🚀 快速安装

复制以下命令并运行，立即安装此 Skill：

npx @anthropic-ai/skills install microsoft/azure-skills/microsoft-foundry

💡 提示：需要 Node.js 和 NPM

Microsoft Foundry 技能

必须执行：在调用任何 Foundry MCP 工具之前，请先阅读此技能和相关的子技能。

子技能

子技能 使用场景 参考
deploy 容器化、构建、推送到 ACR、创建/更新/启动/停止/克隆智能体部署 deploy
invoke 向智能体发送消息，支持单轮或多轮对话 invoke
observe 基于评估的优化循环：评估 → 分析 → 优化 → 比较 → 迭代 observe
trace 查询跟踪、分析延迟/故障、通过 App Insights customEvents 将评估结果与特定响应关联 trace
troubleshoot 查看容器日志、查询遥测、诊断故障 troubleshoot
create 创建新的托管智能体应用程序。支持 Microsoft Agent Framework、LangGraph 或 Python/C# 中的自定义框架。从 foundry-samples 仓库下载入门示例。 create
eval-datasets 将生产跟踪数据收集到评估数据集，管理数据集版本和拆分，跟踪评估指标随时间的变化，检测回归，并维护从跟踪到部署的完整溯源。用于：从跟踪创建数据集、数据集版本控制、评估趋势分析、回归检测、数据集比较、评估溯源。 eval-datasets
project/create 创建新的 Azure AI Foundry 项目，用于托管智能体和模型。在接入 Foundry 或设置新基础设施时使用。 project/create/create-foundry-project.md
resource/create 使用 Azure CLI 创建 Azure AI 服务多服务资源（Foundry 资源）。在需要精细控制手动配置 AI 服务资源时使用。 resource/create/create-foundry-resource.md
models/deploy-model 统一模型部署与智能路由。处理快速预设部署、完全定制部署（版本/SKU/容量/RAI），以及跨区域容量发现。路由到子技能：preset（快速部署）、customize（完全控制）、capacity（查找可用容量）。 models/deploy-model/SKILL.md
quota 管理 Microsoft Foundry 资源的配额和容量。在检查配额使用情况、排查因配额不足导致的部署失败、请求增加配额或进行容量规划时使用。 quota/quota.md
rbac 管理 Microsoft Foundry 资源的 RBAC 权限、角色分配、托管标识和服务主体。用于访问控制、权限审计和 CI/CD 设置。 rbac/rbac.md

接入流程：project/create → deploy → invoke

智能体生命周期

意图 工作流程
从头创建新智能体 create → deploy → invoke
部署现有代码 deploy → invoke
测试/与智能体对话 invoke
故障排除 invoke → troubleshoot
修复 + 重新部署 troubleshoot → fix → deploy → invoke

项目上下文解析

仅解析缺失的值。先从用户消息中提取，然后从 azd 中提取，最后再询问用户。

  1. 检查是否存在 azure.yaml；如果存在，运行 azd env get-values
  2. 映射 azd 变量：
azd 变量 解析为
AZURE_AI_PROJECT_ENDPOINT / AZURE_AIPROJECT_ENDPOINT 项目端点
AZURE_CONTAINER_REGISTRY_NAME / AZURE_CONTAINER_REGISTRY_ENDPOINT ACR 注册表
AZURE_SUBSCRIPTION_ID 订阅
  1. 仅针对未解析的值（项目端点、智能体名称）询问用户

验证

在工作流程的每一步之后，在继续之前进行验证：

  1. 执行操作
  2. 检查输出是否有错误或意外结果
  3. 如果失败 → 使用故障排除子技能进行诊断 → 修复 → 重试
  4. 仅在验证通过后，才进入下一步

智能体类型

类型 种类 描述
提示 "prompt" 基于大语言模型，由模型部署支持
托管 "hosted" 基于容器，运行自定义代码

智能体：设置类型

设置 能力宿主 描述
基础 无 默认。所有资源由 Microsoft 管理。
标准 Azure AI 服务 自带存储和搜索（公共网络）。请参阅 standard-agent-setup。
标准 + 专用网络 Azure AI 服务 具有 VNet 隔离和私有端点的标准设置。请参阅 private-network-standard-agent-setup。

必须执行：对于标准设置，请在进行操作前阅读相应的参考：

工具使用惯例

  • 在收集用户信息时，使用 ask_user 或 askQuestions 工具
  • 使用 task 或 runSubagent 工具来委托长时间运行或独立的子任务（例如，环境变量扫描、状态轮询、Dockerfile 生成）
  • 当可用时，优先使用 Azure MCP 工具而非直接的 CLI 命令
  • 引用官方的 Microsoft 文档 URL，而不是嵌入 CLI 命令语法

参考资料

依赖项

子技能中的脚本需要：Azure CLI (az) ≥2.0, jq（用于 shell 脚本）。如需使用 Python SDK，通过 pip install azure-ai-projects azure-identity 安装。

📄 原始文档

完整文档（英文）：

https://skills.sh/microsoft/azure-skills/microsoft-foundry

💡 提示：点击上方链接查看 skills.sh 原始英文文档，方便对照翻译。

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。