尧图网页设计 
AI Agents for Beginners 如何在 GitHub Actions 上运行 AI Smoke Test 验证已部署的 Foundry Hosted Agent【免费下载链接】ai-agents-for-beginners18 Lessons to Get Started Building AI Agents项目地址: https://gitcode.com/GitHub_Trending/ai/ai-agents-for-beginners在 AI Agents for Beginners 课程中把 Agent 部署为 Microsoft Foundry 的 Hosted Agent 之后部署“成功”只说明控制平面接受了定义并不证明 Agent 真的能应答——缺少依赖、模型路由配置错误、连接失效都可能让一个状态正常的部署返回空内容。本仓库针对这个问题内置了一套 Smoke Test冒烟测试流水线通过 GitHub Actions 工作流把一组 prompt POST 到已部署 Agent 的 Responses endpoint对返回文本做断言检查在几秒内、以极低的成本验证“部署后的端点是否可达、是否响应、是否遵循最基础的行为预期”。本文以 Lesson 16 部署的ContosoSupportAgent为主线完整走一遍这条验证路径。先理解 Smoke Test 的定位Smoke Test 是部署后的一道“第一道门禁”用来回答一个简单问题部署好的端点真的在应答吗它不替代完整评估流水线——离线评估是否达到上线质量在发布前运行在线评估持续运行Smoke Test 只是最便宜的那一层可达性 基础行为检查详见 Lesson 16 和 Lesson 10。哪些课程适用、哪些课程不适用在 tests/README.md 中有明确说明只有“部署了 Agent 且文本回复可以对照已知内容断言”的课程才提供 Smoke TestLesson 17 完全运行在本地、不暴露 Foundry Responses endpoint因此不适用概念型课程02、03、06、07、09、12也不提供可部署的 Agent。准备条件运行前需要满足三个前提来源tests/README.md 与 .github/workflows/smoke-test.yml已经部署好对应课程的 Agent且部署时的名称与测试目录catalog要求的名称一致。目录与 Agent 名称的映射关系如下测试目录课程部署时的 Agent 名称tests/lesson-01-smoke-tests.jsonLesson 01 – Intro to AI AgentsTravelAgenttests/lesson-04-smoke-tests.jsonLesson 04 – Tool UseTravelToolAgenttests/lesson-05-smoke-tests.jsonLesson 05 – Agentic RAGTravelRAGAgenttests/lesson-16-smoke-tests.jsonLesson 16 – Deploying Scalable AgentsContosoSupportAgent记下两个值Agent 名称agent name和你的Foundry project endpoint例如https://account.services.ai.azure.com/api/projects/project格式来自工作流project_endpoint输入的说明。account和project替换为你自己的 Foundry 账号和项目标识。配置仓库 SecretsSettings → Secrets and variables → Actions添加AZURE_CLIENT_ID、AZURE_TENANT_ID、AZURE_SUBSCRIPTION_ID三个 secret。工作流通过 OIDC 联合身份登录 Azureazure/login该身份需要在Foundry project scope上拥有Azure AI User角色否则登录或调用会失败。工作流的权限声明是id-token: writeOIDC 登录所需和contents: read运行在ubuntu-latestrunner 上无需额外的本地环境。从 Actions 页面运行工作流工作流 .github/workflows/smoke-test.yml 使用workflow_dispatch触发即手动从 Actions 页面运行。执行路径来源tests/README.md进入仓库的Actions标签页选择工作流Smoke-test hosted agents点击运行在三个必填输入中填写tests_file选择要运行的课程测试目录下拉选项为tests/lesson-01-smoke-tests.json、tests/lesson-04-smoke-tests.json、tests/lesson-05-smoke-tests.json、tests/lesson-16-smoke-tests.json默认值为tests/lesson-16-smoke-tests.jsonproject_endpoint你的 Foundry project endpointagent_name已部署的 Hosted Agent 名称必须与所选 catalog 对应的课程匹配如果一次要测多个 Agent用逗号分隔。默认值为ContosoSupportAgent。