360 Secure SkillHub
360 安全技能中心

agent-framework-azure-ai-py

该技能为纯文档型技能,说明如何用 agent-framework 与 Azure AI Foundry 构建智能体;示例涵盖网络搜索、托管代码解释器、MCP 工具、结构化输出与流式响应,并给出参数表、响应格式、错误恢复与安全提示。使用需网络连接与云凭证。

thcjp
thcjp
热度 47.35
最近更新 2026-09-22 03:00:09
分类:开发依赖:代码执行 / 读写文件 / 第三方 API / MCP 服务 / 内部调用大模型应用场景:代码生成 / API 集成

安装技能

复制下面的话术发给你的 Agent,它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill: npx secure-skills-cli add thcjp/agent-framework-azure-ai-py
Metadata
slug
agent-framework-azure-ai-py
name
agent-framework-azure-ai-py
version
0.1.1
displayName
智能体框架AzureAI
summary
纯文档型技能,指导构建Azure AI Foundry Agent,覆盖云搜索与多模型能力。This is a documentation-only skill for building A
summary_zh
纯文档型技能,指导构建Azure AI Foundry Agent,覆盖云搜索与多模型能力。This is a documentation-only skill for building A
license
MIT
description
This is a documentation-only skill for building Azure AI Foundry agents; its cloud, web search, M。Use when 需要AI模型调用、智能对话、Agent编排、LLM应用时使用。不适用于需要100%确定性的关键决策.
tags
["Research","Development","Azure","云计算","DevOps","agent","thread","api","import"]
tools
["read","exec","write"]
homepage
category
Operations

Agent Framework Azur

专业版增强能力

能力 免费版 付费版
基础功能 支持 支持
代码静态分析与质量评分 不支持 支持
依赖漏洞检测与升级建议 不支持 支持
批量代码审查与报告生成 不支持 支持
CI/CD流水线集成 不支持 支持

能力概览

  • This is a documentation-only skill for building Azure AI Foundry agents
  • its cloud, web search, M

快速入门

  1. 确认运行环境满足依赖说明中的要求
  2. 在AI Agent对话中调用本技能,提供必要的输入参数
  3. 检查输出结果,根据需要进行后续处理

详细的输入输出格式请参考下方章节说明。

适用范围

场景 输入 输出
场景1 纯文档型技能 用户请求数据 结构化处理结果
场景2 指导构建Azure AI Foundry Agent 用户请求数据 结构化处理结果
场景3 覆盖云搜索与多模型能力 用户请求数据 结构化处理结果

不适用于:需要人工判断的复杂决策场景

使用方法

  1. 分析代码上下文: 读取目标代码文件,解析项目结构与依赖关系
  2. 执行开发操作: 根据用户指令执行编写/审查/重构/测试等开发任务
  3. 验证与反馈: 运行检查工具确认修改正确性,输出差异与建议
  4. 异常处理: 如遇错误,参考错误处理章节中对应场景的处理方式

参数说明

参数名 类型 必填 说明
content string 否 agent-framework-azure-ai-py处理的内容输入
mode string 否 处理模式, 可选: json/text/markdown,
max_retries integer 否 单步最大重试次数, 默认: 2
skip_steps array 否 跳过的步骤编号(用于断点续传), 默认: []

响应格式

{
  "success": true,
  "data": {
    "final_result": {
      "py_result": "py_result_value",
      "py_metadata": "py_metadata_value",
      "py_status": "py_status_value"
    },
    "execution_log": [
      {
        "step": 1,
        "name": "按流程执行",
        "status": "completed",
        "duration_ms": 1200,
        "output_summary": "按流程执行"
      },
      {
        "step": 2,
        "name": "按流程执行",
        "status": "completed",
        "duration_ms": 3500,
        "output_summary": "按流程执行"
      },
      {
        "step": 3,
        "name": "按流程执行",
        "status": "completed",
        "duration_ms": 2100,
        "output_summary": "按流程执行"
      },
      {
        "step": 4,
        "name": "按流程执行",
        "status": "completed",
        "duration_ms": 800,
        "output_summary": "按流程执行"
      }
    ],
    "total_duration_ms": 7600,
    "gates_passed": 3,
    "gates_total": 3
  },
  "error": null
}

