Microsoft Teams Blog articles ... 笔记

Microsoft Teams Blog articles 中文

Microsoft Teams Blog on TechNet是一个专门为Microsoft Teams创建的平台,涵盖了包括即将推出的功能、产品改进和提高用户体验的最佳实践在内的多个主题。该博客包含了Microsoft产品团队成员、MVP和领域专家的文章。博客文章涵盖了Microsoft Teams的不同方面,如配置、部署、故障排除、用户反馈和共享知识。

笔记线程

Microsoft Foundry 通过 A2A 工具及支持 1.0 版协议的 A2A 端点的正式发布,增强了智能体之间的协作。现有集成仍可继续使用旧的 a2a_preview 工具和 0.3 版协议。托管智能体可通过 MCP 暴露的 Foundry 工具箱访问 A2A 工具。这些功能支持构建多智能体系统,使智能体能够专业化、共享技能,并在边界间安全协作。标准化的 A2A 协议消除了对自定义 API 或紧密耦合编排逻辑的需求。智能体现在无需深入了解其实现细节,即可通过智能体卡片进行发现,并利用 A2A 协议请求其他智能体的协助。对于 Foundry 托管的 A2A 端点,发现与端点访问由 Microsoft Entra ID 身份验证保障。外部智能体可通过与其智能体卡片交互并使用 A2A 协议,来发现并调用作为 A2A 端点暴露的 Foundry 智能体。反之,Foundry 智能体可利用 A2A 工具连接至另一个兼容 A2A 的智能体,并通过 RemoteA2A 项目连接进行配置。托管智能体通过附加 Foundry 工具箱来集成 A2A 能力,该工具箱随后调用 A2A 工具箱工具及 RemoteA2A 连接以与远程智能体交互。身份验证成为关键架构决策,RemoteA2A 连接支持无身份验证、自定义密钥、OAuth2、用户 Entra 令牌、项目管理身份及智能体身份等多种选项,而传入的 A2A 端点则严格强制实施 Microsoft Entra ID 身份验证。要将 Foundry 智能体暴露为 A2A 端点,必须配置描述其能力及端点上 A2A 协议的智能体卡片。
CdXz5zHNQW_aOH5aQ1ZRW.png
一家零售组织使用集成 Fabric IQ、本体(Ontology)和 ERP MCP 的 Copilot Studio 代理,分析来自第三方系统以及 Dynamics 365 Finance and Operations(D365 F&O)的历史促销销售数据。该系统通过按城市将客户与门店关联、将销售活动与产品及门店关联,帮助识别表现最佳的门店、成功的销售活动以及客户足迹。该零售商现需应对新挑战:识别影响促销销售的采购风险,并确定各城市间最优的营销支出分配。为满足这些新需求,拟采用 Foundry 代理,其知识来源包括 Foundry IQ、Fabric IQ 和 Web IQ。Foundry IQ 作为推理与编排层,连接来自 Fabric IQ、Work IQ、Web IQ、SharePoint 及自定义代理等各类来源的洞察,并依托 Azure AI Search 确保结果的准确性。该解决方案需要若干先决条件,包括来自第三方系统(产品、门店、销售活动)和 D365 F&O(客户数据)的数据源,并需建立既定的关系,如客户与门店的城市对齐关系,以及销售活动与产品和门店的关联关系。特定国家的营销政策存储于 SharePoint 中,Web IQ 已配置用于获取供应商新闻、市场中断及地缘政治事件的实时信息。财务与运营数据已连接至 Fabric Lakehouse,其他数据亦被摄入 Lakehouse,进而形成融合客户、门店、产品及活动数据的 Fabric 本体。此外,还需一个配备 LLM 部署及适当身份验证的 Azure Foundry 项目。该架构模式涉及集成这些组件以支持代理的推理能力。配置工作包括设置 Azure Search 服务、在 Azure Foundry 门户中创建代理并将 ERP MCP 设为工具,以及配置 Foundry IQ 知识以包含 Fabric IQ、Web 和 SharePoint。此集成知识库随后由零售增长智能代理(Retail Growth Intelligence agent)使用。该代理可发布至多种渠道,如 Microsoft 365、Teams 或 Copilot Studio。该代理能够回答诸如“是否存在采购时间表或其他影响促销销售的风险?”等复杂问题,其方式包括:利用 Fabric IQ 理解实体间关系,通过 ERP MCP 调用 D365 F&O 获取运营采购数据,借助 SharePoint 进行政策验证,并运用 Foundry IQ/Web Intelligence 评估外部市场风险。此过程涵盖子问题,包括 upcoming 销售活动、通过采购订单和库存数据查询产品库存可用性,以及政策合规性检查。该方法将分散的信息转化为统一的决策支持,实现更快、更高质量且可扩展的 AI 驱动决策,通过关联运营事实、业务背景与外部信号,达成主动风险检测并提升业务优势。
本文概述了一种稳健的企业虚拟机镜像管理流程,摒弃导致不一致性的手动方法。推荐的方法将每个镜像视为带版本号的构建产物,从受控源出发,经过确定性配置。该流程采用 HashiCorp Packer 进行参数化构建,利用 Azure DevOps 进行编排。核心步骤包括构建镜像、将其发布到 Azure Compute Gallery、通过临时虚拟机验证已发布的版本,并生成可追溯晋升的证据。该方案强调使用单一、可复现的 Packer 构建,以避免分层流水线带来的复杂性。特定环境值作为流水线参数单独保留,从而提供灵活性。Packer 配置定义了构建器和确定性供应序列,确保一致性。至关重要的是,本文强调不仅验证构建虚拟机,还要验证已发布的镜像版本,方法是部署临时虚拟机并执行远程检查。验证覆盖范围包括操作系统基线、运行时、软件包、服务和信任检查,结果作为证据发布。这些证据连同构建日志和扫描输出,与流水线运行记录关联,实现完整可追溯性。晋升过程受控,确保晋升的是完全相同的已验证镜像版本,而非重新构建。失败处理与清理机制已集成,确保临时资源被移除。生产环境考量包括为构建、功能、安全和晋升阶段设置发布关卡,并由稳定的验证契约提供支持。镜像流水线最终以带版本号的、已验证的 Gallery 产物结束,消费者可引用该产物进行受控发布。归根结底,将镜像构建视为软件交付问题,通过带版本号的输出和独立验证,简化了运维工作。