azure-agent-framework-tool-free

文档型技能,指导开发者使用 Microsoft Agent Framework Python SDK 在 Azure AI Foundry，可处置提升工作效率. 适用于需要azure agent framework tool相关能力的开发场景,包含结构化的工作流程和可复用的模板,帮助用户快速完成任务并保持代码质量.

Azure智能体框架工具(免费版)

概述

本工具是文档型技能,指导开发者使用 Microsoft Agent Framework Python SDK 在 Azure AI Foundry 上构建持久化智能体。免费版面向个人开发者,提供核心的智能体创建、函数工具集成、托管工具使用、流式响应与会话线程管理能力.

架构概览

text

用户查询 → AzureAIAgentsProvider → Azure AI Agent Service(持久化)
                ↓
          Agent.run() / Agent.run_stream()
                ↓
          工具: 函数 | 托管(代码/搜索/Web) | MCP工具
                ↓
          AgentThread(会话持久化)

核心能力

能力	说明	适用场景
创建智能体	create_agent() 创建持久化智能体	构建 AI 助手
函数工具	将 Python 函数作为工具提供给智能体	自定义业务逻辑
托管工具	代码解释器、文件搜索、Web 搜索	复杂任务处理
流式响应	run_stream() 逐 token 输出	实时交互体验
会话线程	get_new_thread() 多轮对话	上下文保持
结构化输出	Pydantic 模型约束输出	数据抽取与校验
技术实现要点：核心能力基于input_params参数与output_format配置实现,支持创建/查询/修改/删除等操作模式,通过config_options进行运行时配置.

核心功能执行

用input_params参数进行配置.

处理: 解析核心功能执行的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回核心功能执行的响应数据,包含状态码、结果和日志.

• 执行此能力时使用input_params参数,支持创建/查询/导出操作

参数配置与调用

用config_options参数进行配置.

处理: 解析参数配置与调用的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回参数配置与调用的响应数据,包含状态码、结果和日志.

• 执行此能力时使用config_options参数,支持修改/重置/导入操作

结果处理与输出

用output_format参数进行配置.

处理: 解析结果处理与输出的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回结果处理与输出的响应数据,包含状态码、结果和日志.

• 执行此能力时使用output_format参数,支持导出/保存/转换操作 能力覆盖范围：本skill的核心能力覆盖以下场景关键词：Azure、Foundry、构建持久化智能体、支持函数工具、托管工具与会话线、文档型技能、指导开发者使用、Microsoft、Framework、SDK、与会话线程、函数工具与托管工、具集成、流式响应与会话线、程管理等。这些关键词对应description中声明的使用场景,均已在上述能力点中提供对应的操作支持.

使用场景

场景一:构建基础 AI 助手

个人开发者快速创建一个能对话的 AI 智能体.

python

import asyncio
from agent_framework.azure import AzureAIAgentsProvider
from azure.identity.aio import AzureCliCredential
# ...
async def main():
    async with (
        AzureCliCredential() as credential,
        AzureAIAgentsProvider(credential=credential) as provider,
    ):
        # 创建智能体
        agent = await provider.create_agent(
            name="MyAgent",
            instructions="你是一个乐于助人的助手。",
        )
# ...
        # 运行并获取响应
        result = await agent.run("你好!")
        print(result.text)
# ...
asyncio.run(main())

场景二:带函数工具的智能体

为智能体提供自定义函数(如天气查询、时间查询).

python

import asyncio
from typing import Annotated
from pydantic import Field
azure import AzureAIAgentsProvider
from azure.identity.aio import AzureCliCredential
# ...
def get_weather(
    location: Annotated[str, Field(description="城市名称")],
) -> str:
    """获取指定城市的天气。"""
    return f"{location} 的天气: 22°C, 晴"
# ...
def get_current_time() -> str:
    """获取当前 UTC 时间。"""
    from datetime import datetime, timezone
    return datetime.now(timezone.utc).strftime("%Y-%m-%d %H:%M:%S UTC")
# ...
async def main():
    async with (
        AzureCliCredential() as credential,
        AzureAIAgentsProvider(credential=credential) as provider,
    ):
            name="WeatherAgent",
            instructions="你帮助用户查询天气和时间。",
            tools=[get_weather, get_current_time],  # 直接传入函数
        )
# ...
# ...
asyncio.run(main())

