóły aplikacji agenta. Dane wyjściowe zawierają również bezpośredni link do placu zabaw agenta w portalu Microsoft Foundry.

Uwaga / Notatka

W przypadku nowego projektu proces aprowizacji i wdrażania zwykle trwa kilka minut.

Obsługa tożsamości i zabezpieczeń

azd Automatycznie konfiguruje wzorce bezpiecznego dostępu, aby nie trzeba było ręcznie zarządzać poświadczeniami:

Tożsamość zarządzana: Agent używa przypisanej przez system tożsamości zarządzanej projektu Foundry do uwierzytelniania przy użyciu innych zasobów platformy Azure.
Przypisania ról: azd automatycznie udziela wymaganych uprawnień (na przykład dając agentowi dostęp do usług Azure AI, magazynu lub baz danych).
Zabezpieczenia punktu końcowego: Punkty końcowe agenta domyślnie używają uwierzytelniania Microsoft Entra ID (Azure AD), więc tylko autoryzowani użytkownicy lub aplikacje mogą wywoływać agenta.

Te konfiguracje zabezpieczeń są zgodne z najlepszymi praktykami platformy Azure i są natychmiast gotowe do użycia, dzięki czemu rozpoczynasz od solidnej i bezpiecznej podstawy.

Testowanie agenta w narzędziu Microsoft Foundry

Otwórz portal Microsoft Foundry.
Przejdź do projektu skonfigurowanego przez azd (nazwa projektu zostanie wyświetlona w danych wyjściowych azd up ).
Otwórz sekcję Agenci , aby wyświetlić wdrożonego agenta.
Uruchom agenta na placu zabaw i wyślij zapytanie testowe, takie jak "Podsumuj możliwości".

Odpowiedź agenta zostanie wyświetlona w oknie czatu.

Konfiguracja zaawansowana

Projekty można dostosować tak, aby spełniały zaawansowane wymagania wykraczające poza domyślny przepływ pracy.

Dostosowywanie wdrożeń modelu

Plik azure.yaml zapewnia kontrolę nad modelami wdrażanymi. Aby dodać lub zmienić model, edytuj plik:

services:
    CalculatorAgent:
        project: src/CalculatorAgent
        host: azure.ai.agent
        language: docker
        docker:
            remoteBuild: true
        config:
            container:
                resources:
                    cpu: "1"
                    memory: 2Gi
                scale:
                    maxReplicas: 3
                    minReplicas: 1
            deployments:
                - model:
                    format: OpenAI
                    name: gpt-4o-mini
                    version: "2024-07-18"
                  name: gpt-4o-mini
                  sku:
                    capacity: 10
                    name: GlobalStandard

Uruchom polecenie azd up , aby wdrożyć nowy model i zaktualizować projekt.

Ta przykładowa konfiguracja wdraża wiele modeli, aby agent mógł używać większego modelu do złożonego rozumowania i mniejszego do prostych zapytań.

Zarządzanie zmiennymi środowiskowymi

Zmienne środowiskowe, które azd ustawia lub używa:

Variable	Przeznaczenie
`AZURE_SUBSCRIPTION_ID`	Docelowa subskrypcja zasobów.
`AZURE_RESOURCE_GROUP`	Grupa zasobów hostująca projekt sztucznej inteligencji.
`AZURE_LOCATION`	Region świadczenia usługi Azure (musi obsługiwać wybrane modele).
`AZURE_AI_ACCOUNT_NAME`	Konto Microsoft Foundry (hub).
`AZURE_AI_PROJECT_NAME`	Projekt zarządzający agentem.
`AZURE_AI_FOUNDRY_PROJECT_ENDPOINT`	Punkt końcowy dla wywołań zarządzania agentem i środowiska uruchomieniowego.

Te zmienne są przechowywane w pliku .azure/<environment-name>/.env. Dostosuj je dla każdego środowiska (deweloperskie, testowe i produkcyjne).

Przykładowe przypadki użycia i scenariusze

Użyj azd i rozszerzenia agenta sztucznej inteligencji, aby przyspieszyć różne scenariusze agenta za pomocą rozwiązania Microsoft Foundry.

Tworzenie asystentów konwersacyjnych

Utwórz agentów, którzy odpowiadają na pytania przy użyciu kontekstu i łączą się z danymi wewnętrznymi.

Wdrażanie wariantów na potrzeby testowania A/B
Dodawanie wyszukiwania sztucznej inteligencji platformy Azure na potrzeby pobierania rozszerzonych odpowiedzi
Integrowanie interfejsów API biznesowych za pomocą narzędzi niestandardowych

Tworzenie agentów danych i szczegółowych informacji

Dostarczaj podsumowania, obliczenia i wizualizacje.

Połącz się z usługą Azure SQL Database lub Cosmos DB.
Korzystanie z narzędzi interpretera kodu na potrzeby obliczeń
Mieszanie większych modeli rozumowania z mniejszymi, efektywnymi kosztowo modelami

Organizowanie wielu agentów

Koordynuj specjalistów ds. złożonych przepływów pracy.

Dodaj agenta koordynatora do kierowania żądań.
Zdefiniuj relacje deklaratywnie w pliku azure.yaml.
Skaluj agentów niezależnie w zależności od obciążenia.

Ujednolicenie wdrażania w przedsiębiorstwie

Zapewnienie spójności między zespołami.

Publikowanie wielokrotnego użytku planów i szablonów
Stosowanie spójnych zabezpieczeń, zgodności i monitorowania
Automatyzowanie aprowizacji i wdrażania w ciągłej integracji/ciągłego wdrażania za pomocą narzędzi azd provision i azd deploy.

Eksplorowanie ekosystemu

Eksplorowanie przykładowych agentów: przeglądanie repozytorium platformy Agent Framework dla agentów platformy .NET i agentów języka Python i wdrażanie ich za pomocą polecenia azd ai agent init.
Dołącz do społeczności: Podziel się doświadczeniami i zadawaj pytania w dyskusjach GitHub dla deweloperów interfejsu wiersza polecenia Azure.
Zgłaszanie problemów i sugerowanie funkcji: Prześlij opinię i problemy lub sugestie dotyczące funkcji w repozytorium Azure/azure-dev i oznacz je tagiem ai-agent.
Zapoznaj się z dokumentacją: Odwiedź dokumentację usługi Microsoft Foundry, aby uzyskać kompleksowe przewodniki dotyczące opracowywania agentów.

Dodatkowe zasoby

Sprzężenie zwrotne

Czy ta strona była pomocna?

Last updated on 2025-12-11