Azure AI Foundry Threads: jak przygotować AI na potrzeby firmy

Wdrażając AI w Azure AI Foundry, nie uruchamiasz pojedynczego, przerośniętego modelu. Umieszczasz go w zarządzanym środowisku uruchomieniowym, w którym istotne działania, czyli komunikaty, wywołania narzędzi i kolejne kroki, są rejestrowane i śledzone. Dzięki temu eksperymenty z AI można zweryfikować, a rozwiązanie nadaje się do zastosowań korporacyjnych.

W tym artykule pokazujemy, jak agent w Foundry składa się z modelu, instrukcji i narzędzi. Wyjaśniamy też, jak wątki, uruchomienia i kroki uruchomień tworzą ścieżkę audytu oraz dlaczego bezpieczne podłączenie narzędzi decyduje o przydatności agenta w firmie.

Agent Azure AI Foundry: model, instrukcje i narzędzia

Konfigurując agenta w Foundry, nie otwierasz zwykłego okna czatu. Tworzysz agenta opartego na przejrzystym projekcie, który sprowadza się do trzech elementów: modelu, instrukcji i narzędzi. Agent Azure AI jest zbudowany właśnie na tej triadzie. Bez niej nie ma powtarzalności ani możliwości audytu, jest tylko generowanie tekstu bez potwierdzenia.

Model – mózg agenta

Model odpowiada za rozumowanie i język. Analizuje wypowiedzi użytkownika, planuje kroki i tworzy odpowiedzi. Nie jesteś przy tym przywiązany do jednego modelu. W katalogu Foundry możesz przełączać się między różnymi opcjami: GPT-4 do złożonej strategii, lżejszy model do prostszych zadań, a nawet Mistral czy DeepSeek. Wybierasz to, co pasuje do danej misji.

Instrukcje – rozkazy misji

Instrukcje zapobiegają dryfowaniu modelu w stronę swobodnej improwizacji. Zakotwiczają go w wynikach, których faktycznie potrzebujesz, i działają jak sztywny regulamin, którego agent ma przestrzegać. Dzięki nim działa zgodnie z planem i przewidywalnie, na przykład gdy ma pobrać dane z zestawu umów i zgłosić wyniki w określonym formacie.

Narzędzia – ekwipunek

Narzędzia to wykonywanie kodu, łączniki wyszukiwania, API raportujące i dowolny system zewnętrzny, który podłączysz. Interpreter kodu służy do uruchamiania analityki. Łącznik SharePoint lub niestandardowy łącznik MCP dostarcza do planu dane na żywo. Zestaw narzędzi możesz ściśle ograniczyć albo rozszerzyć, zależnie od przypadku użycia.

W większości API czatowych dostajesz tylko model i prompt. Nie ma formalnych rozkazów ani orkiestracji narzędzi. Usługa agentów w Foundry gwarantuje obecność wszystkich trzech warstw. Model możesz wymieniać dowolnie, ale zawsze w strukturze, która zapewnia odpowiedzialność.

Wątki (threads) w Foundry – trwały dziennik operacyjny

Wątek w Azure AI Foundry nie jest oknem czatu, które znika po zamknięciu. To trwała sesja konwersacyjna. Przechowuje każdą wymianę zdań, niezależnie od tego, czy pochodzi od użytkownika, agenta, czy innego agenta w konfiguracji wieloagentowej. Historię można przejrzeć długo po zakończeniu rozmowy.

Wątki to nie tylko statyczne transkrypty, ale ustrukturyzowane kontenery. Automatycznie obsługują przycinanie, utrzymując aktywny kontekst w granicach modelu, a jednocześnie zachowują pełną ścieżkę audytu. Agent nadal rozumie trwającą rozmowę, a organizacja ma trwały, weryfikowalny zapis. Agent zyskuje ciągłość, a biznes zarządzanie.

Z czego składa się wpis w wątku

Wpisy tworzą wiadomości. Wiadomość to nie tylko tekst, bo może zawierać obraz, arkusz kalkulacyjny albo blok wygenerowanego kodu. Każda ma znacznik czasu oraz etykietę roli, użytkownika lub asystenta. Sprawdzając wątek, widzisz więc, co powiedziano, kto to powiedział, kiedy to się stało i jakiego typu treści dotyczyło. Możesz odnaleźć dokładną treść wczorajszego zapytania, wykres wygenerowany w odpowiedzi i czas obu zdarzeń.

Dlaczego ten zapis ma znaczenie

• Audyt i zgodność: organy regulacyjne lub wewnętrzne zespoły audytowe mogą otworzyć wątek i zobaczyć pełną sekwencję: zapytanie użytkownika, odpowiedź agenta, użyte narzędzia i czas zdarzeń.
• Debugowanie: jeśli agent wygenerował błędny fragment kodu, programista przewija wątek do momentu zapytania i widzi, jak do tego doszło.
• Współpraca wielu agentów: jeśli agenci dzielą się zadaniami, ich wymiana informacji również jest rejestrowana.

