ai-agents-for-beginners

使用 Microsoft Foundry 部署可擴展代理

部署可擴展代理

到目前為止，你已經建構了在你的筆記型電腦上運行的代理，透過筆記本內執行，使用 az login 及少數環境變數來驅動。這確實是學習的正確方式。但這並不是讓數千用戶凌晨 3 點依賴的代理運行的正確方式。

本課程講授「在我機器上可用」和「在生產環境中可靠且實惠地可用」之間的差距。我們將使用 Microsoft Foundry 和 Microsoft Foundry Agent Service 來縮小這個差距，並透過構建具有工具調用、檢索、記憶、評估和監控功能的真實客戶支援代理來實現。

簡介

本課程將涵蓋：

學習目標

完成本課程後，你將會瞭解如何：

先決條件

本課程假設你已完成先前課程並對以下內容熟悉：

你還需要：

從原型到生產：究竟改變了什麼

原型代理和生產代理共享相同的核心循環 — 推理、呼叫工具、回應。改變的是包裹該循環的所有周邊。模型約佔生產代理的20%；其餘80%是操作骨架。

關注點 原型 生產
託管方式 運行於你的筆記本中 作為託管服務運行，具版本控制與分批推出
身份 你的 az login 令牌 具範圍 RBAC 的受管理身份
狀態 記憶體內，重啟時消失 外部化（線程存儲、記憶服務）
故障 你看到追蹤堆疊 重試、後備、死信、警告
成本 「只有幾分錢」 按請求計費，路由，快取，預算控管
品質 你目視輸出 每次發佈前自動評估
信任 你批准每個行動 風險操作有政策 + 人工審核介入

請記住本表格。以下每個章節都對應到其中一行。

代理部署模式

你將使用三種模式，且經常組合使用。

1. 用戶端託管代理

代理物件在你的應用程序進程內。你的代碼直接呼叫模型提供者；推理循環在你的服務中运行。這就是之前所有課程所示範的方式。

2. 託管代理（Foundry Agent Service）

代理被註冊為 Microsoft Foundry 中的資源。Foundry 託管推理循環，存儲線程，實施內容安全與 RBAC，並在 Foundry 入口網站中顯示代理。你的應用程序變為輕量用戶端，建立線程並讀取回應。

3. 代理工作流程

多個代理（和工具）被組合為具明確控制流的圖形 — 包含順序步驟、分支、人工作業節點，以及可暫停與恢復的持久化檢查點。這是 Microsoft Agent Framework Workflows 功能在部署規模上的應用。

flowchart TB
    subgraph P1[客戶端託管]
        A1[您的應用程序進程] --> M1[模型提供者]
    end
    subgraph P2[託管代理]
        A2[精簡客戶端] --> F2[Foundry 代理服務]
        F2 --> M2[模型 + 工具 + 線程儲存]
    end
    subgraph P3[代理工作流程]
        A3[協調器] --> S1[分診代理]
        S1 --> S2[解決者代理]
        S2 --> H[人工審核節點]
        H --> S3[行動代理]
    end

Microsoft Foundry 上的代理生命週期

部署代理不是一次性的 push 操作。它是個循環，看起來很像軟體發佈週期，因為它實際上就是那樣。

flowchart LR
    Create[建立 / 作者] --> Version[版本]
    Version --> Evaluate[離線評估]
    Evaluate -->|通過關卡| Deploy[部署託管]
    Evaluate -->|未通過關卡| Create
    Deploy --> Observe[在線觀察]
    Observe --> Improve[收集失敗]
    Improve --> Create
    Deploy --> Retire[退役舊版本]

關鍵概念，延續自 第10課：離線評估是門檻，不是事後補充。 新代理版本未通過評估門檻前不會發佈。線上可觀察性將真實世界錯誤反饋回離線測試集。這就是整個迴路。

擴展策略

代理擴展不同於無狀態的 Web API 擴展，因為每個請求可觸發多次昂貴的模型和工具呼叫。有四種技術承擔主要負載。

無狀態請求處理。 不在進程記憶體中保留任何每用戶狀態。請將對話線程持久化到 Foundry 線程存儲或記憶服務，使任何實例都能處理任何請求。這讓你能橫向擴展 — 新增實例，無需黏貼式會話。

