Você conhece aquela lacuna entre “funciona na minha máquina” e “está implantado e servindo tráfego”? Para agentes de IA, essa lacuna tem sido dolorosamente ampla. Você precisa provisionar recursos, implantar modelos, configurar identidade, montar monitoramento — e isso é antes de qualquer pessoa poder realmente chamar seu agente.
O Azure Developer CLI acabou de transformar isso em uma questão de dois comandos.
O novo fluxo de trabalho azd ai agent
Deixe-me mostrar como isso realmente se parece. Você tem um projeto de agente de IA — digamos um agente concierge de hotel. Funciona localmente. Você quer ele rodando no Microsoft Foundry.
azd ai agent init
azd up
Isso é tudo. Dois comandos. azd ai agent init gera a infraestrutura como código no seu repositório, e azd up provisiona tudo no Azure e publica seu agente. Você recebe um link direto para seu agente no portal Foundry.
O que acontece por baixo dos panos
O comando init gera templates Bicep reais e inspecionáveis no seu repositório:
- Um Foundry Resource (contêiner de nível superior)
- Um Foundry Project (onde seu agente vive)
- Configuração de implantação de modelo (GPT-4o, etc.)
- Identidade gerenciada com atribuições de papéis RBAC apropriadas
azure.yamlpara o mapa de serviçosagent.yamlcom metadados do agente e variáveis de ambiente
O ponto chave: tudo isso é seu. É Bicep versionado no seu repositório. Você pode inspecioná-lo, customizá-lo e fazer commit junto com o código do seu agente. Sem caixas pretas mágicas.
O ciclo interno de desenvolvimento
O que eu realmente gosto é a história de desenvolvimento local. Quando você está iterando na lógica do agente, não quer reimplantar toda vez que muda um prompt:
azd ai agent run
Isso inicia seu agente localmente. Combine com azd ai agent invoke para enviar prompts de teste, e você tem um ciclo de feedback apertado. Editar código, reiniciar, invocar, repetir.
O comando invoke também é inteligente no roteamento — quando um agente local está rodando, ele aponta automaticamente para ele. Quando não está, vai para o endpoint remoto.
Monitoramento em tempo real
Esta é a funcionalidade que me convenceu. Uma vez que seu agente está implantado:
azd ai agent monitor --follow
Cada requisição e resposta fluindo pelo seu agente é transmitida para seu terminal em tempo real. Para depurar problemas em produção, isso é inestimável. Sem vasculhar log analytics, sem esperar métricas agregarem — você vê o que está acontecendo agora.
O conjunto completo de comandos
Aqui a referência rápida:
| Comando | O que faz |
|---|---|
azd ai agent init | Gera um projeto de agente Foundry com IaC |
azd up | Provisiona recursos Azure e implanta o agente |
azd ai agent invoke | Envia prompts ao agente remoto ou local |
azd ai agent run | Executa o agente localmente para desenvolvimento |
azd ai agent monitor | Transmite logs em tempo real do agente publicado |
azd ai agent show | Verifica saúde e status do agente |
azd down | Limpa todos os recursos Azure |
Por que isso importa para desenvolvedores .NET
Embora o exemplo do anúncio seja baseado em Python, a história de infraestrutura é agnóstica a linguagem. Seu agente .NET recebe o mesmo scaffolding Bicep, a mesma configuração de identidade gerenciada, o mesmo pipeline de monitoramento. E se você já usa azd para suas apps .NET Aspire ou implantações Azure, isso se encaixa direto no seu fluxo de trabalho existente.
A lacuna de implantação para agentes de IA tem sido um dos maiores pontos de fricção no ecossistema. Ir de um protótipo funcional a um endpoint de produção com identidade, rede e monitoramento adequados não deveria exigir uma semana de trabalho DevOps. Agora requer dois comandos e alguns minutos.
Para finalizar
azd ai agent está disponível agora. Se você tem adiado a implantação dos seus agentes de IA porque a configuração de infraestrutura parecia trabalho demais, experimente. Confira o tutorial completo para o passo a passo completo incluindo integração de app de chat frontend.
