从代码到云端：用 azd 将 AI Agent 部署到 Microsoft Foundry

你已经写好了一个 AI Agent，本地运行也没问题。然后呢？

把 Agent 从笔记本电脑搬到 Microsoft Foundry 的生产端点，通常意味着手动配置资源组、模型部署、托管身份、RBAC 角色分配——这还没算监控和调试。azd ai agent 命令把这些环节压缩到两条命令里。

本文是完整的端到端操作记录：部署 Agent、从终端调用它、本地开发迭代、实时查看日志，全程在 VS Code 里完成。

Azure 云端 AI Agent 节点连接示意图

前置条件

开始之前确认以下几项已就绪：

VS Code 已安装
Azure Developer CLI（azd）已安装
Git 已安装
拥有可访问 Microsoft Foundry 的 Azure 订阅，并确认目标区域有 GPT-4o 等模型的配额

克隆示例 Agent 项目

这里使用一个 Python 编写的西雅图酒店礼宾 Agent 作为演示：

git clone https://github.com/puicchan/seattle-hotel-agent
cd seattle-hotel-agent
code .

用 VS Code 打开后，所有后续操作都在集成终端里完成。

两条命令完成部署

先登录 Azure：

azd auth login

然后初始化并部署：

azd ai agent init
azd up

azd ai agent init 会在你的仓库里生成完整的基础设施即代码（IaC）定义；azd up 负责在 Azure 上把这些资源都创建出来，再把 Agent 发布到 Foundry。部署完成后，终端会打印一个直接指向 Foundry Portal 中 Agent 的链接。

生成了什么

azd ai agent init 在仓库里写入以下文件：

infra/main.bicep——汇总所有资源的入口 Bicep 模板
Foundry Resource（AI 资源的顶层容器）和 Foundry Project（Agent 的运行项目）
模型部署配置（如 GPT-4o）
托管身份及 RBAC 角色分配，让 Agent 可以安全访问模型和数据源
azure.yaml——azd 服务映射，把 Agent 代码和 Foundry 主机绑定
agent.yaml——Agent 定义文件，包含元数据和环境变量

这些文件都在你的仓库里，可以检查、修改、纳入版本控制。

在 Foundry Playground 里试用

部署完成后，点击终端里打印的 Foundry 链接，就能直接在浏览器里与 Agent 对话。试问它：

“西雅图市中心酒店有哪些套房可以预订？”

Agent playground in Microsoft Foundry

从终端调用 Agent

不用打开浏览器，在 VS Code 终端里直接发送请求：

azd ai agent invoke

这条命令把提示词发给远程 Agent 端点，并且保留多轮对话上下文。有个细节值得记一下：当本地 Agent 正在运行时（见下一节），azd ai agent invoke 会自动切换到本地实例，不需要改任何参数。

本地运行，快速迭代

改了 Agent 逻辑之后，不必每次都重新部署，直接在本地启动：

azd ai agent run

再开一个终端，用 azd ai agent invoke 对着本地实例发请求。改代码、重启、再调用——整个反馈循环控制在秒级，适合高频迭代。

实时监控日志

这是调试体验里最实用的一个命令：

azd ai agent monitor

默认打印最近约 50 条日志后退出。加上 --follow 参数可以持续流式输出：

azd ai agent monitor --follow

如果你有前端应用或任何客户端在消费这个 Agent 端点，通过这个命令可以实时看到每一条请求和响应，对排查生产问题很有帮助。

检查 Agent 健康状态

想快速确认 Agent 是否正常运行：

azd ai agent show

输出会告诉你已发布的 Agent 是否健康，以及部署的关键元数据。

清理资源

跑完这个演示后，删掉所有 Azure 资源避免持续计费：

azd down

加餐：接入前端聊天应用

想通过真实 UI 体验 Agent 完整闭环？官方提供了一个轻量级聊天应用，直接指向你刚才部署的 Agent：

git clone https://github.com/puicchan/chat-app-foundry
cd chat-app-foundry

通过环境变量把聊天应用指向你的 Agent（这些值可以从 azd up 的输出或在 seattle-hotel-agent 目录运行 azd env get-values 获取）：

azd env set AZURE_AI_AGENT_NAME "seattle-hotel-agent"
azd env set AZURE_AI_AGENT_VERSION "<version-number>"
azd env set AI_ACCOUNT_NAME "<your-ai-account-name>"
azd env set AI_ACCOUNT_RESOURCE_GROUP "<your-resource-group>"
azd env set AZURE_AI_FOUNDRY_ENDPOINT "<your-foundry-endpoint>"

然后部署聊天应用：

azd up

应用运行后，另开一个终端启动日志流式输出：

azd ai agent monitor --follow

在聊天 UI 里问一个问题，同时观察终端里的日志——请求从浏览器出发，打到 Foundry 上的 Agent，响应流回终端，整条链路一目了然。

聊天应用 UI 与实时日志监控并排运行

命令速查

命令	作用
`azd ai agent init`	生成 Foundry Agent 项目的 IaC 文件
`azd up`	创建 Azure 资源并部署 Agent
`azd ai agent invoke`	向远端或本地 Agent 发送提示词
`azd ai agent run`	在本地运行 Agent（用于开发）
`azd ai agent monitor`	流式输出已发布 Agent 的实时日志
`azd ai agent show`	查看已发布 Agent 的健康状态
`azd down`	删除所有 Azure 资源

后续方向

这套工作流是 AI Agent 开发内循环的完整形态：构建、部署、测试、监控，全在终端里。同样的 azd 工作流也可以接入 CI/CD 流水线——在 GitHub Actions 中加一步 azd up 就能实现每次推送到 main 分支自动部署；用 azd env 管理开发、预发布、生产多套环境，命令不变。

azd ai agent 系列命令由 Foundry 团队开发的 azd 扩展驱动，是合作团队扩展 azd 来支持新主机和工作流的一个范例。目前这套命令还在持续演进，本地开发测试和实时监控能力都已可用，目标是让 Agent 完整生命周期——从脚手架到评测再到生产监控——全部收敛到终端里。