Foundry 工具包 + Foundry 托管代理工作坊

构建、测试并部署 AI 代理到 Microsoft Foundry 代理服务 作为 托管代理 —— 完全通过 VS Code 使用 Microsoft Foundry 扩展 和 Foundry 工具包 进行。

托管代理当前处于预览阶段。 支持的区域有限——请参阅区域可用性。

每个实验中的 agent/ 文件夹由 Foundry 扩展 自动生成脚手架 —— 然后你自定义代码，本地测试并部署。

🌐 多语言支持

通过 GitHub Actions 支持（自动且始终保持最新）

更喜欢本地克隆吗？

本仓库包括50多种语言的翻译，会显著增加下载大小。若不包含翻译克隆，请使用稀疏检出：

Bash / macOS / Linux:
git clone --filter=blob:none --sparse https://github.com/microsoft-foundry/Foundry_Toolkit_for_VSCode_Lab.git
cd Foundry_Toolkit_for_VSCode_Lab
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
CMD（Windows）:
git clone --filter=blob:none --sparse https://github.com/microsoft-foundry/Foundry_Toolkit_for_VSCode_Lab.git
cd Foundry_Toolkit_for_VSCode_Lab
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
这样你可以更快下载到完成课程所需的全部内容。

架构

flowchart TB
    subgraph Local["本地开发（VS Code）"]
        direction TB
        FE["Microsoft Foundry
        扩展"]
        FoundryToolkit["Foundry 工具包
        扩展"]
        Scaffold["脚手架代理代码
        （main.py · agent.yaml · Dockerfile）"]
        Inspector["代理检查器
        （本地测试）"]
        FE -- "创建新
        托管代理" --> Scaffold
        Scaffold -- "F5 调试" --> Inspector
        FoundryToolkit -.- Inspector
    end

    subgraph Cloud["Microsoft Foundry"]
        direction TB
        ACR["Azure 容器
        注册表"]
        AgentService["Foundry 代理服务
        （托管代理运行时）"]
        Model["Azure OpenAI
        （gpt-4.1 / gpt-4.1-mini）"]
        Playground["Foundry 游乐场
        & VS Code 游乐场"]
        ACR --> AgentService
        AgentService -- "/responses API" --> Model
        AgentService --> Playground
    end

    Scaffold -- "部署
    （Docker 构建 + 推送）" --> ACR
    Inspector -- "POST /responses
    （localhost:8088）" --> Scaffold
    Playground -- "测试提示" --> AgentService

    style Local fill:#f0f4ff,stroke:#4a6cf7,stroke-width:2px
    style Cloud fill:#fff4e6,stroke:#f59e0b,stroke-width:2px

流程： Foundry 扩展生成代理 → 你自定义代码和指令 → 使用 Agent Inspector 本地测试 → 部署到 Foundry（Docker 镜像推送至 ACR）→ 在 Playground 验证。

你将构建的内容

实验	描述	状态
实验 01 - 单代理	构建 “像向高管解释一样” 代理，本地测试，然后部署到 Foundry	✅ 可用
实验 02 - 多代理工作流	构建 “简历 → 工作匹配评估器” - 4 个代理协作评分简历匹配度并生成学习路线图	✅ 可用

认识“高管代理”

在本工作坊中，你将构建 “像向高管解释一样” 代理 —— 一个将复杂技术术语翻译成平稳、适合董事会会议摘要的 AI 代理。说实话，没有高管想听“v3.2 中引入的同步调用导致线程池耗尽”这种术语。

我创建这个代理是因为经历过太多次我的完美事后分析报告，被回复：“那……网站到底是挂了还是没挂？”

工作原理

你给它一段技术更新。它吐回一份高管摘要——三点要点，无术语，无堆栈错误，无生存焦虑。只有发生了什么、业务影响和下一步。

实际演示

你说：

“API 延迟增加，原因是 v3.2 版本引入的同步调用导致线程池耗尽。”

代理回复：

高管摘要：

发生了什么： 最新发布后系统变慢。

业务影响： 部分用户使用服务时体验到了延迟。

下一步： 变更已回滚，正在准备修复后重新部署。

为什么选择这个代理？

它非常简单、单一用途——适合从头到尾学习托管代理工作流，不被复杂的工具链拖累。坦白讲？每个工程团队都能用得上这样一个代理。

工作坊结构

📂 Foundry_Toolkit_for_VSCode_Lab/
├── 📄 README.md                      ← You are here
├── 📂 ExecutiveAgent/                ← Standalone hosted agent project
│   ├── agent.yaml
│   ├── Dockerfile
│   ├── main.py
│   └── requirements.txt
└── 📂 workshop/
    ├── 📂 lab01-single-agent/        ← Full lab: docs + agent code
    │   ├── README.md                 ← Hands-on lab instructions
    │   ├── 📂 docs/                  ← Step-by-step tutorial modules
    │   │   ├── 00-prerequisites.md
    │   │   ├── 01-install-foundry-toolkit.md
    │   │   ├── 02-create-foundry-project.md
    │   │   ├── 03-create-hosted-agent.md
    │   │   ├── 04-configure-and-code.md
    │   │   ├── 05-test-locally.md
    │   │   ├── 06-deploy-to-foundry.md
    │   │   ├── 07-verify-in-playground.md
    │   │   └── 08-troubleshooting.md
    │   └── 📂 agent/                 ← Reference solution (auto-scaffolded by Foundry extension)
    │       ├── agent.yaml
    │       ├── Dockerfile
    │       ├── main.py
    │       └── requirements.txt
    └── 📂 lab02-multi-agent/         ← Resume → Job Fit Evaluator
        ├── README.md                 ← Hands-on lab instructions (end-to-end)
        ├── 📂 docs/                  ← Step-by-step tutorial modules
        │   ├── 00-prerequisites.md
        │   ├── 01-understand-multi-agent.md
        │   ├── 02-scaffold-multi-agent.md
        │   ├── 03-configure-agents.md
        │   ├── 04-orchestration-patterns.md
        │   ├── 05-test-locally.md
        │   ├── 06-deploy-to-foundry.md
        │   ├── 07-verify-in-playground.md
        │   └── 08-troubleshooting.md
        └── 📂 PersonalCareerCopilot/ ← Reference solution (multi-agent workflow)
            ├── agent.yaml
            ├── Dockerfile
            ├── main.py
            └── requirements.txt

