# 微软免费 Agent 课程有 18 课，FDE 精读五课就够

> 偏向微软产品文档的几课略读即可，晚上的时间留给讲 Agent 上生产环境的那几课。

原文: https://fdetimes.net/zh/books-courses/microsoft-ai-agents-for-beginners-fde-guide/

微软 AI Agents for Beginners 课程在 2025 年 9 月的版本有 12 课，如今仓库里已列出 18 课。仓库的 README 还写明，每一课都相互独立，可以从任意一课开始学。对前线部署工程师（FDE）来说，这一点比“18”这个数字更重要：没有时间把整套课学完，也没有必要。

如果即将在客户那里接手一个 Agent 项目，或者想从软件工程转做 FDE，这门课用几个晚上就能提供一套术语和一份检查清单。不过课程质量参差不齐。有些课教的技能放到任何技术栈都适用，另一些实际上就是微软的产品文档。

## 这门课已不是你可能听说过的那门

课程托管在 GitHub 的 microsoft/ai-agents-for-beginners 仓库，采用 MIT 许可证。KDnuggets 报道过 2025 年 9 月的版本：12 课，免费，基于 Azure AI Foundry、GitHub Models、Semantic Kernel 和 AutoGen。当前版本已改用 Microsoft Agent Framework，并新增了一批课程。

新增内容放在课程末尾：Agent 协议、上下文工程、记忆、计算机操作 Agent、部署、本地 Agent 和安全。有一点要先说明：运行示例代码需要 Microsoft Foundry（Azure）账号。如果客户用的是其他技术栈，就学思路，代码自己重写。

## 第 1 课教你何时不该用 Agent

第 1 课把 Agent 定义为一种系统：给 LLM 配上工具和知识，让它真正把事情做成。对 FDE 更有价值的是其中的选型标准。按这一课的说法，Agent 适合开放式问题，即解决步骤无法事先编程写定的问题。

设想客户想要“一个处理发票的 AI Agent”。如果流程始终是读取 PDF、提取四个字段、与采购订单比对、把结果写入 ERP，那么步骤是固定的。一条只调用一次 LLM 的数据管道成本更低，也更好调试。只有当每张出错的发票都需要不同的排查思路时，Agent 的成本才值得。

所以在第一次需求调研时，就要问客户：“这些步骤能事先编程写定吗？”在做出任何承诺之前，这个问题的答案就决定了项目范围。

## 第 10 课是打开这个仓库的主要理由

讲生产环境的这一课，是 FDE 用得最多的部分。它把可观测性当作必备能力，而不是锦上添花，内容涵盖基于 OpenTelemetry 的 trace 和 span、离线与在线评测，以及成本控制。这一课解释了评测为什么必须持续进行：Agent 往往是非确定性的。

落到实践上，测试成功跑通五次说明不了任何问题。需要一组固定的问题，每次改提示词或换模型后都重跑一遍，并对比各轮得分。比起任何演示，客户更信这个数字。

这一课还建议按模型规模路由：简单查询交给小而快的模型，大模型留给复杂推理任务。

设想每天 1,000 个请求，其中 800 个是查询订单状态。把这 800 个路由到小模型，就只需为真正需要大模型的 200 个请求付大模型的价钱。

**要点:** Agent 是非确定性的，演示能跑通说明不了任何问题。

## 驻场期间用得上的三课

第 6 课讲可信 Agent，列出了几类威胁：指令劫持、访问关键系统、系统过载、知识库投毒和级联错误。

核心原则是：只有在真正需要时，才让 Agent 访问某个系统。在企业场景中，比如客服 Agent 应当能读取 CRM，但不能写入。

第 11 课讲解 MCP，这是一项供应用向 LLM 提供上下文和工具的开放标准，同时介绍了 A2A 和 NLWeb。对 FDE 来说，MCP 提供了一种标准方式，把客户系统中的上下文和工具接入 Agent。

第 12 课把上下文工程与提示词工程区分开：目标是确保 Agent 恰好拿到所需的信息。这一课列出四种失效模式：投毒、干扰、混淆和冲突，并给出各自的缓解办法。Agent 答错时，能准确叫出失效类型，诊断会快得多。

## 哪些可以略读，按什么顺序学

第 2 课对比了 Microsoft Agent Framework（一个代码优先的 SDK）和 Foundry Agent Service（在 Microsoft Foundry 上部署 Agent 的平台）。如果客户在用 Azure，这一课必不可少；如果不是，略读一遍、弄清 SDK 和部署平台的区别就够了。

对 FDE 来说，比较合理的顺序是 1、10、6、11、12：从确定范围到运维，再到安全和集成，最后才是回答质量。其余课程，比如记忆或计算机操作 Agent，等项目真正需要时再学。

至于求职，懂这些概念并不会让简历脱颖而出。能做到的是一个小型 Agent：带链路追踪，有一套可重跑的评测集，文档里写清楚它的访问权限。

看岗位描述时，留意“可观测性”“评测”和“MCP”这几个词。如果出现了，面试前就重点复习第 10 课和第 11 课。

这门课的大部分内容教的是怎么让 Agent 跑起来。上面这五课教的是怎么做出一个客户敢放进生产环境的 Agent。

**本周动手试试:**

- 读完第 1 课，拿最近三个客户需求做分类：哪些步骤能事先编程写定（用工作流），哪些不能（考虑用 Agent）。
- 读完第 10 课，给一个现有的 Agent 加上链路追踪：每次工具调用一个 span，记录 token 数和延迟。
- 按第 6 课的思路，列出 Agent 当前拥有的全部权限，划掉它并不真正需要的那些。

## 信源

- [microsoft/ai-agents-for-beginners (GitHub)](https://github.com/microsoft/ai-agents-for-beginners)

- [12 Essential Lessons for Building AI Agents (KDnuggets)](https://www.kdnuggets.com/12-essential-lessons-for-building-ai-agents)

- [Introduction to AI Agents and Agent Use Cases (lesson 1)](https://github.com/microsoft/ai-agents-for-beginners/blob/main/01-intro-to-ai-agents/README.md)

- [Explore AI Agent Frameworks (lesson 2)](https://github.com/microsoft/ai-agents-for-beginners/blob/main/02-explore-agentic-frameworks/README.md)

- [AI Agents in Production: Observability & Evaluation](https://github.com/microsoft/ai-agents-for-beginners/blob/main/10-ai-agents-production/README.md)

- [Building Trustworthy AI Agents (lesson 6)](https://github.com/microsoft/ai-agents-for-beginners/blob/main/06-building-trustworthy-agents/README.md)

- [Using Agentic Protocols (MCP, A2A and NLWeb) (lesson 11)](https://github.com/microsoft/ai-agents-for-beginners/blob/main/11-agentic-protocols/README.md)

- [Context Engineering for AI Agents (lesson 12)](https://github.com/microsoft/ai-agents-for-beginners/blob/main/12-context-engineering/README.md)