O que exatamente é o Azure AI Foundry? É apenas mais um serviço adicionado pela Microsoft ou algo maior? No último ano, a Microsoft tem feito anúncios de IA a todo momento. É fácil se sentir perdido. Eu sou Mirko Peters, Microsoft Knowledge Nuggets. Ao final deste episódio, você saberá o que o Foundry realmente é e por que ele importa. Sem enrolação de marketing. Vamos dividir em partes claras o que é, o que tem dentro e como tudo se conecta. Por que todos estão confusos com o nome? A confusão começa pelo nome. Passou por mais mudanças de nome do que consigo contar. Primeiro foi Cognitive Services, depois Azure AI Services, depois Azure AI Studio, depois Azure AI Foundry. E no fim do ano passado, oficialmente Microsoft Foundry. O mesmo produto, quatro ou cinco nomes em cerca de três anos. Isso por si só já é confuso, mas fica mais complicado. Neste momento, duas versões da plataforma rodam lado a lado.

A arquitetura clássica baseada em hubs é a forma antiga. O novo modelo de projetos do Foundry é a versão mundial. Ambos ficam no mesmo URL, ai.azuri.com. Você acessa e encontra um botão de alternância que muda entre duas arquiteturas completamente diferentes. Não é apenas um novo visual, é uma forma diferente de organizar tudo por baixo. Isso confunde iniciantes, porque ao pesquisar por ajuda, você encontra artigos sobre hubs e projetos clássicos. Esses artigos são precisos. A Microsoft suporta ambas as versões. Mas os novos recursos, capacidades de agentes e tudo em que a Microsoft investe só chegam aos projetos do Foundry. Você pode seguir um tutorial antigo, configurar um hub e depois descobrir que não pode usar as ferramentas mais recentes. Isso é uma grande outra de cabeça. Então aqui vai o meu conselho. Ignore as coisas antigas. Falando em moderno, onde a Microsoft está colocando tudo.

Se você está começando do zero hoje, ignore os hubs e vá direto para os projetos do Foundry. É lá que as novas capacidades residem. Então o que o Azure AI Foundry realmente é? Vamos começar do zero. O que é o Azure AI Foundry? É uma plataforma unificada para construir, testar e implantar aplicações de IA em um só lugar. Essa é a definição mais simples. Pense ali como uma fábrica. Matérias-primas entram modelos, dados, ferramentas e aplicações finalizadas. Saem chatbots, copilotos, agentes de automação. Você não constrói a fábrica. Microsoft é opera. Você apenas entra, pega o que precisa e começa a construir. Este não é um produto único como o Word ou o Excel. O Foundry é um container que armazena modelos, ferramentas, projetos e segurança. Crie um recurso do Foundry e você obtém um catálogo completo de modelos. Milhares de modelos. Você obtém ferramentas de criação de agentes, ambientes de teste, ferramentas de avaliação e segurança, tudo reunido.

Agora aqui está uma distinção fundamental. O Foundry é para desenvolvedores. Se você programa em Python ou C-Shag e se quer construir soluções de IA personalizadas com código, esta é a sua plataforma. Procure uma experiência low-code de arrastar e soltar. Isso é o Copilot Studio, uma ferramenta diferente para um público diferente. Ambos são válidos. Antes do Foundry, criar uma aplicação de IA no Azure significava provisionar serviços separados. Você configurava o Azure OpenAI, Cognitive Services, Azure Machine Learning, Azure AI Search e escrevia código para integrá-los. Muito trabalho. O Foundry substitui tudo isso. Crie um único recurso e tudo já estará conectado. Modelos estão lá, ferramentas estão lá, segurança integrada. Você simplesmente começa a construir. Esse é o objetivo. Não se trata de adicionar outra ferramenta, mas de remover o atrito de gerenciar uma dúzia de serviços separados.

A unidade organizacional-chave e os projetos vão. Você tem sua fábrica de IA, mas uma fábrica precisa de organização. É aí que os projetos do Foundry. O projeto Foundry é um espaço de trabalho isolado para uma solução de IA específica. Se o Foundry é a fábrica, os projetos são bancadas de trabalho individuais. Cada um tem suas ferramentas, materiais e trabalhadores, sem interferir nos outros. A equipe que cria um chatbot de suporte ao cliente não vai estragar o projeto do assistente de RH por acidente. O que há dentro de um projeto? Seus próprios modelos implantados, agentes, base de conhecimento, avaliações e monitoramento. Tudo o que você precisa para uma solução, tudo em um só lugar. Aqui está a estrutura principal. Projetos vivem dentro de um recurso do Foundry. O recurso é o limite de faturamento e segurança, o edifício. Os projetos são as salas lá dentro. Um edifício, uma porta de entrada, uma recepção de segurança, uma conta.