注意： 每个实验中的 agent/ 文件夹由你在命令面板运行 Microsoft Foundry: Create a New Hosted Agent 时由 Microsoft Foundry 扩展 自动生成。然后你用自己的指令、工具和配置自定义文件。实验 01 会带你逐步从零创建。

快速开始

1. 克隆仓库

git clone https://github.com/microsoft-foundry/Foundry_Toolkit_for_VSCode_Lab.git
cd Foundry_Toolkit_for_VSCode_Lab

2. 设置 Python 虚拟环境

python -m venv venv

激活它：

Windows（PowerShell）：
```
.\venv\Scripts\Activate.ps1
```
macOS / Linux：
```
source venv/bin/activate
```

3. 安装依赖

pip install -r workshop/lab01-single-agent/agent/requirements.txt

4. 配置环境变量

复制代理文件夹中的示例 .env 文件并填写你的值：

cp workshop/lab01-single-agent/agent/.env.example workshop/lab01-single-agent/agent/.env

编辑 workshop/lab01-single-agent/agent/.env：

AZURE_AI_PROJECT_ENDPOINT=https://<your-account>.services.ai.azure.com/api/projects/<your-project>
MODEL_DEPLOYMENT_NAME=<your-model-deployment-name>

5. 跟随工作坊实验

每个实验独立自包含自己的模块。从 实验 01 开始学习基础，然后进入 实验 02 探索多代理工作流。

实验 01 - 单代理 (完整说明)

#	模块	链接
1	阅读先决条件	00-prerequisites.md
2	安装 Foundry 工具包和 Foundry 扩展	01-install-foundry-toolkit.md
3	创建 Foundry 项目	02-create-foundry-project.md
4	创建托管代理	03-create-hosted-agent.md
5	配置指令和环境	04-configure-and-code.md
6	本地测试	05-test-locally.md
7	部署到 Foundry	06-deploy-to-foundry.md
8	在 Playground 验证	07-verify-in-playground.md
9	故障排除	08-troubleshooting.md

实验 02 - 多代理工作流 (完整说明)

#	模块	链接
1	先决条件（实验 02）	00-prerequisites.md
2	理解多代理架构	01-understand-multi-agent.md
3	搭建多代理项目脚手架	02-scaffold-multi-agent.md
4	配置代理和环境	03-configure-agents.md
5	编排模式	04-orchestration-patterns.md
6	本地测试（多代理）	05-test-locally.md
7	部署到 Foundry	06-deploy-to-foundry.md
8	在 playground 中验证	07-verify-in-playground.md
9	故障排除（多代理）	08-troubleshooting.md

维护者

_{Shivam Goyal}

所需权限（快速参考）

场景	所需角色
创建新的 Foundry 项目	Foundry 资源上的 Azure AI 所有者
部署到现有项目（新资源）	订阅上的 Azure AI 所有者 + 参与者
部署到完全配置的项目	账户上的读者 + 项目上的 Azure AI 用户

重要提示： Azure 所有者 和 参与者 角色仅包含管理权限，不包含开发（数据操作）权限。您需要 Azure AI 用户 或 Azure AI 所有者 来构建和部署代理。

参考资料

快速入门：部署您的第一个托管代理（VS Code）
什么是托管代理？
在 VS Code 中创建托管代理工作流
部署托管代理
Microsoft Foundry 的 RBAC
架构评审代理示例 - 带有 MCP 工具、Excalidraw 图表和双重部署的真实托管代理

许可协议

MIT

免责声明：
本文档使用 AI 翻译服务 Co-op Translator 进行翻译。虽然我们力求准确，但请注意自动翻译可能包含错误或不准确之处。原始语言的文档应被视为权威来源。对于关键信息，建议使用专业人工翻译。我们不对因使用本翻译而产生的任何误解或误释承担责任。

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

Foundry 工具包 + Foundry 托管代理工作坊

🌐 多语言支持

通过 GitHub Actions 支持（自动且始终保持最新）

架构

你将构建的内容

认识“高管代理”

工作原理

实际演示

为什么选择这个代理？

工作坊结构

快速开始

1. 克隆仓库

2. 设置 Python 虚拟环境

3. 安装依赖

4. 配置环境变量

5. 跟随工作坊实验

实验 01 - 单代理 (完整说明)

实验 02 - 多代理工作流 (完整说明)

维护者

所需权限（快速参考）

参考资料

许可协议

FilesExpand file tree

README.md

Latest commit

History

README.md

File metadata and controls

Foundry 工具包 + Foundry 托管代理工作坊

🌐 多语言支持

通过 GitHub Actions 支持（自动且始终保持最新）

架构

你将构建的内容

认识“高管代理”

工作原理

实际演示

为什么选择这个代理？

工作坊结构

快速开始

1. 克隆仓库

2. 设置 Python 虚拟环境

3. 安装依赖

4. 配置环境变量

5. 跟随工作坊实验

实验 01 - 单代理 (完整说明)

实验 02 - 多代理工作流 (完整说明)

维护者

所需权限（快速参考）

参考资料

许可协议