使用 Azure AI Projects SDK 为 TypeScript 构建 AI Agent

通过 Azure AI Projects 高级 SDK，开发者可以在 TypeScript 环境中快速创建并管理具备工具调用能力的 AI Agent，并无缝集成 Azure AI Foundry 的连接、部署与评估资源。

为什么需要这个技能

在构建复杂的 AI 应用时，手动管理模型部署、连接字符串和 Agent 状态非常琐碎。Azure AI Projects SDK 提供了一套统一的接口，将 Agent 的生命周期管理（创建、版本控制、运行）与基础设施（数据集、搜索索引、连接）整合在一起。

它允许开发者通过简单的代码定义 Agent 的能力（如代码解释器、文件搜索、Web 搜索或自定义 MCP 工具），而无需深入处理底层的 API 调用细节，极大地提升了从原型到生产的开发速度。

适用场景

• 构建智能助手：创建能够执行代码、搜索文档或调用外部 API 的 AI Agent。
• 管理 AI 资源：在代码中动态列出和切换不同的模型部署（Deployments）或管理数据集版本。
• 实现 RAG 工作流：快速配置 Azure AI Search 索引并将其作为 Agent 的检索工具。
• 企业级集成：利用 DefaultAzureCredential 实现安全的身份验证，避免在代码中硬编码密钥。

核心工作流

1. 环境配置与认证

安装必要依赖并配置环境变量，使用 DefaultAzureCredential 实现无密钥认证。

npm install @azure/ai-projects @azure/identity

import { AIProjectClient } from "@azure/ai-projects";
import { DefaultAzureCredential } from "@azure/identity";

const client = new AIProjectClient(
  process.env.AZURE_AI_PROJECT_ENDPOINT!,
  new DefaultAzureCredential()
);

2. 定义与创建 Agent

根据需求选择 Agent 类型并为其配置工具（Tools）。例如，创建一个具备代码解释器和文件搜索能力的 Agent：

const agent = await client.agents.createVersion("my-code-agent", {
  kind: "prompt",
  model: "gpt-4o",
  instructions: "你是一个专业的代码分析助手。",
  tools: [
    { type: "code_interpreter", container: { type: "auto" } },
    { type: "file_search", vector_store_ids: [vectorStoreId] }
  ]
});

3. 执行会话并获取响应

通过 getOpenAIClient() 获取客户端，创建对话并调用 Agent 生成响应。

const openAIClient = await client.getOpenAIClient();

const conversation = await openAIClient.conversations.create({
  items: [{ type: "message", role: "user", content: "分析这段代码的性能问题" }]
});

const response = await openAIClient.responses.create(
  { conversation: conversation.id },
  { body: { agent: { name: agent.name, type: "agent_reference" } } }
);

4. 资源管理与清理

利用 client.connections 管理外部资源，并在任务结束后删除临时 Agent 和对话以节省资源。

下载和安装

下载 azure-ai-projects-ts 中文版 Skill ZIP

解压后将目录放入你的 AI 工具 skills 文件夹，重启工具后即可使用。具体路径参考内附的 USAGE.zh.md。

你可能还需要

暂无推荐