模型路由。 不必每個請求都用最強大（且最昂貴）的模型。將簡單請求 — 意圖分類、簡短事實查詢 — 路由至小型快模型，保留大型模型給真正推理。Foundry 的 Model Router 可以替你做到，或你也可以自己實作輕量分類器。你會在實驗中構建 DIY 版本。

回應快取。 很多客服查詢都很類似（「我如何重設密碼？」）。快取常見問題答案，直接提供回應，完全不用碰模型。即使是中度的快取命中率也能明顯降低成本和延遲。

併發與背壓。 模型提供者有速率限制。限制併發度，使用指數退避重試，並優雅失敗（排隊回覆「我們正在處理」總比伺服器錯誤好）。

flowchart LR
    Q[使用者查詢] --> C{快取命中？}
    C -->|是| R[回傳快取答案]
    C -->|否| Router{複雜度？}
    Router -->|簡單| SLM[小型模型]
    Router -->|複雜| LLM[大型模型]
    SLM --> Out[回應]
    LLM --> Out
    Out --> Store[快取 + 追蹤]

生產環境的可觀察性

「看不到就無法運營」。同第10課說明，Microsoft Agent Framework 原生輸出 OpenTelemetry 跟蹤 — 每次模型呼叫、工具調用和編排步驟變成一個 tracing span。在生產環境中你將這些 span 匯出到 Microsoft Foundry（或任何 OTel 相容後端），以：

from agent_framework.observability import get_tracer

tracer = get_tracer()

with tracer.start_as_current_span("support_request") as span:
    span.set_attribute("customer.tier", "enterprise")
    span.set_attribute("routed.model", "gpt-5-nano")
    # 程式代理的執行會在此區段中自動追蹤

customer.tier 與 routed.model 這類屬性，能將一堆單純追蹤資料轉化為可回覆的問題（「企業客戶是不是太常被路由到小模型？」）。

成本優化

生產代理中的成本主要來自代幣消耗。有三項槓桿，依影響力排序：

  1. 選擇合適大小的模型。 通過評估門檻的小型模型往往比同樣通過的巨型模型更便宜。用評估結果證明小模型足夠，而非保守地選用最大模型。
  2. 依複雜度路由。 路由策略如上——僅對需要大型模型推理的請求付出大模型價格。
  3. 積極快取。 最便宜的模型呼叫是你永遠不必呼叫的那一次。

評估門檻與成本控制是同一門學問的兩面：評估定義品質底線，路由和快取將成本盡量維持在該底線附近。

企業部署考量

治理。 託管代理繼承 Foundry 的 RBAC、內容安全和審計日誌。給每個代理受管理身份，並授與最低必要權限——知識庫唯讀，票務 API 範圍存取，不多於此。

人機夾擊。 某些行為過於重要，不能完全自動化——退款、刪除帳號、法律團隊升級。Microsoft Agent Framework 支援需要批准的工具：代理提出操作方案，執行暫停，人工批准或拒絕，工作流程再繼續。你在第6課中見過這個原始範例；這裡是正式部署。

生產中的 MCP。 MCP 允許代理通過標準介面消費外部工具。在生產中，將每個 MCP 服務器視作不受信任的邊界：固定服務器版本，以範圍身份執行，驗證其輸出，且永遠不暴露機密。MCP 服務器是一個依賴，所有依賴都要打補丁、審計和速率限制。

flowchart TB
    subgraph Dev[開發架構]
        D1[筆記本] --> D2[代理框架]
        D2 --> D3[模型供應商]
        D2 --> D4[本地工具]
    end
    subgraph Deploy[部署架構]
        E1[CI 管線] --> E2[評估門檻]
        E2 -->|通過| E3[Foundry 代理服務]
        E3 --> E4[版本化託管代理]
    end
    subgraph Run[執行架構]
        F1[用戶端應用程式] --> F2[託管代理]
        F2 --> F3[模型路由器]
        F2 --> F4[Azure AI 搜尋 RAG]
        F2 --> F5[記憶體服務]
        F2 --> F6[MCP 工具]
        F2 --> F7[OTel -> Foundry 追蹤]
        F2 --> F8[人工審核]
    end

