Azure.yaml-Referenz für gehostete Agents

Die azure.yaml Datei ist die einzelne Azure Developer CLI(azd)-Projektkonfiguration für ein gehostetes Agentprojekt. Sie deklariert Ihre Foundry-Ressourcen – das Projekt, modellieren Bereitstellungen, Verbindungen, Toolboxen, Fähigkeiten, Routinen und die Agents selbst – als eine Reihe von Diensten und teilt azd ihnen mit, wie sie bereitgestellt und bereitgestellt werden. Diese einheitliche Datei ersetzt das frühere Zwei-Dateimodell, das die Konfiguration zwischen agent.manifest.yaml und .agent.yaml

Informationen zum Verfassen und Erstellen dieser Datei schrittweise finden Sie unter "Autor azure.yaml" für gehostete Agents.

Wie azd azure.yaml verwendet

Die Azure Developer CLI optimiert den Entwickler-zu-Cloud-Workflow. Es behandelt zwei Dinge: Bereitstellen Azure Ressourcen, z. B. Foundry-Projekte, Modellbereitstellungen und Containerregistrierungen und Bereitstellen ihres Codes für diese Ressourcen. Für gehostete Agents fügt die azure.ai.agents Erweiterung agentspezifische Befehle wie azd ai agent init und azd ai agent run.

Jedes azd Projekt hat eine azure.yaml Datei im Stammverzeichnis. Bei Agentprojekten ist diese Datei die Quelle der Wahrheit sowohl für die Agentkonfiguration als auch für die Bereitstellungskonfiguration.

Environments

Eine Umgebung ist eine benannte Konfiguration, z dev. B. , stagingoder prod, die Einstellungen für eine bestimmte Bereitstellung speichert. Jede Umgebung verfolgt das Azure Abonnement und den Standort, die Ressourcengruppen- und Ressourcennamen und alle benutzerdefinierten Variablen, die Sie festlegen. Einstellungen werden lokal gespeichert in .azure/<env-name>/.env. Sie können über mehrere Umgebungen für dasselbe Projekt verfügen.

Kernbefehle

Erweiterungskompatibilität

Die azure.ai.agents Erweiterung stellt den azure.ai.agent Host bereit. Die azure.ai.projects Erweiterung stellt den azure.ai.project Host und den microsoft.foundry Infrastrukturanbieter bereit. Verwenden Sie azure.ai.agents version 1.0.0-beta.8 oder höher mit azure.ai.projects Version 1.0.0-beta.4 oder höher. Installations- und Upgradeanweisungen finden Sie unter Installieren der Azure Developer CLI Foundry-Erweiterungen.

Sie können die mindestkompatiblen Versionen in azure.yaml:

requiredVersions:
    azd: ">=1.27.1"
    extensions:
        azure.ai.agents: ">=1.0.0-beta.8"
        azure.ai.projects: ">=1.0.0-beta.4"

Lebenszyklus des Dienstanbieters

Installieren Sie das microsoft.foundry Metapaket, wenn Ihr Projekt Verbindungen, Toolboxen, Fähigkeiten oder Routinen enthält. Es installiert die Anbietererweiterungen, die die entsprechenden azure.ai.* Hosts implementieren.

Die Projekt- und Verbindungsanbieter wenden ihre Konfiguration während azd provisionder . Der Agent, die Toolbox, die Fähigkeit und die Routineanbieter wenden ihre Konfiguration während azd deployder Ausführung an. Führen Sie den Vorgang azd up aus, um beide Phasen abzuschließen. Wenn Sie einen Datenebenendienst entfernen, wird azure.yaml der Dienst nicht azd mehr verwaltet. Löschen Sie die Remoteressource separat, wenn Sie ihn nicht mehr benötigen.

• azd down – Löscht die Ressourcengruppe, wenn die aktuelle Umgebung das Foundry-Projekt erstellt hat. Verlässt ein vorhandenes Projekt und seine Ressourcen. |
• azd env set - Legt eine Umgebungsvariable fest, z. B azd env set FOUNDRY_MODEL_NAME=gpt-5.4-mini. . |

Das Split-Service-Modell

Unter services, jeder Eintrag ist ein benannter Dienst mit einem host Feld, das die Art der Gießereiressource identifiziert, die deklariert wird. Dienste verweisen über das uses Feld, das ein Abhängigkeitsdiagramm bildet, das azd zur Bereitstellung und Bereitstellungszeit aufgelöst wird. Ein typisches Projekt verfügt über einen azure.ai.project Dienst, der die Modellbereitstellungen und einen azure.ai.agent Dienst besitzt, der davon abhängt.

