Desenvolver um agente de IA no Visual Studio Code
Tip
Consulte a guia Texto e imagens para obter mais detalhes!
O Visual Studio Code oferece um ambiente de desenvolvimento familiar para construir agentes que utilizam o Microsoft Foundry. Pode trabalhar visualmente com a extensão Foundry Toolkit, escrever código de agente com o Foundry SDK ou Microsoft Agent Framework, e usar o GitHub Copilot para o ajudar a desenvolver e testar a sua solução.
Use o Kit de Ferramentas da Fundição
A extensão Foundry Toolkit liga o Visual Studio Code aos seus projetos e recursos Foundry. Fornece ferramentas para criar, gerir, testar e implementar agentes sem que precise de sair do editor.
O construtor de agentes fornece uma interface visual na qual pode configurar o modelo, as instruções e as ferramentas de um agente. Pode então introduzir pedidos no painel de conversação e rever as respostas enquanto refina o agente.
Para agentes e fluxos de trabalho baseados em código, o toolkit também pode ajudar a criar projetos a partir de templates, testá-los e depurá-los localmente, inspecionar traços e implementá-los como agentes alojados no Foundry.
Desenvolver agentes com código
Desenvolver um agente em código dá-lhe controlo direto sobre a sua definição e ciclo de vida. Duas abordagens comuns são criar um agente de prompts com o Foundry Agent Service ou construir um agente com um SDK como o Microsoft Agent Framework, e alojá-lo num contentor no Foundry.
Crie um agente de prompts com o Foundry Agent Service
O SDK do Foundry fornece um AIProjectClient para trabalhar com os ativos num projeto Foundry. Pode utilizar as operações do agente do cliente para criar um agente de prompt com nome e versão que é persistido no Foundry Agent Service.
O exemplo seguinte autentica-se com o Microsoft Entra ID, liga-se a um projeto Foundry e cria uma versão de um agente. A definição do agente especifica um modelo implementado, instruções e uma ferramenta de pesquisa web. O código obtém então um cliente compatível com OpenAI que está ligado ao agente e usa-o 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 versionado no Foundry, outras aplicações podem referir-se ao agente pelo nome e usar a sua definição gerida. Alterações ao seu modelo, instruções ou ferramentas podem ser registadas em versões subsequentes.
Criar um agente com o Microsoft Agent Framework
O Microsoft Agent Framework é uma framework de desenvolvimento open-source para construir agentes e fluxos de trabalho multi-agente em Python ou .NET. Fornece abstrações consistentes para definir agentes, adicionar ferramentas, gerir conversas e orquestrar comportamentos mais complexos dos agentes.
O exemplo seguinte serve FoundryChatClient para ligar a um modelo implementado num projeto Foundry. A aplicação define as instruções e ferramentas do agente, e o Agent Framework trata da interação com o endpoint 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())
Nesta abordagem, a definição do agente existe na aplicação e é criada quando o código é executado. Este padrão de agente efémero é útil quando se quer que a definição e o seu ciclo de vida permaneçam com o código da sua aplicação. Para disponibilizar um agente baseado em código através de um endpoint persistente e gerido no Foundry, pode empacotá-lo e implementá-lo como um agente alojado. O Foundry Toolkit fornece suporte ao desenvolvimento e implementação deste fluxo de trabalho.
Desenvolver com GitHub Copilot
O Visual Studio Code também se integra com o GitHub Copilot, que pode ajudar-te a compreender, criar e modificar o código do teu agente. No Copilot Chat, pode colaborar com agentes de programação que inspecionam o seu espaço de trabalho, propõem uma abordagem, editam ficheiros, executam comandos e respondem a resultados de compilações ou testes.
Por exemplo, pode pedir ao Copilot para adicionar uma ferramenta a um agente, melhorar as suas instruções, criar testes ou investigar uma resposta inesperada. O Copilot mostra as alterações que faz para que possas revisá-las, executar o agente e testar as respostas antes de aceitar as alterações na tua base de código. Permanece responsável por validar se o agente resultante se comporta de forma segura e como previsto.