Mas cada sala tem seu propósito e sua própria equipe. Por exemplo, uma empresa chamada Contoso constrói três soluções de ACO. Um agente de suporte ao cliente, um sistema de processamento de documentos. Com o Foundry, eles criam um recurso para toda a empresa e, em seguida, criam três projetos dentro dele. Cada projeto tem seus próprios modelos, agentes e base de conhecimento. As equipes trabalham de forma independente sem atrapalhar umas as outras. Isso é importante porque equipes diferentes precisam de acesso diferente. A equipe de suporte ao cliente não precisa ver documentos de RH. Não precisa ver documentos, não precisa ver políticas de reembolso. Os projetos oferecem isolamento. Ao mesmo tempo, a TI mantém controle central, gerenciando um recurso, uma política de segurança, um orçamento, autonomia de equipe com governança central. Coração do Foundry, o catálogo de modelos. Pense desta forma.

Todo projeto precisa de um cérebro. No Foundry, esse cérebro vive dentro do catálogo de modelo. Mais de 11 mil modelos, isso não é erro de digitação. Você tem modelos da OpenAI, como GPT-4OB, GPT-4.1, a família Lhama da Meta, Mistral, DeepSeek, os modelos FAI da Microsoft, Cloud Dantropic, Cohery, modelos para texto, imagens, código e embeddings. No momento, este é o maior catálogo de modelos que você encontrará em qualquer plataforma de nuvem. Vamos dividi-los em dois tipos básicos, modelos de linguagem grande e modelos de linguagem B. Os grandes possuem bilhões de parâmetros. O GPT-4 tem mais de um trilhão, então eles podem lidar com raciocínio complexo, escrita criativa e conversa cheia de nuances. Mas eles são caros e lentos. Os modelos pequenos têm muito menos parâmetros. O FII-3 da Microsoft tem cerca de 3,8 bilhões. Minúsculo comparado ao GPT-4, mas é rápido e barato. Para tarefas focadas como extrair dados de um formulário ou responder a uma pergunta simples, ele funciona muito bem.

Este é o benefício prático. Você pode implantar o modelo em segundo. Escolha um no catálogo, clique em implantar e ele estará pronto. Sem provisionar hardware, sem configurar a rede, sem esperar horas pela instalação, são segundos. E antes de se comprometer, você pode testá-lo no Playground. Experimente diferentes prompts, ajuste configurações como temperatura e tokens máximos e veja as respostas instantaneamente. É um test drive antes de comprar o carro. Você não fica preso a um único modelo, e essa é uma enorme vantagem sobre usar a API da OpenAI diretamente. Com o Foundry, você pode usar o GPT-4A para raciocínio complexo onde a qualidade importa. O FII para classificação simples, onde velocidade e custo importam. E o Lama da meta, para conformidade se precisar, executar modelos em seu próprio datacenter. Se alterna dependendo do trabalho. Foundry também inclui uma ferramenta de comparação que ajuda a avaliar modelos lado a lado.

Compare pela qualidade, quão precisa são as respostas. Pela segurança, quão bem ele resiste a ataques de gestão de prompt. Pelo custo, preço por milhão de tokens. Pela velocidade, quão rápido ele gera resultados. Isso transforma a seleção de modelos de um jogo de adivinhação em uma decisão informada. Você escolhe a ferramenta certa para o trabalho certo, não apenas aquela de que todos estão falando. Construir agentes de A, o recurso matador do Foundry. Um modelo sozinho não é muito útil. Você pode conversar com ele no playground, fazer perguntas, ver o que ele gera, mas isso é apenas uma conversa. A verdadeira mágica acontece quando você constrói algo que realmente pode fazer coisas. E é aí que entram os agentes. Um agente é mais do que um chatbot. O chatbot responde a pergunta. Um agente entra em ação. Ele pode pesquisar na web, ler arquivos, realizar cálculos, lembrar do que você disse na semana passada e seguir um conjunto de instruções.

É como ter um assistente que não apenas conversa, mas realmente realiza as tarefas. O Foundry oferece cinco componentes para você criar um agente. Deixe mais só por cada um deles. Primeiro, as instruções. É aqui que você diz ao agente o que ele deve fazer e como deve se comportar. Pense nisso com uma descrição de cá. Você pode dizer que você é um agente de suporte ao cliente. Seja amigável e profissional. Manda apenas perguntas sobre nossa política de evolução. Se não souber a resposta, admita e encaminhe para um humano. Sem instruções, o agente faz o que o modelo quiser. Com instruções, ele tem um propósito claro. Segundo o modelo. Este é o cérebro. Ele processa cada solicitação e gera respostas. Você escolhe qual modelo usar. GPT-4A para raciocínio complexo. 5 para tarefas simples. O que for mais adequado. O modelo torna o agente inteligente, mas é apenas uma peça. As ferramentas. É aqui que o agente ganha suas mãos.

