Desenvolver um agente de IA no Visual Studio Code
Dica
Consulte a guia Texto e imagens para obter mais detalhes!
Visual Studio Code fornece um ambiente de desenvolvimento familiar para a criação de agentes que usam Microsoft Foundry. Você pode trabalhar visualmente com a extensão do Foundry Toolkit, escrever código do agente com o SDK do Foundry ou Microsoft Agent Framework e usar GitHub Copilot para ajudá-lo a desenvolver e testar sua solução.
Usar o Foundry Toolkit
A extensão do Foundry Toolkit conecta Visual Studio Code aos seus projetos e recursos do Foundry. Ele fornece ferramentas para criar, gerenciar, testar e implantar agentes sem exigir que você deixe o editor.
O construtor de agentes fornece uma interface visual na qual você pode configurar o modelo, as instruções e as ferramentas de um agente. Em seguida, você pode inserir comandos no painel de bate-papo e analisar as respostas enquanto refina o agente.
Para agentes e fluxos de trabalho baseados em código, o kit de ferramentas também pode ajudá-lo a criar projetos a partir de modelos, testá-los e depurá-los localmente, inspecionar rastreamentos e implantá-los como agentes hospedados no Foundry.
Desenvolver agentes com código
O desenvolvimento de um agente no código fornece controle direto sobre sua definição e ciclo de vida. Duas abordagens comuns são criar um agente de prompt com o Serviço do Foundry Agent ou criar um agente com um SDK como o Microsoft Agent Framework e hospedá-lo em um contêiner na Foundry.
Crie um agente de prompts com o Foundry Agent Service
O SDK do Foundry fornece um AIProjectClient para trabalhar com os recursos em um projeto do Foundry. Você pode usar as operações de agente do cliente para criar um agente de prompt nomeado e com versão persistente no Serviço do Foundry Agent.
O exemplo a seguir autentica com Microsoft Entra ID, conecta-se a um projeto do Foundry e cria uma versão de um agente. A definição do agente especifica um modelo implantado, instruções e uma ferramenta de pesquisa na Web. Em seguida, o código obtém um cliente compatível com OpenAI associado ao agente e o usa para enviar um prompt.
from azure.identity import DefaultAzureCredential
from azure.ai.projects import AIProjectClient
from azure.ai.projects.models import PromptAgentDefinition, WebSearchTool
# Create client to call Foundry API
project = AIProjectClient(
endpoint="https://ai-resrce.services.ai.azure.com/api/projects/ai-project", # Project endpoint
credential=DefaultAzureCredential())
# Create an agent with a web search tool
agent = project.agents.create_version(
agent_name="computinghistorycode",
definition=PromptAgentDefinition(
model="gpt-5-mini",
instructions="You are a helpful expert on computing history",
tools=[WebSearchTool()]))
# Test the agent with a prompt
openai_client = project.get_openai_client(agent_name="computinghistorycode")
response = openai_client.responses.create(input="Who was Ada Lovelace?")
print(response.output_text)
Como o agente é armazenado como um ativo com versão no Foundry, outros aplicativos podem se referir ao agente pelo nome e usar sua definição gerenciada. As alterações em seu modelo, instruções ou ferramentas podem ser capturadas em versões subsequentes.
Criar um agente com o Microsoft Agent Framework
Microsoft Agent Framework é uma estrutura de desenvolvimento de software livre para criar agentes e fluxos de trabalho de vários agentes em Python ou .NET. Ele fornece abstrações consistentes para definir agentes, adicionar ferramentas, gerenciar conversas e orquestrar um comportamento de agente mais complexo.
O próximo exemplo usa FoundryChatClient para se conectar a um modelo implantado em um projeto do Foundry. O aplicativo define as instruções e as ferramentas do agente, e o Agent Framework gerencia a interação com o endpoint do Foundry Responses.
import asyncio
from azure.identity import AzureCliCredential
from agent_framework import Agent
from agent_framework.foundry import FoundryChatClient
# Create client for a FoundryChat agent
foundry_client = FoundryChatClient(
project_endpoint="https://ai-resrce.services.ai.azure.com/api/projects/ai-project", # Project endpoint
model="gpt-5-mini",
credential=AzureCliCredential()
)
# Create an agent with a web search tool
agent = Agent(
client=foundry_client,
instructions="You are a helpful expert on computing history",
tools=[FoundryChatClient.get_web_search_tool()]
)
# Test the agent with a prompt
async def main():
result = await agent.run("Who was Ada Lovelace?")
print(f"Agent: {result}")
asyncio.run(main())
Nessa abordagem, a definição do agente existe no aplicativo e é criada quando o código é executado. Esse padrão de agente efêmero é útil quando você deseja que a definição e seu ciclo de vida permaneçam com o código do aplicativo. Para disponibilizar um agente baseado em código por meio de um ponto de extremidade gerenciado persistente no Foundry, você pode empacotá-lo e implantá-lo como um agente hospedado. O Foundry Toolkit fornece suporte de desenvolvimento e implantação para esse fluxo de trabalho.
Desenvolva com GitHub Copilot
Visual Studio Code também se integra ao GitHub Copilot, o que pode ajudá-lo a entender, criar e modificar o código do agente. Em Copilot Chat, você pode colaborar com agentes de codificação que inspecionam seu workspace, propõem uma abordagem, editam arquivos, executam comandos e respondem a resultados de build ou teste.
Por exemplo, você pode pedir Copilot para adicionar uma ferramenta a um agente, melhorar suas instruções, criar testes ou investigar uma resposta inesperada. Copilot mostra as alterações feitas para que você possa revisá-las, executar o agente e testar suas respostas antes de aceitar as alterações na base de código. Você permanece responsável por validar que o agente resultante se comporta com segurança e conforme o esperado.