這三張圖——開發、部署、運行時——都是該代理生命週期中的不同階段。接下來的實驗室將引導你完成構建。

實戰實驗室：準備生產的客戶支援代理

打開 code_samples/16-python-agent-framework.ipynb，全程手把手操作。你將組裝一個Contoso 客戶支援代理，並為所有生產需求佈線:

  1. 工具調用 — 查詢訂單狀態及開啟支援票證。
  2. RAG — 從知識庫回答政策問題（Azure AI Search，並備有記憶體回退方案，讓筆記本可以在無 Search 資源時運行）。
  3. 記憶 — 在對話多輪中記住客戶。
  4. 模型路由 — 複雜度分類器將每個請求路由至小模型或大模型。
  5. 回應快取 — 重複問題從快取提供答案。
  6. 人工作業批准 — 超出門檻的退款暫停等待人工批准。
  7. 評估管線 — 使用小型離線測試集評分代理並作為發佈門檻。
  8. 可觀察性 — 每個請求周圍的 OpenTelemetry 跟蹤。

過程導覽

筆記本組織為每個生產需求一個獨立、可執行的區塊。核心是路由加快取的請求處理器：

async def handle_support_request(query: str, customer_id: str) -> str:
    # 1. 盡可能從快取提供服務。
    cached = response_cache.get(normalize(query))
    if cached:
        return cached

    # 2. 根據複雜度來路由以控制成本。
    model = "gpt-5-nano" if is_simple(query) else "gpt-5-mini"

    # 3. 在追蹤範圍內執行代理以便觀察。
    with tracer.start_as_current_span("support_request") as span:
        span.set_attribute("routed.model", model)
        span.set_attribute("customer.id", customer_id)
        response = await support_agent.run(query, model=model)

    # 4. 快取並回傳。
    response_cache.set(normalize(query), response.text)
    return response.text

用於守護發佈的評估門檻如下：

async def evaluation_gate(agent, test_cases, threshold: float = 0.8) -> bool:
    passed = 0
    for case in test_cases:
        result = await agent.run(case["input"])
        if score_response(result.text, case["expected"]) >= 0.8:
            passed += 1
    pass_rate = passed / len(test_cases)
    print(f"Evaluation pass rate: {pass_rate:.0%} (gate: {threshold:.0%})")
    return pass_rate >= threshold  # 只有通過閘道才部署

詳細閱讀每行——筆記本特意保持原始範例小巧，所有細節不藏於框架調用後面。

用煙霧測試驗證已部署代理

上述評估門檻是在離線對你的代理物件進行。代理一旦作為託管代理部署，你還需要一個更便宜的檢查：部署端點是否真正在回應？

「成功部署」只證明控制平面接受了定義，卻不代表代理會回應。缺失依賴、錯誤模型路由或連線失效都可能導致綠燈部署卻無回應。煙霧測試在數秒內捕捉這情況，每次部署執行且成本遠低於完整評估。

本存放庫提供現成的煙霧測試管線，建立在 AI Smoke Test GitHub Action 上：

- name: Smoke-test hosted agent
  uses: JFolberth/ai-smoketest@v1
  with:
    project_endpoint: $
    agent_name: ContosoSupportAgent
    tests_file: tests/lesson-16-smoke-tests.json

在您的代理部署後，從 操作 標籤頁執行，並提供您的 Foundry 專案端點與代理名稱。聯邦身份需對 Foundry 專案作用域擁有 Azure AI User 角色。將這些層次想像成一個金字塔：煙霧測試（是否可達且有回應？）在每次部署時執行，離線評估（是否足夠好到可以發布？）在升級前執行，線上評估（實際運行狀況如何？）則持續執行。

知識檢測

在進入作業前測試您的理解。

1. 大約生產代理中「模型」佔多大比例，剩下的是什麼？

答案 模型是系統的少數部分——通常約占 20%。剩下的是運作骨架：主機和版本控制、身份與 RBAC、外部狀態、故障處理、成本追蹤、評估，以及人機介面控制。進入生產主要是建構在推理迴圈 周圍 的所有功能。

