核心用法
本 Skill 是 Azure AI Projects Python SDK（azure-ai-projects）的完整开发指南，面向 Azure AI Foundry 平台的企业级 AI 应用开发。核心用法涵盖两大客户端模式：一是原生 AIProjectClient，提供 Foundry 专属功能如 Agent 版本管理（PromptAgentDefinition）、连接管理、数据集/索引操作及评估功能；二是通过 get_openai_client() 获取 OpenAI 兼容客户端，使用标准 OpenAI API 进行快速集成。
主要开发流程包括：配置 Azure 身份认证（DefaultAzureCredential）→ 创建项目客户端 → 定义 Agent（支持 9 种内置工具：Code Interpreter、File Search、Bing Grounding、Azure AI Search、Function Calling、OpenAPI、MCP、Memory Search、SharePoint）→ 管理线程与消息流 → 执行运行（create_and_process 或流式处理）→ 清理资源。高级功能涵盖异步客户端支持、内存存储持久化、红队测试（Red Team）及通过 OpenAI 客户端运行内置评估器（fluency、task_adherence 等）。
显著优点
平台深度集成：原生支持 Azure AI Foundry 的全部能力栈，包括企业级连接管理、模型部署枚举、数据集/索引生命周期管理，这是纯 OpenAI SDK 无法提供的。
生产级版本控制：通过 PromptAgentDefinition 实现 Agent 版本化管理，支持 v1.0 等标签化发布，满足企业 CI/CD 和回滚需求。
工具生态丰富：9 类内置工具覆盖代码执行、RAG、网络搜索、API 调用、MCP 协议等场景，且与 Azure 服务（AI Search、SharePoint）无缝衔接。
双模式灵活切换：同一项目可同时使用 Foundry 原生 API 和 OpenAI 兼容 API，兼顾平台特性与生态兼容性。
安全合规：依托 Azure 企业级身份体系（Entra ID/Managed Identity），无硬编码密钥风险，符合企业安全基线。
潜在缺点与局限性
Azure 生态锁定：核心功能（连接管理、版本控制、评估）深度依赖 Azure AI Foundry 平台，迁移至 AWS/GCP 或其他云厂商成本极高。
学习曲线陡峭：需同时掌握 Azure 身份认证（DefaultAzureCredential 的多种模式）、Foundry 项目/资源概念、Python SDK 三层抽象，新手上手周期较长。
异步支持局限：异步客户端（azure.ai.projects.aio）需显式使用 async with 上下文管理，与同步代码混用易引发运行时错误。
评估功能间接性：内置评估器需通过 OpenAI 客户端调用，而非原生 AIProjectClient，API 设计存在割裂感。
工具配置复杂度：MCP、SharePoint 等高级工具需预配置 Azure 连接（Connections）和权限，企业环境中的 RBAC 配置可能成为阻塞点。
适合的目标群体
- 企业 AI 开发团队：已采用 Azure 云基础设施，需要构建生产级 Agent 系统并满足合规审计要求
- 平台工程师/架构师：负责设计多 Agent 协作系统、版本管理策略及与现有 Azure 数据资产（AI Search、SharePoint）的集成方案
- Python 后端开发者：具备 asyncio 经验，需开发高并发 AI 服务端应用
- 数据科学家/ML 工程师：需要代码解释器（Code Interpreter）进行数据分析，同时集成企业数据源（数据集/索引）
- Azure 认证开发者：持有 Azure AI Engineer Associate 等认证，熟悉 Azure 身份与资源管理体系
使用风险
依赖版本风险：azure-ai-projects 与 azure-identity 需保持版本兼容，SDK 快速迭代期可能出现 Breaking Changes。
身份认证失败场景：本地开发时 DefaultAzureCredential 回退链（Env → Managed Identity → Azure CLI → Visual Studio Code 等）任一环节配置缺失都会导致认证失败，错误信息不够直观。
资源泄露风险：Agent、线程、内存存储等资源需显式清理，长运行服务中若未实现健壮的资源回收机制，可能导致 Azure 资源费用累积。
流式处理异常：实时流式输出（streaming）场景下的连接中断、Token 耗尽等边缘情况需额外容错处理，SDK 默认行为是直接抛出异常。
评估数据隐私：使用内置评估器时，测试数据将传输至 Azure OpenAI 服务端进行处理，涉及敏感数据的场景需提前完成企业隐私影响评估（PIA）。