本文属于【Azure 架构师学习笔记】系列。本文属于【Azure AI】系列。接上文 【Azure 架构师学习笔记 】- Azure AI(17)-入门铺垫—基于Azure的Agent核心认知与环境准备前言上一篇我们完成了Azure国际版环境准备和Agent核心认知明确了Agent的四大模块、三层生态以及Azure国际版对Agent的核心支撑同时确认了已有的GPT-4模型可作为Agent的核心决策驱动。这一篇将进入实操核心搭建第一个可运行的极简Agent。作为入门我们不追求复杂功能先实现“指令解析→任务执行→结果反馈”的闭环核心依托Azure OpenAI的GPT-4模型实现任务规划复用你之前掌握的Python代码和Azure配置逻辑降低学习成本。二、极简Agent的核心模块拆解我们将搭建的第一个极简Agent核心包含3个模块对应代码的3个核心函数这也是所有Agent的基础框架配置模块加载Azure OpenAI的配置Endpoint、API Key 、Deployment Name确保能正常调用GPT-4模型复用上一篇的配置逻辑无需重复编写指令解析与任务规划模块接收用户指令如“总结一段文本”通过Azure GPT-4模型解析指令、规划执行步骤版暂不拆解复杂步骤重点实现“指令→执行”的直接映射工具执行模块根据规划的步骤调用对应的工具本篇先实现“文本总结”工具后续逐步扩展文件处理、导出等工具工具的核心逻辑复用Azure OpenAI的调用能力。补充说明此版Agent暂不加入复杂的多轮记忆和批量处理重点验证“Azure GPT-4模型调用→任务执行”的流程确保核心功能可运行后续逐步迭代完善。三、实操编写极简Agent完整代码建议保存为agent_basic.pyfromopenaiimportAzureOpenAIimportjsonimportos# 1. Azure OpenAI配置模块复用适配Agent # 配置文件路径和上一篇一致保存Azure信息避免每次输入CONFIG_FILEazure_config.jsondefload_azure_config():加载Azure OpenAI配置新增配置校验ifos.path.exists(CONFIG_FILE):withopen(CONFIG_FILE,r,encodingutf-8)asf:configjson.load(f)# 验证配置是否完整Azure必备3个参数适配GPT-4调用required_keys[azure_endpoint,api_key,deployment_name]ifall(keyinconfigforkeyinrequired_keys):returnconfigelse:raiseValueError(Azure配置不完整需包含azure_endpoint、api_key、deployment_name)else:# 若没有配置文件引导用户填写首次运行和上一篇操作一致config{azure_endpoint:input(请输入AzureEndpoint),api_key:input(请输入Azure OpenAI API Key),deployment_name:input(请输入Azure OpenAI部署名称需为GPT-4)}withopen(CONFIG_FILE,w,encodingutf-8)asf:json.dump(config,f,ensure_asciiFalse,indent4)returnconfig# 初始化Azure OpenAI客户端指定稳定API版本configload_azure_config()clientAzureOpenAI(azure_endpointconfig[azure_endpoint],api_keyconfig[api_key],api_version2025-01-01-preview#)# 2. 工具模块极简版文本总结工具GPT-4驱动 deftext_summary_tool(text:str)-str:文本总结工具Agent可调用的第一个工具复用Azure OpenAI调用逻辑适配GPT-4try:responseclient.chat.completions.create(modelconfig[deployment_name],# 关联你部署的GPT-4模型messages[{role:system,content:你是专业的文本总结助手总结需简洁、准确控制在100字内无冗余内容贴合职场场景。},{role:user,content:f请总结以下文本\n{text}}],temperature0.2# 降低随机性确保总结结果稳定)returnresponse.choices[0].message.content.strip()exceptExceptionase:returnf文本总结失败GPT-4调用异常{str(e)}# 3. Agent核心模块指令解析任务规划工具调用 classSimpleAzureAgent:def__init__(self):# 初始化Agent加载工具后续可添加更多工具如文件处理self.tools{文本总结:text_summary_tool# 工具名称→工具函数的映射方便Agent快速调用}defparse_instruction(self,instruction:str)-dict:解析用户指令判断需要调用的工具极简版直接匹配工具名称降低复杂度# 这里用简单的关键词匹配后续将升级为GPT-4智能解析适配复杂指令fortool_nameinself.tools.keys():iftool_nameininstruction:return{tool_name:tool_name,content:instruction.replace(tool_name,).strip(),# 提取需要处理的文本内容status:success}# 若未匹配到工具返回明确提示引导用户输入正确指令return{status:fail,message:未识别到可处理的任务请输入包含「文本总结」的指令如文本总结 今天的会议内容是...