2. 何時會選擇 Hosted Agent 而非由客戶端託管的代理？

答案 當您想要一個具備內建耐久性（可持續與恢復的執行緒）、可觀察性、內容安全及 RBAC 的託管運行環境，並願意為了較少的操作面而放棄一些低階的推理迴圈控制時。當您需要完全控制迴圈或將代理嵌入現有後端時，客戶端託管較理想。

3. 為什麼可擴展代理必須在其自身程序記憶體中保持無狀態？

答案 如此任何實例都能處理任何請求，這就是允許水平擴展而無需黏性會話。每個用戶的對話狀態被外部化至執行緒存放或記憶體服務。如果狀態存在程序記憶體，一旦重新啟動就會遺失，且無法自由分配負載。

4. 模型路由解決了什麼問題？它與評估有何關聯？

答案 路由將簡單請求發送至小型、便宜且快速的模型，並保留大型模型處理真正的推理，控制延遲與成本。它與評估相關，因為評估用來證明小模型對某類請求是足夠好的——沒有評估的路由只是猜測。

5. 什麼是「評估閘門」，它在生命周期的何處？

答案 評估閘門在新代理版本上執行離線測試集，並在通過率未達標時阻擋部署。它位於生命周期中的「版本」與「部署」間，使品質成為釋出前的前提條件，而非發佈後才檢查。

6. 為什麼 MCP 伺服器在生產環境中應被視為不受信任的邊界？

答案 因為它是您的代理調用的外部依賴。您應鎖定其版本、以範圍身份執行、驗證輸出、限制速率，且絕不可暴露秘密給它——這是您對任何第三方依賴的相同紀律。其輸出會流入代理推理，未驗證的信任是安全風險。

7. 通常哪個單一變更對生產代理成本影響最大？為什麼？

答案 合理定義模型大小——使用通過評估閘門且最小的模型。成本以代幣量為主，而符合質量標準的較小模型幾乎總比較大的便宜。接著快取與路由可進一步降低成本，但選擇正確基礎模型對成本有最大的一階影響。

8. customer.tier 和 routed.model 這類 span 屬性在可觀察性中扮演什麼角色？

答案 它們將原始追蹤轉化為可回答的商業問題。沒有屬性，您看到的只是滿牆的 span；有了屬性，您可以問「企業客戶是否過度被路由到小模型？」或者「哪個模型處理我們最慢的請求？」屬性讓您依重要維度切分遙測數據來輔助營運。

作業

以實驗室中的客戶支援代理為基礎，並針對特定場景強化：SaaS 公司的訂閱計費支援代理。

您的提交應包含：

  1. 替換工具，採用與計費相關的：get_subscription_status、get_invoice 與 issue_credit（超過 50 美元的信用額需人員核准）。
  2. 新增三份 RAG 文件，涵蓋公司的退款政策、計費週期及取消政策。
  3. 擴展評估集 至至少八個案例，其中至少兩個必須觸發人員核准路徑，並確認評估閘門能正確通過或失敗。
  4. 新增一份成本報告：經由代理執行十次混合查詢後，列印多少次使用小模型、多少次使用大模型，以及多少次來自快取。

撰寫一段簡短摘要（在 markdown 儲存格中），說明您選擇的模型路由規則，以及如何用真實流量驗證它。無單一正確答案，評估重點在生產考量是否彼此銜接合理。

總結

本課程中，您將代理從原型推進到 Microsoft Foundry 的生產：

下一課程將走反方向旅程：您將把代理從雲端向下帶到單一開發者機器，完全本地執行。

參考資源

前一課程

建立電腦使用代理（CUA）

下一課程

建立本地 AI 代理

免責聲明： 此文件已使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們努力追求準確性，但請注意自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應視為權威來源。對於關鍵資訊，建議採用專業人工翻譯。我們不對因使用此翻譯所產生的任何誤解或誤譯承擔責任。

This site is open source. Improve this page.