Ferramentas são capacidades que ele pode usar para realizações. A pesquisa na web permite buscar informações atuais. Interpretador de código permite fazer a matemática e executar cálculo. Pesquisa de arquivos permite ler documentos que você carrega. Sem ferramentas, o agente só pode gerar texto. Com ferramentas, ele pode agir no mundo. Quarto conhecimento. Esta é a informação que o agente pode consultar. Você carrega documentos, PDFs, arquivos JSON, qualquer dado que seu agente precise para responder perguntas com precisão. O Foundry usa o Azure AI Search nos bastidores para indexar esses dados e torná-los pesquisáveis. Quando um cliente pergunta sobre uma política específica, o agente não precisa adivinhar. Ele encontra o documento real e o lê. Quinto a memória. Isso permite que o agente se lembre de conversas anteriores. Você fala com ele hoje e ele lembra de suas preferências. Você volta amanhã e ele retoma de onde parou.

Ele armazena resumos de chats e preferências do usuário para que a experiência pareça pessoal e contínua. Aqui está um exemplo concreto da pesquisa que fiz. Alguém criou um agente rastreador de presentes no Foundry. A ideia é simples. Você quer acompanhar os presentes para sua família, o que já deu a eles, o que gostam, o que não gostam e quanto está gastando. Então, o agente tem instruções que dizem que você ajuda a planejar presentes. Nunca sugira algo que eles já receberam. Ele usa o GPT-4 como cérebro, pesquisa na web para encontrar ideias de presentes, busca de arquivos com perfis de cada membro da família, gostos, desgostos e histórico de presentes dos últimos 3 anos, interpretador de código para calcular orçamentos e totais, além de memória. Assim, na próxima vez que você abrir uma conversa, ele se lembrará de que você estava procurando presente de aniversário para seu filho Ado. Você cria e testa tudo isso no ambiente de teste de agentes.

É uma interface visual onde você configura cada componente, testa as respostas do agente e vê exatamente quais ferramentas ele usou e porquê. Uma vez funcionando, você pode implantá-lo. O Foundry oferece um endpoint de IPI que você pode chamar de qualquer aplicativo, ou você pode publicá-lo diretamente no Microsoft Teams como um agente copilot. De qualquer forma, seu agente vai da ideia à produção sem escrever uma única linha de código de infraestrutura. Nos bastidores, uma arquitetura simplificada. Essa é a superfície. Mas o que realmente acontece por baixo do capô? Aqui está a arquitetura explicada e foi assim. Ao criar um recurso no Foundry, o Azure configura toda a infraestrutura automaticamente, então você não precisa provisionar armazenamento, configurar logs ou definir grupos de segurança. Tudo acontece nos bastidores, criando uma conta de armazenamento para seus arquivos e logs, configurando monitoramento e definindo identidades.

Portanto, tudo que você precisa fazer é criar o recurso e começar a construir. O Foundry usa o tipo de recurso de serviços cognitivos, o mesmo usado pelo Azure OpenAI e pelos serviços GA mais antigos, como o Visão e Fala. A antiga arquitetura, baseada em Hub, usava o Machine Learning Services, que é um provedor completamente diferente, com faturamento, rede e governança distintos. Isso é importante porque o Foundry vive em uma parte mais simples e unificada da infraestrutura do ASP. Projetos são recursos secundários do recurso Foundry, portanto compartilham a mesma identidade e limite de segurança. Quando você define o controle de acesso no nível do Foundry, ele se aplica a todos os projetos, o que significa que você não precisa configurar a segurança separadamente para cada um. Mas se você precisar de permissões específicas para um projeto, você também pode adicionar. O Foundry não trabalha sozinho.

Ele se conecta a outros serviços do Azure, e o Azure AI Search é o mais importante, pois é assim que seus agentes encontram e recuperam conhecimento. Armazena segredos e chaves de API com segurança, e as contas de armazenamento mantêm arquivos, logs e índices vetoriais. Essas conexões são gerenciadas através do que o Foundry chama de conexões, que são links pré-configurados que permitem que seus agentes acessem esses recursos sem que você precise gerenciar cadenciais manualmente. Foundry, Agent, Service, ou Runtime, que realmente hospeda seus agentes. Pense nisso como a casa de máquinas. Quando um usuário envia uma solicitação, o serviço de agente cuida da coordenação, recebendo pedido, verificando as instruções, chamando o modelo, invocando as ferramentas certas, recuperando conhecimento e gerando uma resposta. Ele também executa filtros de segurança para detectar conteúdo prejudicial e lidar com o escalão.