中间产物模板参考: assets/agent-framework-azure-ai-py_template

错误恢复方案

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

安装与配置

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

依赖说明(补充)

依赖项 类型 是否必需 获取方式
LLM API API 必需 由Agent内置LLM提供

API Key 配置

可用性分类

  • 分类: MD+execute()
  • 说明: 基于Markdown的AI Skill,

API Key配置方式:

export API_KEY="${API_KEY:?请设置环境变量}"

配置后需重启会话或开启新终端生效。API Key应妥善保管,避免泄露到版本控制系统.

案例展示

import asyncio
from typing import Annotated
from pydantic import BaseModel, Field
from agent_framework import (
    HostedCodeInterpreterTool,
    HostedWebSearchTool,
    ProtocolStreamableHTTPTool,
)
from agent_framework.azure import AzureAIAgentsProvider
from azure.identity.aio import AzureCliCredential
# ...
def get_weather(
    location: Annotated[str, Field(description="City name")],
) -> str:
    """Get weather for a location."""
    return f"Weather in {location}: 72°F, sunny"
# ...
class AnalysisResult(BaseModel):
    summary: str
    key_findings: list[str]
    confidence: float
# ...
async def main():
    async with (
        AzureCliCredential() as credential,
        ProtocolStreamableHTTPTool(
            name="Docs 协议",
            url="https://learn.microsoft.com/api/协议",
        ) as mcp_tool,
        AzureAIAgentsProvider(credential=credential) as provider,
    ):
        agent = await provider.create_agent(
            name="ResearchAssistant",
            instructions="You are a research assistant with multiple capabilities.",
            tools=[
                get_weather,
                HostedCodeInterpreterTool(),
                HostedWebSearchTool(name="Bing"),
                mcp_tool,
            ],
        )
# ...
        thread = agent.get_new_thread()
# ...
        # Non-streaming
        result = await agent.run(
            "Search for Python best practices and summarize",
            thread=thread,
        )
        print(f"Response: {result.text}")
# ...
        # Streaming
        print("\nStreaming: ", end="")
        async for chunk in agent.run_stream("Continue with examples", thread=thread):
            if chunk.text:
                print(chunk.text, end="", flush=True)
        print()
# ...
        # Structured output
            "Analyze findings",
            thread=thread,
            response_format=AnalysisResult,
        )
        analysis = AnalysisResult.model_validate_json(result.text)
        print(f"\nConfidence: {analysis.confidence}")
# ...
if __name__ == "__main__":
    asyncio.run(main())

问答汇总

Q1: 如何开始使用Agent Framework Azur?

A: 请参考使用流程和依赖说明章节,确保运行环境满足要求后调用本技能。

错误处理机制

错误场景2 原因 处理方式
LLM响应超时或无响应 网络延迟或模型负载过高 请求重试;确认Agent平台LLM服务正常
输入内容格式不正确 用户输入不符合skill预期格式 检查输入是否符合skill使用说明中的格式要求,参考示例章节
执行结果与预期不符 指令描述不够明确或上下文不足 提供更详细的指令描述,补充必要的上下文信息
命令执行失败 运行环境不满足要求或权限不足 确认运行环境符合依赖说明中的要求;检查命令权限设置

限制条件

  • 依赖云服务,需要网络连接
  • 需要有效的云服务凭证和配置好的CLI环境
  • 产生的云资源可能产生费用,使用前请确认计费方式
  • 不同区域的服务可用性和功能支持可能存在差异

常见问题FAQ

Q1: 如何在Azure AI Foundry中集成智能体框架AzureAI?