}defrun(self,instruction:str)-str:Agent运行入口串联「解析指令→调用工具→返回结果」全流程print(fAgent接收指令{instruction})# 1. 解析用户指令判断需要调用的工具parse_resultself.parse_instruction(instruction)ifparse_result[status]fail:returnparse_result[message]# 2. 调用对应的工具执行具体任务tool_nameparse_result[tool_name]contentparse_result[content]ifnotcontent:returnf请输入需要{tool_name}的内容如{tool_name}具体文本tool_funcself.tools[tool_name]resulttool_func(content)# 3. 返回处理结果格式清晰方便用户查看returnfAgent处理结果{tool_name}\n{result}# 4. 测试Agent直接运行验证功能 if__name____main__:# 初始化Agent加载GPT-4模型和工具agentSimpleAzureAgent()print(✅ Azure极简Agent已启动基于GPT-4驱动)print(示例指令文本总结 今天召开了项目会议讨论了下一版本的功能迭代计划确定了需求优先级预计下周三完成开发任务。)print(输入「退出」即可结束运行)# 交互测试模拟用户使用场景whileTrue:user_inputinput(\n请输入指令)ifuser_input退出:print(❌ Agent已停止运行)break# 运行Agent并输出结果验证GPT-4调用和工具执行resultagent.run(user_input)print(result)四、代码运行与测试代码运行步骤简单附测试成功示意图方便你对照验证保存代码将上述代码保存为agent_basic.py放在本地文件夹建议和上一篇的azure_config.json文件放在同一目录避免配置读取失败运行代码打开CMD进入代码所在目录执行命令 python agent_basic.py首次运行验证若没有azure_config.json文件会提示输入Azure的Endpoint、API Key、Deployment Name可从Azure门户复制和上一篇准备的一致确保Deployment Name是GPT-4的部署名称功能测试输入以下指令验证Agent是否正常运行对照示意图查看结果测试指令1基础功能文本总结 今天召开了项目会议参会人员有产品、开发、测试会议核心讨论了下一版本的功能迭代计划确定了需求优先级预计下周三完成开发任务。预期结果Agent调用文本总结工具GPT-4驱动返回简洁的总结100字内无冗余内容测试指令2异常验证输入“整理文件”未包含“文本总结”关键词Agent会提示“未识别到可处理的任务”验证指令解析功能测试指令3空内容验证输入“文本总结”未输入具体文本Agent会提示“请输入需要总结的内容”验证参数校验功能。五、核心知识点讲解Agent核心逻辑讲解理解底层原理Agent的运行流程用户输入指令 → Agent解析指令匹配工具 → 调用对应工具文本总结GPT-4驱动 → 返回结果其中3个核心关键点需重点掌握tools字典实现“工具名称→工具函数”的映射后续添加新工具如文件处理只需在字典中添加对应映射即可扩展性强parse_instruction函数极简版用关键词匹配降低理解和开发难度后续将升级为“通过Azure GPT-4模型解析指令”实现更智能的任务识别如识别复杂指令run函数Agent的入口串联“解析→调用→返回”的全流程是Agent的核心控制逻辑后续所有功能升级如多轮记忆、批量处理都会围绕这个入口扩展。常见问题排查运行代码时若出现报错可对照以下常见问题排查报错“配置不完整”检查azure_config.json文件确保3个核心参数都填写正确无拼写错误如果还有错误可以删除这个json文件重新运行。报错“模型调用失败”检查Deployment Name是否为GPT-4的部署名称同时确认Azure订阅处于活跃状态API Key未过期代码运行无响应检查网络是否能正常访问Azure国际版若网络异常需确保Azure国际版的访问权限正常。六、本篇总结与下一篇预告本篇我们成功搭建了第一个基于Azure的入门级Agent依托GPT-4模型实现了“文本总结”功能掌握了Agent的核心框架配置→解析→工具调用同时验证了Azure模型调用的稳定性也解决了新手常见的调用和运行问题。下一篇我们将升级Agent添加多轮记忆功能让Agent记住上下文比如追问上一次的总结内容、扩展文件处理工具复用你之前的多格式文件处理代码让Agent能处理“总结Word文档”“提取Excel内容”等更贴近职场的任务逐步向实用型Agent升级同时继续补充对应的示意图方便解升级逻辑。