Portanto, se mil usuários acessarem seu agente de uma vez, ele aumenta a capacidade automaticamente. Tudo é executado dentro da segurança de nível empresarial do Azure, onde o Entra ID cuida da autenticação, redes gerenciadas mantém o tráfego privado e o controle de acesso baseado em função garante que apenas pessoas autorizadas modifiquem os agentes. Filtros de segurança de conteúdo bloqueam respostas inadequadas. É a mesma infraestrutura de segurança que executa os próprios serviços da Microsoft. Mais uma coisa, a arquitetura antiga de hub e projeto ainda existe. Se você usa o Azure AI Foundry há algum tempo, pode ter um hub configurado e eles continuam funcionando com o suporte da Microsoft. Mas eles não receberão novos recursos de agente, como o Agent Playground, o serviço de agente, os recursos de memória. Tudo isso chega apenas aos novos projetos do Fondo. Portanto, se você está começando do zero, quer criar agentes dos novos projetos.

Não construa sobre a base antiga. Como tudo se conecta, o panorama geral. Então, o que realmente acontece quando alguém usa um aplicativo do Fondo? Imagine que um usuário digita uma pergunta e essa pergunta chega ao seu agente. A gente verifica suas instruções, escolhe o modelo certo e começa a processar. Mas ele não apenas adivinha a resposta. Ele busca no Azure AI Search para encontrar conhecimento relevante em seus documentos, chama uma ferramenta com uma pesquisa na web para informações atuais, processa todo esse contexto e gera uma resposta e gera uma resposta. Em seguida, ele armazena a conversa na memória para que na próxima vez ele se lembre de quem você é e do que discutir. Esse é o fluxo de ponta a ponta. Antes do Foundry, você precisava de cinco serviços separados do Azure e código personalizado para fazer isso funcionar. Azure OpenAI por modelo, AI Search para recuperação de conhecimento, um serviço separado para pesquisa na web, armazenamento para logs e arquivos e que volte para segredos.

Então, você tinha que escrever código para conectar tudo isso, lidar com autenticação, gerenciar erros e configurar o monitoramento. O Foundry faz tudo isso nativamente. Você apenas configura os componentes e seu agente entra em funcionamento. O ponto é, tudo interage. Mude o modelo e você mudará o custo e a precisão de cada resposta. Adicione melhores fontes de conhecimento e suas respostas se tornarão mais precisas. Habilite a memória e a experiência para ser pessoal em vez de robótica. Essas não são decisões isoladas. Elas formam um sistema e o Foundry oferece os controles para ajustar esse sistema às suas necessidades específicas. Por isso que as empresas estão passando de pilotos para a produção. O Foundry oferece a base necessária para criar aplicações de IA confiáveis. Segurança, monitoramento e avaliação já vêm integrados. Você não está começando zero. Você está em uma plataforma que resolve as partes complexas para que possa focar na aplicação.

Começando suas primeiras ações. Então por onde começar? Acesse ai.azer.com e crie seu primeiro recurso no Foundry. Você precisará de uma assinatura do Azure, mas se não tiver um, inscreva-se por uma conta gratuita com créditos para testar. Toda a configuração leva a cerca de um minuto. Em seguida, crie um projeto dentro desse recurso e dê um nome que corresponda ao que você está construindo. Depois escolha um modelo no catálogo. Recomendo começar com um que seja capaz o suficiente para a maioria dos experimentos. Você pode implantá-lo com um clique. Depois disso, abra o Agent Playground e crie um agente simples. Dê a ele instruções como você é um assistente prestativo que responde a perguntas sobre as políticas da empresa. Não adicione a pesquisa na web como uma ferramenta. Teste fazendo uma pergunta e observe o rastreamento para ver quais ferramentas ele usou e porquê. Não tente construir tudo de uma vez.

Escolha um caso de uso. Talvez um bot de perguntas e respostas sobre documentos que respondam sobre o manual da empresa. E comece pequeno. Faça funcionar e depois expanda a parte daí. Adicione pesquisa de arquivos com documentos reais, memória para lembrar dos usuários e o interpretador de código se precisar de cálculos. Aqui está o ponto principal. O Foundry inclui um chatbot de E integrado que responde a pergunta sobre a própria plataforma. Se ficar preso, pergunte coisas como quais modelos estão disponíveis na minha região. Ou como adiciono memória ao meu agente. Ele pesquisa a documentação e te dá uma resposta instantaneamente, como ter um engenheiro de suporte integrado ao portal. Então, esse é o sistema, uma plataforma unificada que reúne modelos, projetos, agentes, conhecimento e segurança em algo que funciona em conjunto. Quando você vê como tudo se integra, a confusão desaparece.

O Foundry não é apenas mais uma ferramenta. É a oficina onde você constrói aplicações de E.A. E está a conclusão. Sua maior conquista hoje é simples. Crie um projeto no Foundry e construa um agente. É só isso. Se você achou isso útil, inscreva-se para mais explicações simples como esta. E compartilhe esse episódio com alguém que também está confuso sobre a linha de E da Microsoft. Eles vão te agradecer por isso.