A: 在Azure AI Foundry中,您可以通过配置工具和代理来集成智能体框架AzureAI,使用其云搜索和多模型能力。

Q2: 智能体框架AzureAI支持哪些类型的AI模型?

A: 智能体框架AzureAI支持多种AI模型,包括云搜索模型和多模型,适用于文本分析、自然语言处理等场景。

Q3: 如果遇到网络错误,应该如何处理?

A: 网络错误可能是由于连接超时或不可达导致的。您可以尝试重试请求,并检查您的网络连接。

Q4: 如何配置API Key以使用智能体框架AzureAI?

A: 您可以通过设置环境变量API_KEY来配置API Key。确保将API Key保存在安全的地方,避免泄露。

Q5: 智能体框架AzureAI是否支持自定义模型?

A: 是的,智能体框架AzureAI支持自定义模型。您可以将自己的模型集成到框架中,以扩展其功能。

故障应对方案

错误现象 可能原因 诊断步骤 解决方案
代理启动失败 配置错误 检查配置文件,确保所有参数正确 修正配置文件,重新启动代理
模型调用无响应 网络问题 检查网络连接,确保可以访问模型服务 修复网络问题,重试模型调用
输出结果不正确 模型错误 检查模型输入和输出,确认模型正确性 修正模型或输入数据,重新运行
执行时间过长 资源限制 检查资源使用情况,确保有足够的计算资源 增加资源或优化模型

安全提示

风险项 等级 防护措施 验证方法
API Key泄露 高 使用环境变量存储API Key,限制访问权限 定期审计访问日志
数据泄露 高 加密敏感数据,使用安全的传输协议 定期进行安全审计
模型注入攻击 中 对输入数据进行验证和清理 实施严格的输入验证策略
系统漏洞 中 保持系统更新,使用安全配置 定期进行漏洞扫描
访问控制不当 中 实施最小权限原则,定期审查访问控制 使用访问控制审计工具

创新亮点

功能 效率提升 差异化对比
云搜索 提高搜索效率,减少开发时间 与传统搜索引擎相比,集成更紧密
多模型支持 提供更全面的AI功能 支持多种模型,满足不同需求
自动化构建 自动化构建流程,提高开发效率 减少手动操作,降低错误率
代码审查 提高代码质量,减少缺陷 集成代码审查工具,简化流程
CI/CD集成 自动化测试和部署,提高开发效率 集成CI/CD工具,简化部署流程

通过集成智能体框架AzureAI,开发人员可以更高效地构建Azure AI Foundry代理,实现自动化和智能化的开发流程。

功能介绍

  • 自动化执行: 纯文档型技能,指导构建Azure AI Foundry Agent,覆盖云搜索与多模型能力。This is a docu
  • 文件处理: 支持多种文件格式的读取、解析和写入操作
  • API集成: 通过标准化接口调用外部服务并处理响应
  • 命令执行: 在安全沙箱中执行系统命令并收集结果
  • 信息检索: 快速搜索和过滤目标数据

效率量化分析

操作场景 手动耗时 自动化耗时 效率提升
文件解析与提取 5-10分钟/个 <5秒/个 60-120x
批量文件处理(100个) 8-16小时 <5分钟 96-192x
API调用与响应解析 2-3分钟/次 <1秒/次 120-180x
多接口数据聚合 15-30分钟 <10秒 90-180x
命令执行与结果收集 3-5分钟/次 <2秒/次 90-150x
重复任务批量执行 因任务而异 线性缩减 5-50x
错误排查与修复 10-30分钟 <30秒 20-60x

差异化对比

对比维度 智能体框架AzureAI 传统手动方式 通用脚本工具
自动化程度 全流程自动 完全手动 部分自动
错误处理 内置错误恢复 依赖人工经验 基本try-catch
可复用性 参数化配置 一次性脚本 模板化
安全合规 内置安全检查 无安全保障 无安全保障
适用场景 纯文档型技能,指导构建Azure AI Foundry Agent,覆盖云搜索与 通用场景 通用场景