Minimales Beispiel

# yaml-language-server: $schema=https://raw.githubusercontent.com/Azure/azure-dev/main/schemas/v1.0/azure.yaml.json
name: my-agent-project

services:
    ai-project:
        host: azure.ai.project
        deployments:
            - name: gpt-5.4-mini
              model:
                format: OpenAI
                name: gpt-5.4-mini
                version: "2026-03-17"
              sku:
                name: GlobalStandard
                capacity: 10

    my-agent:
        host: azure.ai.agent
        project: src/my-agent
        language: docker
        uses:
            - ai-project
        kind: hosted
        name: my-agent
        description: A hosted agent built from source.
        protocols:
            - protocol: responses
              version: 2.0.0
        env:
            MICROSOFT_FOUNDRY_MODEL_DEPLOYMENT_NAME: ${MICROSOFT_FOUNDRY_MODEL_DEPLOYMENT_NAME}
        container:
            resources:
                cpu: "0.25"
                memory: 0.5Gi

Vollständiges Beispiel

Das folgende Projekt fügt eine Verbindung, eine Toolbox und ein privates Netzwerk hinzu.

# yaml-language-server: $schema=https://raw.githubusercontent.com/Azure/azure-dev/main/schemas/v1.0/azure.yaml.json
requiredVersions:
    extensions:
        azure.ai.agents: '>=0.1.0-preview'

name: research-agent-project

services:
    ai-project:
        host: azure.ai.project
        deployments:
            - name: gpt-5.4-mini
              model:
                format: OpenAI
                name: gpt-5.4-mini
                version: "2026-03-17"
              sku:
                name: GlobalStandard
                capacity: 50

    search-conn:
        host: azure.ai.connection
        uses:
            - ai-project
        category: CognitiveSearch
        target: https://my-search.search.windows.net
        authType: ApiKey
        credentials:
            key: ${SEARCH_API_KEY}

    research-tools:
        host: azure.ai.toolbox
        uses:
            - ai-project
            - search-conn
        description: Tools used by the research agent.
        tools:
            - type: azure_ai_search
              connection: search-conn
            - type: code_interpreter

    researcher:
        host: azure.ai.agent
        project: src/researcher
        language: docker
        uses:
            - ai-project
            - search-conn
            - research-tools
        kind: hosted
        name: researcher
        description: Hosted research agent built from source.
        startupCommand: python main.py
        toolboxes:
            - research-tools
        env:
            LOG_LEVEL: info
        protocols:
            - protocol: responses
              version: 2.0.0
        container:
            resources:
                cpu: "1.0"
                memory: 2Gi

infra:
    provider: bicep
    path: ./infra

Felder auf oberster Ebene

Azure.ai.project-Dienst

Der Projektdienst stellt ein Foundry-Projekt bereit oder stellt eine Verbindung her und besitzt seine Modellbereitstellungen.

deployments

Ein Bereitstellungseintrag kann auch eine externe Datei sein: - $ref: ./deployments/embeddings.yaml.

network

Legen Sie diese Einstellung network fest, um ein netzwerkgeschütztes Konto bereitzustellen. Das peSubnet Feld ist erforderlich und richtet den privaten Kontoendpunkt ein. Fügen Sie agentSubnet die Agentlaufzeit in Ihr eigenes Subnetz ein (bringen Sie Ihr eigenes virtuelles Netzwerk), oder lassen Sie sie aus, um das Microsoft verwaltete Netzwerk zu verwenden. Eine vollständige exemplarische Vorgehensweise finden Sie unter private Netzwerke des gehosteten Agents.