Bez wątków zostają zrzuty ekranu i mglista pamięć, a to nie wystarcza, gdy dział zgodności żąda dowodów albo wsparcie techniczne musi odtworzyć błąd. Brak zapisu oznacza brak dowodów, a brak śladu oznacza brak naprawy. W Foundry każda konwersacja staje się ustrukturyzowanym dowodem. Wątki zamieniają chaotyczne czaty w historię misji i decyzji, na której można polegać w produkcji.

Uruchomienia (runs): moment, w którym agent działa

Wątek jedynie przechowuje historię konwersacji, zlecenia i kontekst. Działanie zaczyna się w uruchomieniu, które aktywuje agenta, by wykorzystał ten kontekst i faktycznie go wykonał. Wątki pamiętają, uruchomienia działają. Uruchomienie jest jak przycisk startowy. Wątek może zawierać polecenie „przeanalizuj plik CSV” albo „narysuj wykres liniowy”, ale dopiero uruchomienie sprawia, że agent przetwarza żądanie za pomocą instrukcji, modelu i narzędzi. Może sięgnąć po dodatkowe dane, wykonać obliczenia lub wywołać interpreter kodu, by wygenerować artefakt.

Uruchomienia nie są czarną skrzynką, to monitorowane egzekucje ze statusami. Zwykle zobaczysz stany takie jak:

• oczekujące,
• w toku,
• wymaga działania,
• ukończone,
• niepowodzenie.

Przykłady SDK często odpytują te stany w pętli. Wiesz więc nie tylko, co zostało zrobione, ale też kiedy to się dzieje.

Kroki uruchomień: audytowalność krok po kroku

Sam status uruchomienia nie mówi jeszcze, co faktycznie wydarzyło się w trakcie. Odpowiedź może wyglądać dobrze, a ty nie wiesz, czy agent połączył się z zewnętrznym API, napisał kod, czy tylko zaimprowizował tekst. W środowisku korporacyjnym ta nieprzejrzystość jest niebezpieczna.

Kroki uruchomienia usuwają te domysły. Każde uruchomienie jest rejestrowane krok po kroku: jakie wyjścia modelu wygenerowano, jakie narzędzia wywołano, jakie obliczenia wykonano i jakie komunikaty stworzono. Działa to jak notacja szachowa dla AI. Zapis może wyglądać tak: pobierz plik o 10:02, wykonaj blok kodu o 10:03, zwróć wykres o 10:04. Każda akcja jest zapisana w kolejności, więc można ją później odtworzyć.

Korzyści dla programistów

Bez kroków widzisz tylko ostateczną odpowiedź. Czy zapytanie wyszukiwania było błędne? Czy wkradł się błąd matematyczny? Pozostaje zgadywanie. Dzięki krokom przewijasz oś czasu, identyfikujesz dokładny błąd i go naprawiasz. Debugowanie przestaje być zgadywaniem, a staje się kryminalistyką.

Korzyści dla zespołów ds. zgodności

Gdy audytorzy pytają, w jaki sposób wygenerowano dane podsumowanie, nie musisz opisywać rozumowania modelu w abstrakcyjnych kategoriach. Masz dowody: wywołanie narzędzia, krok interpretera, złożoną odpowiedź, a wszystko z przypisanym znacznikiem czasu. Pokazujesz fakty zamiast opowieści, a ryzyko zamienia się w odpowiedzialność. Jeśli przepływ pracy wymaga ponownego uruchomienia, możesz wykonać tę samą sekwencję. Jeśli wynik jest kwestionowany, możesz go odtworzyć.

Narzędzia agenta: wbudowane, własne i MCP

Narzędzia zmieniają agenta z gaduły w pracownika. Zamiast tylko opisywać, jak sprawdzić dokument lub wykonać obliczenia, agent robi to i zwraca wynik. To różnica między efektowną wersją demonstracyjną a platformą użyteczną w prawdziwym przedsiębiorstwie. Foundry oferuje trzy kategorie możliwości.

1. Narzędzia wbudowane

Należą do nich interpreter kodu, wyszukiwarka Bing, konektory SharePoint i Microsoft Fabric oraz Azure AI Search. Agent może dzięki nim analizować dane, pobierać pliki, przeszukiwać zasoby firmy, a nawet tworzyć wykresy czy raporty bez niestandardowych rozwiązań.

2. Własne narzędzia: OpenAPI i MCP

Nie jesteś ograniczony do tego, co dostarcza Microsoft. Własne narzędzia rejestrujesz przez specyfikację OpenAPI lub Model Context Protocol (MCP). MCP porównuje się do USB-C dla narzędzi AI. Zamiast ręcznie pisać wrappery przy każdym połączeniu agenta ze zdalnym serwerem MCP, system automatycznie obsługuje odkrywanie, wersjonowanie i wywoływanie narzędzi. To znacząco zmniejsza narzut integracyjny, zwłaszcza gdy trzeba połączyć dziesiątki systemów.

