Dela via

Snabbstart för Microsoft Foundry

I den här snabbstarten kommer du igång med modeller och agenter i Foundry.

Du kommer att:

  • Generera ett svar från en modell
  • Skapa en agent med en definierad uppmaning
  • Föra ett samtal med flera vändningar med agenten

Förutsättningar

Ange miljövariabler och hämta koden

Lagra projektslutpunkten som en miljövariabel. Ange även dessa värden för användning i skripten.

Python och JavaScript

PROJECT_ENDPOINT=<endpoint copied from welcome screen>
AGENT_NAME="MyAgent"

C# och Java

ProjectEndpoint = <endpoint copied from welcome screen>
AgentName = "MyAgent"

Följ med nedan eller hämta koden:

Hämta koden

Logga in med kommandot CLI az login för att autentisera innan du kör dina Python skript.

Installera och autentisera

Se till att du installerar rätt version av paketen på det sätt som visas här.

  1. Installera den aktuella versionen av azure-ai-projects. Den här versionen använder Foundry-projektets nya API.

    pip install azure-ai-projects>=2.0.0

  2. Logga in med kommandot CLI az login för att autentisera innan du kör dina Python skript.

Tips/Råd

Koden använder Azure AI Projects 2.x och är inte kompatibel med Azure AI Projects 1.x. Se foundry-dokumentationen (klassisk) för Azure AI Projects 1.x-versionen.

Chatta med en modell

Att interagera med en modell är den grundläggande byggstenen för AI-program. Skicka indata och ta emot ett svar från modellen:

from azure.identity import DefaultAzureCredential
from azure.ai.projects import AIProjectClient

# Format: "https://resource_name.ai.azure.com/api/projects/project_name"
PROJECT_ENDPOINT = "your_project_endpoint"

# Create project and openai clients to call Foundry API
project = AIProjectClient(
    endpoint=PROJECT_ENDPOINT,
    credential=DefaultAzureCredential(),
)
openai = project.get_openai_client()

# Run a responses API call
response = openai.responses.create(
    model="gpt-5-mini",  # supports all Foundry direct models
    input="What is the size of France in square miles?",
)
print(f"Response output: {response.output_text}")

När du har kört koden visas ett modellgenererat svar i konsolen (till exempel en kort dikt eller svar på din fråga). Detta bekräftar att projektslutpunkten, autentiseringen och modelldistributionen fungerar korrekt.

Tips/Råd

Koden använder Azure AI Projects 2.x och är inte kompatibel med Azure AI Projects 1.x. Se foundry-dokumentationen (klassisk) för Azure AI Projects 1.x-versionen.

Skapa en handläggare

Skapa en agent med din distribuerade modell.

En agent definierar kärnbeteendet. När den har skapats säkerställer den konsekventa svar i användarinteraktioner utan att upprepa instruktioner varje gång. Du kan uppdatera eller ta bort agenter när som helst.

from azure.identity import DefaultAzureCredential
from azure.ai.projects import AIProjectClient
from azure.ai.projects.models import PromptAgentDefinition

# Format: "https://resource_name.ai.azure.com/api/projects/project_name"
PROJECT_ENDPOINT = "your_project_endpoint"
AGENT_NAME = "your_agent_name"

# Create project client to call Foundry API
project = AIProjectClient(
    endpoint=PROJECT_ENDPOINT,
    credential=DefaultAzureCredential(),
)

# Create an agent with a model and instructions
agent = project.agents.create_version(
    agent_name=AGENT_NAME,
    definition=PromptAgentDefinition(
        model="gpt-5-mini",  # supports all Foundry direct models"
        instructions="You are a helpful assistant that answers general questions",
    ),
)
print(f"Agent created (id: {agent.id}, name: {agent.name}, version: {agent.version})")

Utdata bekräftar att agenten skapades. För SDK-flikar ser du agentnamnet och ID:t som skrivs ut till konsolen.

Tips/Råd

Koden använder Azure AI Projects 2.x och är inte kompatibel med Azure AI Projects 1.x. Se foundry-dokumentationen (klassisk) för Azure AI Projects 1.x-versionen.

Chatta med en agent

Använd den tidigare skapade agenten med namnet "MyAgent" för att interagera genom att ställa en fråga och en relaterad uppföljning. Konversationen upprätthåller historik över dessa interaktioner.

from azure.identity import DefaultAzureCredential
from azure.ai.projects import AIProjectClient

# Format: "https://resource_name.ai.azure.com/api/projects/project_name"
PROJECT_ENDPOINT = "your_project_endpoint"
AGENT_NAME = "your_agent_name"

# Create project and openai clients to call Foundry API
project = AIProjectClient(
    endpoint=FOUNDRY_PROJECT_ENDPOINT,
    credential=DefaultAzureCredential(),
)
openai = project.get_openai_client()

# Create a conversation for multi-turn chat
conversation = openai.conversations.create()

# Chat with the agent to answer questions
response = openai.responses.create(
    conversation=conversation.id,
    extra_body={"agent_reference": {"name": FOUNDRY_AGENT_NAME, "type": "agent_reference"}},
    input="What is the size of France in square miles?",
)
print(response.output_text)

# Ask a follow-up question in the same conversation
response = openai.responses.create(
    conversation=conversation.id,
    extra_body={"agent_reference": {"name": FOUNDRY_AGENT_NAME, "type": "agent_reference"}},
    input="And what is the capital city?",
)
print(response.output_text)

Du ser agentens svar på båda anvisningarna. Uppföljningssvaret visar att agenten upprätthåller konversationshistoriken över turerna.

Tips/Råd

Koden använder Azure AI Projects 2.x och är inte kompatibel med Azure AI Projects 1.x. Se foundry-dokumentationen (klassisk) för Azure AI Projects 1.x-versionen.

Rensa resurser

Om du inte längre behöver någon av de resurser som du har skapat tar du bort den resursgrupp som är associerad med projektet.

  • I Azure-portalen väljer du resursgruppen och väljer sedan Delete. Bekräfta att du vill ta bort resursgruppen.

Nästa steg

Idé till prototyp – Skapa och utvärdera en företagsagent

  • Last updated on