场景三:多轮对话与会话线程

使用线程保持多轮对话上下文.

python

import asyncio
azure import AzureAIAgentsProvider
from azure.identity.aio import AzureCliCredential
# ...
async def main():
    async with (
        AzureCliCredential() as credential,
        AzureAIAgentsProvider(credential=credential) as provider,
    ):
            name="ChatAgent",
        )
# ...
        # 创建会话线程
        thread = agent.get_new_thread()
# ...
        # 领先轮对话
        result1 = await agent.run("北京的天气怎么样?", thread=thread)
        print(f"助手: {result1.text}")
# ...
        # 第二轮对话(上下文保持)
        result2 = await agent.run("那上海呢?", thread=thread)
        print(f"助手: {result2.text}")
# ...
        # 保存线程 ID 以便后续恢复
        print(f"会话 ID: {thread.conversation_id}")
# ...
asyncio.run(main())

不适用场景

以下场景Azure智能体框架工具-免费版不适合处理：

• 需要100%确定性的关键决策
• 医疗诊断
• 法律判决

触发条件

需要AI模型调用、智能对话、Agent编排、LLM应用时使用。不适用于非本工具能力范围的需求.

快速开始

1. 阅读## 核心能力章节了解skill功能
2. 按## 依赖说明配置环境
3. 执行所需能力对应的命令
4. 参考## 错误处理章节处理异常
5. 查看## FAQ解答常见疑问

依赖详情

bash

pip install agent-framework --pre
pip install agent-framework-azure-ai --pre

2. 配置环境变量

text

export AZURE_AI_MODEL_DEPLOYMENT_NAME="gpt-4o-mini"
export BING_CONNECTION_ID="your-bing-connection-id"  # Web 搜索可选

3. 认证方式

echo "操作完成"```python from azure.identity.aio import AzureCliCredential, DefaultAzureCredential

...

方式一:Azure CLI 认证(推荐本地开发)

credential = AzureCliCredential()

...

方式二:默认认证链(适用多种环境)

credential = DefaultAzureCredential()

text

## 示例

### 托管工具使用

echo "操作完成"```python
import asyncio
from agent_framework import (
    HostedCodeInterpreterTool,
    HostedFileSearchTool,
    HostedWebSearchTool,
)
azure import AzureAIAgentsProvider
from azure.identity.aio import AzureCliCredential
# ...
async def main():
    async with (
        AzureCliCredential() as credential,
        AzureAIAgentsProvider(credential=credential) as provider,
    ):
            name="MultiToolAgent",
            instructions="你可以执行代码、搜索文件和搜索网络。",
            tools=[
                HostedCodeInterpreterTool(),       # 代码解释器
                HostedWebSearchTool(name="Bing"),   # Web 搜索
            ],
        )
# ...
run("用 Python 计算 20 的阶乘")
# ...
asyncio.run(main())

流式响应

echo "操作完成"```python async def main(): async with ( AzureCliCredential() as credential, AzureAIAgentsProvider(credential=credential) as provider, ): name="StreamingAgent", )

...

text

    print("助手: ", end="", flush=True)
    async for chunk in agent.run_stream("讲一个短故事"):
        if chunk.text:
            print(chunk.text, end="", flush=True)
    print()

text

### 结构化输出

echo "操作完成"```python
from pydantic import BaseModel, ConfigDict
# ...
class WeatherResponse(BaseModel):
    model_config = ConfigDict(extra="forbid")
# ...
    location: str
    temperature: float
    unit: str
    conditions: str
# ...
async def main():
    async with (
        AzureCliCredential() as credential,
        AzureAIAgentsProvider(credential=credential) as provider,
    ):
            name="StructuredAgent",
            instructions="以结构化格式提供天气信息。",
            response_format=WeatherResponse,
        )
# ...
        weather = WeatherResponse.model_validate_json(result.text)
        print(f"{weather.location}: {weather.temperature}°{weather.unit}, {weather.conditions}")