3. Obserwowalność wywołań

Każde wywołanie narzędzia jest rejestrowane na poziomie kroków wraz z tożsamością, danymi wejściowymi, wyjściowymi i znacznikami czasu. Możesz dokładnie zobaczyć, co zostało wywołane, potwierdzić zgodność z uprawnieniami i zachować trwałe rekordy dla celów audytu.

Przykład: od pliku CSV do wykresu

Przesyłasz plik CSV jako wiadomość do wątku. Agent wywołuje w swoich krokach interpreter kodu, przetwarza plik i generuje wykres. Artefakt wraca jako załączony obraz widoczny w dzienniku wątku. Nie musisz pisać parsera ani wizualizacji, bo agent wybiera narzędzie, wykonuje zadanie i zwraca plik, który można wkleić do raportu. To udokumentowane zachowanie z przykładów SDK.

Integracja korporacyjna i bezpieczeństwo

Narzędzia mogą łączyć się z Logic Apps, dzięki czemu agent zyskuje dostęp do ponad 1400 istniejących łączników. Zamiast kodować adaptery dla platform CRM, ERP czy ITSM, konfigurujesz połączenia z łącznikami, których firma już używa. Jeden agent może działać w szerokim ekosystemie bez nietrwałych mostów API.

Gdy narzędzia łączą się z systemami takimi jak SharePoint czy Fabric, używają uwierzytelniania w imieniu użytkownika, pośredniczonego przez Microsoft Entra. Jeśli nie masz uprawnień do odczytu pliku, agent nie ominie tej blokady. Tożsamość i uprawnienia pozostają nienaruszone, a to warunek, by zespoły ds. zgodności wyraziły zgodę na wdrożenie. Każde wywołanie jest też w pełni śledzalne: wiadomo, kto je wywołał, co wysłano i co odebrano.

Stolpersteine: co się dzieje, gdy brakuje któregoś elementu

Brak tych warstw to w przedsiębiorstwie realne ryzyko, które blokuje zaufanie i adopcję AI. Najczęstsze konsekwencje to:

• Niespójne wyniki. Jedno podsumowanie umowy brzmi tak, a następne subtelnie mu przeczy, bo brakuje instrukcji, które kotwiczą model.
• Utrata możliwości śledzenia. Bez ustrukturyzowanego logu nie wiadomo, jak powstała odpowiedź.
• Debugowanie jako zgadywanie. Programiści nie mogą odtworzyć toku rozumowania ani zidentyfikować błędu.
• Brak dowodów dla audytu. Bez zapisu rozmów zostają zrzuty ekranu, pamięć i gołe obietnice wobec interesariuszy.
• Agent bez narzędzi. To sesja czatu, która dużo obiecuje, ale nie wykonuje pracy.

Praktyczne wnioski

• Projektuj agenta w oparciu o trzy elementy: model, instrukcje i narzędzia.
• Dobieraj model do misji, bo katalog Foundry pozwala przełączać się między modelami, np. GPT-4, lżejszymi modelami, Mistral czy DeepSeek.
• Traktuj wątek jako trwały dziennik rozmów i źródło dowodów dla audytu oraz debugowania.
• Pamiętaj, że wątek przechowuje kontekst, a uruchomienie wykonuje pracę. Monitoruj statusy uruchomień.
• Do analizy błędów i wyjaśnień dla audytorów używaj kroków uruchomień z wywołaniami narzędzi i znacznikami czasu.
• Zacznij od narzędzi wbudowanych, a własne rejestruj przez OpenAPI lub MCP.
• Łącz się z systemami korporacyjnymi z uwierzytelnianiem w imieniu użytkownika przez Microsoft Entra, aby uprawnienia pozostały nienaruszone.
• Uruchom projekt testowy: utwórz podstawowego agenta, uruchom wątek, a potem sprawdź kroki wykonawcze w SDK lub portalu, aby potwierdzić, że logi odzwierciedlają rzeczywistość.

Fazit

Azure AI Foundry to nie tylko wysyłanie zapytań do modelu. Daje powtarzalny sposób tworzenia agentów wyposażonych w model, zasady i zestaw narzędzi, a każde ich działanie trafia do wątków, uruchomień i kroków wykonawczych. Dzięki temu AI przestaje być nieprzewidywalną improwizacją, a staje się zarządzalnym członkiem zespołu, którego działania można śledzić, testować i bronić. Dla liderów zespołów deweloperskich i specjalistów ds. zgodności oznacza to powtarzalną, audytowalną egzekucję z pełną widocznością całego cyklu życia agenta.