Konfiguration des privaten Netzwerks

Verwenden Sie network den azure.ai.project Dienst, um den privaten Kontoendpunkt und den Agentausgang zu konfigurieren. Im folgenden Beispiel wird ein vom Kunden verwaltetes Subnetz für die Agentlaufzeit verwendet:

services:
    ai-project:
        host: azure.ai.project
        network:
            peSubnet:
                vnet: ${VNET_RESOURCE_ID}
                name: private-endpoint-subnet
            agentSubnet:
                vnet: ${VNET_RESOURCE_ID}
                name: agent-subnet
            dns:
                resourceGroup: ${PRIVATE_DNS_RESOURCE_GROUP}
                subscription: ${PRIVATE_DNS_SUBSCRIPTION_ID}

Private Netzwerke deaktivieren den Zugriff auf öffentliche Datenebene für das Konto. Eine automatisch erstellte Azure Container Registry wird mit dieser Konfiguration nicht unterstützt. Verwenden Sie die Quellcodebereitstellung, oder geben Sie einen vordefinierten imageCode an.

azure.ai.agent-Dienst

Der Agentdienst trägt die Agentdefinition und die zugehörigen Build- und Bereitstellungseinstellungen. Es ist der Dienst, der das alte agent.yamlersetzt.

agentCard.skills und azure.ai.skill

agentCard.skills beschreibt die Funktionen eines Agents auf seiner Ermittlungskarte. Es stellt Metadaten für Clients bereit und erstellt oder fügt keine wiederverwendbaren Foundry-Fähigkeiten hinzu. Jede Kartenfähigkeit erfordert ein id, name, und description.

Ein azure.ai.skill Dienst erstellt eine versionierte Fähigkeit aus Anweisungen und optional zulässigen Tools. Deklarieren Sie sie separat unter services; ihre uses Listensteuerelement-Abhängigkeitsreihenfolge, aber sie füllt die Fähigkeit nicht agentCard.skills auf oder fügt sie an einen Agenten an. Wird agentCard.skills für Ermittlungsmetadaten und azure.ai.skill für wiederverwendbare Anweisungen verwendet.

agentCard:
    description: Research agent discovery card.
    skills:
        - id: research
          name: Research
          description: Researches a requested subject.

services:
    code-review:
        host: azure.ai.skill
        uses:
            - ai-project
        instructions: ./skills/code-review.md

Abschließen einer Ermittlungskarte

Hinzufügen version, , tagsund examples wenn Clients umfangreichere Ermittlungsmetadaten benötigen. Eine Karte erfordert mindestens description eine Fähigkeit. Jede Fähigkeit erfordert eine id, name, und description.

agentCard:
    description: Research agent discovery card.
    version: "1.0"
    skills:
        - id: research
          name: Research
          description: Researches a requested subject.
          tags:
              - research
          examples:
              - Research current product guidance.

Verantwortungsvolle KI-Richtlinien

Dient policies zum Zuordnen einer verantwortungsvollen KI-Richtlinie zum gehosteten Agent. Legen Sie raiPolicyName die vollständige ARM-Ressourcen-ID der Richtlinie fest:

policies:
    - type: rai_policy
      raiPolicyName: ${RAI_POLICY_RESOURCE_ID}

Der rai_policy Typ und raiPolicyName sind erforderlich. Die Erweiterung wendet die erste gültige Richtlinie in der Liste auf die Konfiguration der verantwortlichen KI des gehosteten Agents an. Richtlinienerstellungs- und Verwaltungsleitlinien finden Sie unter Hinzufügen von Schutzläufen zu gehosteten Agents.

Speicherspeicher

Dient memoryStores zum Erstellen oder Wiederverwenden von Speicherspeichern für Gießerei vor der Bereitstellung. Jeder Speicher erfordert vorhandene Chatmodell- und Einbettungsmodellbereitstellungsnamen.

memoryStores:
    - name: customer-memory
      description: Stores durable customer context.
      chatModel: gpt-5.4-mini
      embeddingModel: text-embedding-3-large
      options:
          chatSummaryEnabled: true
          userProfileEnabled: true
          proceduralMemoryEnabled: false
          defaultTtlSeconds: 0

Vorhandene Stores werden während der Bereitstellung nicht aktualisiert. Wenn sich die deklarierte Definition vom vorhandenen Speicher unterscheidet, azd wird der Unterschied gemeldet. Durch das Deklarieren eines Speicherspeichers wird Ihr Agentcode nicht geändert oder ein Speichertool automatisch angefügt. Verbinden Sie Ihre Anwendung mit dem Speicherspeicher, indem Sie das Speichersuchtool oder speicherspeicher-APIs verwenden. Ausführliche Informationen finden Sie unter "Verwenden des Arbeitsspeichers mit Agents".

