Pular para o conteúdo principal

Desafio 22: Azure AI Agent Service

Tempo Estimado

60 min | Custo: $3-8 (estimado) | Domínio: Implementar Soluções Agênticas (5-10%)

Habilidades do exame cobertas​

  • Criar um agente com Azure AI Agent Service
  • Configurar ferramentas do agente (file search, code interpreter)
  • Gerenciar threads e runs para conversas do agente

Visão Geral​

O Azure AI Agent Service fornece uma plataforma gerenciada para construir agentes de IA. Ele gerencia threads, execução de ferramentas (file search, code interpreter, funções personalizadas), ciclo de vida de runs e gerenciamento de arquivos.

A arquitetura: criar um agente → criar uma thread → adicionar mensagens → criar um run → fazer polling até completar → ler respostas.

Pré-requisitos​

  • Assinatura Azure
  • Hub e projeto Azure AI Foundry
  • Python 3.9+ ou .NET 8
  • Pacotes: azure-ai-projects, azure-identity

Implementação​

Tarefa 1: Configurar o Projeto Azure AI Foundry​

az group create --name rg-ai102-foundry-agents --location eastus2

az extension add --name ml

az ml workspace create \
  --name hub-ai102-agents \
  --resource-group rg-ai102-foundry-agents \
  --kind hub \
  --location eastus2
import os
import time
from azure.ai.projects import AIProjectClient
from azure.ai.projects.models import FilePurpose, FileSearchTool, RunStatus
from azure.identity import DefaultAzureCredential

project_client = AIProjectClient(
    credential=DefaultAzureCredential(),
    endpoint=os.environ["AZURE_AI_PROJECT_ENDPOINT"],
)

# Upload a knowledge file
with open("pricing-info.md", "w") as f:
    f.write("# Azure AI Pricing\n- GPT-4o: $2.50/1M input, $10/1M output\n- Vision: $1/1K calls\n")

uploaded_file = project_client.agents.upload_file(
    file_path="pricing-info.md",
    purpose=FilePurpose.AGENTS
)

vector_store = project_client.agents.create_vector_store_and_poll(
    file_ids=[uploaded_file.id],
    name="pricing-kb"
)

# Create agent with file search tool
agent = project_client.agents.create_agent(
    model="gpt-4o",
    name="Pricing Assistant",
    instructions="You are a pricing assistant. Use file search to answer questions accurately.",
    tools=[FileSearchTool()],
    tool_resources={"file_search": {"vector_store_ids": [vector_store.id]}}
)
print(f"Created agent: {agent.id}")

# Create thread and run
thread = project_client.agents.create_thread()
project_client.agents.create_message(
    thread_id=thread.id, role="user",
    content="How much does GPT-4o cost per million input tokens?"
)

run = project_client.agents.create_run(thread_id=thread.id, agent_id=agent.id)

while run.status in [RunStatus.QUEUED, RunStatus.IN_PROGRESS]:
    time.sleep(1)
    run = project_client.agents.get_run(thread_id=thread.id, run_id=run.id)

if run.status == RunStatus.COMPLETED:
    messages = project_client.agents.list_messages(thread_id=thread.id)
    for msg in reversed(messages.data):
        if msg.role == "assistant":
            for block in msg.content:
                if hasattr(block, "text"):
                    print(f"Assistant: {block.text.value}")

project_client.agents.delete_agent(agent.id)

Tarefa 3: Ferramenta Code Interpreter​

from azure.ai.projects.models import CodeInterpreterTool

code_agent = project_client.agents.create_agent(
    model="gpt-4o",
    name="Data Analyst",
    instructions="You are a data analyst. Use code interpreter for calculations and charts.",
    tools=[CodeInterpreterTool()]
)

thread = project_client.agents.create_thread()
project_client.agents.create_message(
    thread_id=thread.id, role="user",
    content="Calculate monthly cost: 500K GPT-4o input tokens/day, 100K output/day. Show breakdown."
)

run = project_client.agents.create_and_process_run(
    thread_id=thread.id, agent_id=code_agent.id
)

if run.status == RunStatus.COMPLETED:
    messages = project_client.agents.list_messages(thread_id=thread.id)
    for msg in messages.data:
        if msg.role == "assistant":
            for block in msg.content:
                if hasattr(block, "text"):
                    print(block.text.value)

project_client.agents.delete_agent(code_agent.id)

Saída Esperada​

Created agent: asst_ABC123
Assistant: Based on the pricing document, Azure OpenAI GPT-4o costs $2.50 per 1 million input tokens.

Monthly Cost Breakdown:
| Service       | Usage          | Monthly Cost |
|--------------|----------------|--------------|
| GPT-4o Input | 15M tokens/mo  | $37.50       |
| GPT-4o Output| 3M tokens/mo   | $30.00       |
| Total        |                | $67.50       |

Quebra & conserta​

CenárioSintomaCausa RaizCorreção
Run travado em in_progressTimeoutIndexação de arquivo grande ou latência do modeloUse create_and_process_run com timeout; verifique o status do vector store
Status requires_actionRun pausaAgente precisa de resultados de chamada de funçãoEnvie outputs de ferramentas via submit_tool_outputs
File search não retorna nadaResposta genéricaArquivo ainda não indexadoAguarde o status completed do vector store antes de executar
404 na threadThread não encontradaID da thread incorreto ou deletadoVerifique o ID da thread; threads persistem até serem explicitamente deletadas
Erro de deployment do modeloCriação do agente falhaModelo não implantado no projetoImplante o modelo via portal AI Foundry primeiro

Verificação de Conhecimento​

1. Qual é a sequência correta para usar o Azure AI Agent Service?

2. O que a ferramenta file_search fornece no Azure AI Agent Service?

3. Qual é o propósito da ferramenta code_interpreter?

4. Como você deve lidar com o status 'requires_action' de um run?

5. Qual é a relação entre agentes e threads?

Limpeza​

az group delete --name rg-ai102-foundry-agents --yes --no-wait

Saiba Mais​