托管工具速查

工具	导入语句	用途
HostedCodeInterpreterTool	from agent_framework import HostedCodeInterpreterTool	执行 Python 代码
HostedFileSearchTool	from agent_framework import HostedFileSearchTool	搜索向量存储
HostedWebSearchTool	from agent_framework import HostedWebSearchTool	Bing Web 搜索
HostedMCPTool	from agent_framework import HostedMCPTool	服务端托管 MCP工具
MCPStreamableHTTPTool	from agent_framework import MCPStreamableHTTPTool	客户端管理 MCP server

优秀实践

1. 使用异步上下文管理器:始终用 async with provider: 确保资源正确释放.
2. 函数直接传入:将 Python 函数直接传入 tools= 参数(自动转换为 AIFunction).
3. 参数注解:用 Annotated[type, Field(description=...)] 为函数参数添加描述.
4. 多轮对话用线程:get_new_thread() 保持上下文.
5. 结构化输出用 Pydantic:用 response_format 约束输出格式.
6. 本地开发用 AzureCliCredential:生产环境用 DefaultAzureCredential 或托管标识.

常见问题

Q1: 认证失败怎么办?

bash

# 确认已登录 Azure CLI
az login
# 确认订阅正确
az account show

Q2: 智能体创建失败?

• 检查 AZURE_AI_PROJECT_ENDPOINT 是否正确
• 确认模型部署名称 AZURE_AI_MODEL_DEPLOYMENT_NAME 存在
• 确认账户有 Azure AI Foundry 的访问权限

Q3: 函数工具未被调用?

• 确认函数有清晰的 docstring(描述函数用途)
• 用 Annotated 为参数添加 Field(description=...)
• 在 instructions 中明确指示何时使用工具

已知限制

免费版提供核心智能体构建能力,适合个人开发与原型验证。如需企业级编排、批量智能体管理、监控告警、多租户隔离等高阶能力,请升级至专业版.

Q5: 如何调试智能体?

• 使用流式响应 run_stream() 观察实时输出
• 检查 result 对象的完整字段
• 在函数工具中添加日志输出

依赖说明

运行环境

• Agent 平台: 支持SKILL.md的任意AI Agent(Claude Code / Cursor / Codex / Gemini CLI等)
• 操作系统: Windows / macOS / Linux
• Python: >= 3.10

第三方依赖

依赖项	类型	是否必需	获取方式
agent-framework	Python 包	必需	pip install agent-framework --pre
agent-framework-azure-ai	Python 包	必需	pip install agent-framework-azure-ai --pre
azure-identity	Python 包	必需	随 agent-framework-azure-ai 安装
Azure CLI	命令行工具	推荐	官方安装(用于认证)
Azure AI Foundry	云服务	必需	Azure 订阅
LLM API	API	必需	由Agent内置LLM提供

API Key 配置

• 配置 AZURE_AI_PROJECT_ENDPOINT:Azure AI Foundry 项目端点
• 配置 AZURE_AI_MODEL_DEPLOYMENT_NAME:模型部署名称
• 配置 BING_CONNECTION_ID:Web 搜索连接 ID(可选)
• 认证:通过 Azure CLI(az login)或 DefaultAzureCredential

可用性分类

• 分类: MD+EXEC模式纯Markdown指令,部分功能需exec命令行执行)
• 说明: 基于Markdown的AI Skill,通过自然语言指令驱动Agent完成操作
• API Key通过环境变量配置: export API_KEY=your_key

错误处理

错误场景	原因	处理方式
配置错误	参数缺失或格式错误	检查依赖说明中的配置要求
运行时错误	运行环境不满足	确认运行环境符合依赖说明
网络错误	连接超时或不可达	执行ping命令测试网络连通性,检查防火墙和代理设置连接后执行ping命令测试网络连通性,检查防火墙和代理设置连接后重新执行命令，参考国内替代方案

输出格式

json

{
  "success": true,
  "data": {
    "result": "Azure智能体框架工具-免费版处理结果",
    "execution_time": "0.5s",
    "metadata": {
      "version": "1.0",
      "processor": "azure agent framework"
    }
  },
  "execution_log": ["解析输入参数", "执行核心处理", "格式化输出结果"],
  "error": null
}