Konfigurieren eines Agentendpunkts

Dient agentEndpoint zum Konfigurieren der Protokolle und Autorisierungsschemas, die vom Agentendpunkt veröffentlicht wurden. Verwenden Sie eine Agentkarte mit einem A2A-Endpunkt, damit andere Agents die verfügbaren Funktionen ermitteln können.

agentEndpoint:
    protocols:
        - responses
        - a2a
    authorizationSchemes:
        - type: Entra

Sie können auch definieren versionSelector.versionSelectionRules , wann Sie steuern müssen, welche Agentversion Endpunktdatenverkehr empfängt. Der Agentdienst überprüft endpunktbasierte Protokoll- und Autorisierungswerte während der Bereitstellung.

protocols

protocols:
    - protocol: responses
      version: 2.0.0

Die vollständige Protokollspezifikation finden Sie unter Vertrag für gehostete Agent-Laufzeit.

Zusätzliche Laufzeitprotokolle und Aktivitätsendpunkte

Zusätzlich zu responses, invocationsund a2a, gehosteten Agents Unterstützung invocations_ws für WebSocket-Aufrufe und activity für Microsoft 365- und Teams-Aktivitätsszenarien.

protocols:
    - protocol: invocations_ws
      version: 2.0.0
    - protocol: activity
      version: 2.0.0

Fügen Sie activity für einen Aktivitäts-Agent die Konfiguration des öffentlichen Endpunkts hinzu, und verwenden Sie das erforderliche Bot Service Autorisierungsschema:

agentEndpoint:
    protocols:
        - activity
    authorizationSchemes:
        - type: BotServiceRbac

Das Aktivitätsprotokoll kann mit anderen Protokollen auf demselben Agentendpunkt koexistieren. Informationen zum Laufzeitprotokollverhalten finden Sie unter Was sind gehostete Agents?.

env

env:
    MICROSOFT_FOUNDRY_MODEL_DEPLOYMENT_NAME: ${MICROSOFT_FOUNDRY_MODEL_DEPLOYMENT_NAME}
    LOG_LEVEL: info

Die ${ } Syntax verweist auf azd Umgebungsvariablen aus .azure/<env>/.env.

Plattformumgebung, Identität und Endpunkte

Die Plattform behält sich die FOUNDRY_ Präfixe vor AGENT_ . Lesen Sie Plattformvariablen, z FOUNDRY_PROJECT_ENDPOINT. B. aus Ihrem Anwendungscode, definieren oder überschreiben Sie sie jedoch nicht in env. Agentdefinierte Umgebungswerte sind Zeichenfolgen.

Jeder bereitgestellte gehostete Agent empfängt eine dedizierte Microsoft Entra ID Agentidentität und -endpunkt. Fügen Sie dem Agentdienst keinen Block hinzu identity . Die Agentidentität kann standardmäßig den Projektendpunkt und den Sitzungsspeicher verwenden. Weisen Sie die Identitätsrollen zu, wenn der Agent auf externe Ressourcen zugreifen muss. Ausführliche Informationen finden Sie unter Referenz zu Berechtigungen für gehostete Agent.

Die Protokolle, die Sie deklarieren, bestimmen die Endpunkte, die nach der Bereitstellung aktiv sind. Führen Sie die Ausführung aus azd ai agent show , um den bereitgestellten Agent und seine Endpunkt-URLs zu überprüfen.

Schreibt nach der Bereitstellung azd die folgenden Werte in die aktive Umgebung, wobei der normalisierte Dienstname anstelle von <SERVICE>:

• AGENT_<SERVICE>_NAME
• AGENT_<SERVICE>_VERSION
• AGENT_<SERVICE>_ENDPOINT
• AGENT_<SERVICE>_<PROTOCOL>_ENDPOINT für aktivierte responses, invocationsund invocations_ws Protokolle

Verwenden Sie die protokollspezifische Ausgabe, wenn Ihre Anwendung oder Automatisierung eine Aufruf-URL benötigt. Der Basisendpunkt identifiziert die bereitgestellte Agentversion für Sitzungsverwaltungsvorgänge.

container

container:
    resources:
        cpu: "0.25"
        memory: 0.5Gi

cpu Von "0.25" bis zu "4.0", und memory von 0.5Gi bis .8.0Gi

Quellcodebereitstellung

Legen Sie fest codeConfiguration , dass Quellcode anstelle eines Containerimages als ZIP-Datei bereitgestellt wird. Geben Sie einen Einstiegspunktdateinamen oder Assemblynamen an. azd kombiniert sie mit der ausgewählten Laufzeit, wenn sie die Version des gehosteten Agents erstellt.

codeConfiguration:
    runtime: python_3_13
    entryPoint: main.py
    dependencyResolution: remote_build

Wird verwendet remote_build , um Abhängigkeiten aus den Projektquellen wiederherzustellen oder zu verwenden bundled , wenn die ZIP Linux-kompatible Abhängigkeiten enthält. Kombinieren Sie nicht codeConfiguration mit der imagebasierten Containerkonfiguration. Informationen zum Packen und Abhängigkeitsleitfaden finden Sie unter Bereitstellen eines gehosteten Agents aus dem Quellcode.

Containerbuilds und vorgefertigte Images

Verwenden Sie eine Dockerfile Unterversion project , um ein Containerimage zu erstellen oder festzulegen image , um ein vordefiniertes Image bereitzustellen:

image: myregistry.azurecr.io/agents/researcher:1.2.3

Wenn ein und eins Dockerfileimage verfügbar ist, wählen Sie das vordefinierte Image in der interaktiven Bereitstellungsaufforderung aus. Legen Sie für die unbeaufsichtigte Bereitstellung in der aktiven azd Umgebung festtrue, AZD_AGENT_SKIP_ACR um das konfigurierte Image auszuwählen. Informationen zu Registrierungsberechtigungen und der Bereitstellung privater Registrierung finden Sie unter Bereitstellen eines gehosteten Agents mit einem privaten Azure Container Registry.

Metadaten- und Schemabeschränkungen

Verwenden Sie Zeichenfolgenwerte für bereitgestellte Agentmetadaten. Der authors Metadatenwert kann eine Liste von Zeichenfolgen sein. Verlassen Sie sich nicht auf displayNameden inputSchemabereitgestellten gehosteten Agent oder outputSchema konfigurieren Sie den bereitgestellten gehosteten Agent. Die einheitliche Konfiguration akzeptiert diese Felder, aber die Anforderung zum Erstellen des gehosteten Agents verwendet sie nicht.

azure.ai.connection service

Eine Verbindung verknüpft das Projekt mit einer externen Ressource. Der Dienstschlüssel ist der Verbindungsname, und der Dienst hängt vom Projekt ab uses.

github-conn:
    host: azure.ai.connection
    uses:
        - ai-project
    category: RemoteTool
    target: https://api.githubcopilot.com/mcp
    authType: CustomKeys
    credentials:
        Authorization: ${GITHUB_PAT}

Verbindungsänderungen gelten während azd provision, nicht azd deploy. Speichern Sie Anmeldeinformationswerte in Ihrer azd Umgebung, und verweisen Sie darauf, ${VAR} statt geheime Schlüssel einzugeben azure.yaml.

Azure.ai.toolbox-Dienst

Eine Toolbox ist ein benanntes Bündel von Tools, auf die Agents verweisen. Verbindungsgestützte Tools nennen einen azure.ai.connection Dienst über das connection Feld.

research-tools:
    host: azure.ai.toolbox
    uses:
        - ai-project
        - search-conn
    tools:
        - type: azure_ai_search
          connection: search-conn
        - type: code_interpreter

Ein Agent verweist auf eine Toolbox, indem er den Namen des Toolboxdiensts zu beiden uses und deren toolboxes Liste hinzufügt.

Nutzen eines Toolboxendpunkts

Steuert in einem Projekt uses mit geteiltem Dienst die Bereitstellungsreihenfolge. Ihre Anwendung stellt zur Laufzeit eine Verbindung mit dem MCP-Endpunkt der Toolbox bereit. Übergeben Sie den Toolboxnamen oder endpunkt an envIhre Anwendung, und erstellen Sie dann den Consumerendpunkt aus FOUNDRY_PROJECT_ENDPOINT Ihrem Agentcode. Ein End-to-End-Beispiel finden Sie unter Verwenden einer Toolbox mit einem gehosteten Agent.

azure.ai.skill und azure.ai.routine services

Ein azure.ai.skill Dienst definiert eine wiederverwendbare Verhaltensrichtlinie, die agents anhand des Namens referenziert. Ein azure.ai.routine Dienst definiert einen Trigger (Zeitplan oder Ereignis) und eine Aktion, die einen Agent aufruft. Beide hängen von den Ressourcen ab, die sie verwenden uses. Weitere Informationen zum Hinzufügen von Tools für die Agentverwendung finden Sie unter Was ist Toolbox in Foundry? und Verwenden von Routinen.

Fähigkeiten und Routinen sind separate Ressourcen. Durch das Deklarieren eines Diensts wird der Lebenszyklus gesteuert, dem Agent aber nicht automatisch eine Fähigkeit zugeordnet oder ein Routineaktionsziel ableiten. Konfigurieren Sie die verbrauchende Anwendung oder Routineaktion explizit.

Abhängigkeiten mit Verwendungen

Das uses Feld deklariert die Dienste, von der ein bestimmter Dienst abhängt. azd verwendet dieses Diagramm, um die Bereitstellung zu bestellen und Verweise zu verdrahten, z. B. verbindungen und Toolboxen eines Agents.

uses:
    - ai-project
    - search-conn
    - research-tools

Datei enthält $ref

Jeder Dienst- oder Listeneintrag kann durch einen Verweis auf eine externe YAML- oder JSON-Datei ersetzt werden. Relative Pfade werden aus der Datei aufgelöst, die die $refDatei enthält. Remote-URLs werden nicht unterstützt.

services:
    triage:
        host: azure.ai.agent
        uses:
            - ai-project
        $ref: ./agents/triage.yaml

Die Datei enthält die Möglichkeit, große Agentdefinitionen in ihren eigenen Dateien zu speichern und Definitionen für alle Projekte freizugeben.

Behalten Sie die Kerndienstfelder im Stammeintrag azure.yaml bei, wenn Sie einen Dienst $refverwenden: host, , uses, project, , language, imageund docker. Platzieren Sie im Besitz von Anbieterdefinitionsfeldern, z kind. B. , name, descriptionund protocols, in der referenzierten Zuordnung. $ref löst lokale YAML- oder JSON-Dateien rekursiv auf; URLs und Referenzzyklen werden nicht unterstützt.

Variablenersetzung

Zwei Ersetzungsssyntaxen können in azure.yaml:

Infrastruktur und Bereitstellungsmodi

standardmäßig Bicep-weniger

azd ai agent initist standardmäßig bicep-weniger: Es schreibt kein Verzeichnis und infra/ synthetisiert azd die Infrastruktur von Ihren azure.yaml Diensten zur Bereitstellungszeit. Um Infrastruktur-as-Code-Dateien zu materialisieren, werfen Sie sie aus:

Wenn infra sie azure.yamlvorhanden ist, azd werden diese Dateien anstelle der Synthesizing-Infrastruktur verwendet.

Bereitstellen von Modi

Ein gehosteter Agent wird in einem von zwei Modi bereitgestellt:

Für die Quellbereitstellung erfasst das codeConfiguration Feld im Agentdienst die Laufzeit und den Einstiegspunkt. Legen Sie für vorgefertigte Images das image Feld für den Agentdienst fest, und überspringen Sie den Dockerfile-Build.

Legacykonfigurationsmigration

Ältere Agentdefinitionen können Umgebungsvariablen unter schachteln.config: env Verschieben Sie im einheitlichen azure.yamlBereich die env Zuordnung zum Agentdienst:

# Legacy
services:
    my-agent:
        host: azure.ai.agent
        config:
            env:
                MICROSOFT_FOUNDRY_MODEL_DEPLOYMENT_NAME: ${MICROSOFT_FOUNDRY_MODEL_DEPLOYMENT_NAME}

# Unified azure.yaml
services:
    my-agent:
        host: azure.ai.agent
        env:
            MICROSOFT_FOUNDRY_MODEL_DEPLOYMENT_NAME: ${MICROSOFT_FOUNDRY_MODEL_DEPLOYMENT_NAME}

JSON-Schemaüberprüfung

Fügen Sie den Schemaverweis für die automatische IDE-Vervollständigen hinzu:

# yaml-language-server: $schema=https://raw.githubusercontent.com/Azure/azure-dev/main/schemas/v1.0/azure.yaml.json

Verwandte Inhalte

• Erstellen von azure.yaml für gehostete Agents
• Initialisieren eines gehosteten Agent-Projekts mit der Azure Developer CLI
• Gehostete Agent-Infrastruktur mit der Azure Developer CLI
• Laufzeitvertrag für gehostete Agenten
• Was sind gehostete Agenten?