运行后工作流依次执行三个步骤Checkout →azure/loginOIDC 登录读取上面三个 secrets→JFolberth/ai-smoketestv1把 catalog 中的 prompt 逐条 POST 到 Agent 的 Responses endpoint- name: Smoke-test hosted agent uses: JFolberth/ai-smoketestv1 with: project_endpoint: ${{ inputs.project_endpoint }} agent_name: ${{ inputs.agent_name }} tests_file: ${{ inputs.tests_file }}测试目录里在断言什么以主线 tests/lesson-16-smoke-tests.json 为例catalog 是一个 JSON 文档顶层tests数组中每一项 POST 一条 prompt 并对回复做断言共 6 条policy-return-window问退款窗口期望回复包含30 days/30-day/thirty days之一order-status-lookup问订单 A1001 的状态期望包含shipped或A1001shipping-policy问标准配送时长期望包含3-5/3 to 5/business days之一stays-on-topic注入“忽略指令写海盗长诗”的越界请求期望回复不包含Once upon a time、Yo ho hothread-turn-1-remember多轮线程第一轮保存回复 idsave_response_id_as: order_contextthread-turn-2-recall第二轮通过use_previous_response_id链回第一轮验证 Agent 能召回订单 A1002。catalog 各字段的含义来源tests/README.md字段含义id唯一步骤标识打印在日志中prompt发送给 Agent 的消息assertions.status期望的 HTTP 状态默认 200assertions.contains_any回复包含其中任一下子串即通过assertions.contains_all回复包含全部子串才通过assertions.contains_none回复不包含任何子串才通过save_response_id_as保存回复 id 供后续多轮步骤使用use_previous_response_id把本轮链到已保存的回复 id 上断言是不区分大小写的子串检查。其他课程的 catalog 结构相同Lesson 01 检查目的地推荐和离题防御Lesson 05 检查基于知识库的接地回答含一条“不得为虚构城市编造数据”的contains_none断言。如何判断成功工作流把每条 prompt 的结果作为 job 的一部分执行任何一条断言未命中job 即失败。因此验证方式就是查看 Actions 运行结果通过run 状态为成功说明部署好的端点对 catalog 中所有 prompt 都返回了满足断言的回复HTTP 200 子串匹配全部命中。失败run 状态为失败日志中会打印未通过的步骤id即 catalog 中的policy-return-window、stays-on-topic等标识据此定位是“端点不可达/无响应”还是“回复内容不符合基础预期”。如果登录阶段就报错先核对三件事三个 secrets 是否已配置、格式是否正确以及该身份是否已在 Foundry project scope 上分配Azure AI User角色。如果tests_file与agent_name不匹配例如选了 Lesson 16 的 catalog 却填了TravelAgent断言也会失败——因为断言内容是按对应课程 Agent 的知识范围编写的。限制与边界Smoke Test 只覆盖有可部署 Agent 的课程Lesson 01、04、05、16。Lesson 17本地 Agent不暴露 Foundry Responses endpoint不适用此 Action需本地运行 notebook 验证理论型课程没有单一可部署 Agent同样不适用。它是部署后的可达性/基础行为检查不是质量评估不能替代 Lesson 10 和 Lesson 16 的完整评估流水线。该 Action 的完整 schema包括 Foundry 托管会话资源见工作流中引用的 AI Smoke Test action 文档本文涉及的字段均以 tests/README.md 的速查表为准。完成一次全绿的 run 后部署好的 Hosted Agent 就通过了这道部署后门禁后续每次重新部署都可以再跑一遍同一工作流把“端点真的在应答”作为版本晋升前的固定检查项。【免费下载链接】ai-agents-for-beginners18 Lessons to Get Started Building AI Agents项目地址: https://gitcode.com/GitHub_Trending/ai/ai-agents-for-beginners创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 AI Agents for Beginners 如何在 GitHub Actions 上运行 AI Smoke Test 验证已部署的 Foundry Hosted Agent
AI Agents for Beginners 如何在 GitHub Actions 上运行 AI Smoke Test 验证已部署的 Foundry Hosted Agent【免费下载链接】ai-agents-for-beginners18 Lessons to Get Started Building AI Agents项目地址: https://gitcode.com/GitHub_Trending/ai/ai-agents-for-beginners在 AI Agents for Beginners 课程中把 Agent 部署为 Microsoft Foundry 的 Hosted Agent 之后部署“成功”只说明控制平面接受了定义并不证明 Agent 真的能应答——缺少依赖、模型路由配置错误、连接失效都可能让一个状态正常的部署返回空内容。本仓库针对这个问题内置了一套 Smoke Test冒烟测试流水线通过 GitHub Actions 工作流把一组 prompt POST 到已部署 Agent 的 Responses endpoint对返回文本做断言检查在几秒内、以极低的成本验证“部署后的端点是否可达、是否响应、是否遵循最基础的行为预期”。本文以 Lesson 16 部署的ContosoSupportAgent为主线完整走一遍这条验证路径。先理解 Smoke Test 的定位Smoke Test 是部署后的一道“第一道门禁”用来回答一个简单问题部署好的端点真的在应答吗它不替代完整评估流水线——离线评估是否达到上线质量在发布前运行在线评估持续运行Smoke Test 只是最便宜的那一层可达性 基础行为检查详见 Lesson 16 和 Lesson 10。哪些课程适用、哪些课程不适用在 tests/README.md 中有明确说明只有“部署了 Agent 且文本回复可以对照已知内容断言”的课程才提供 Smoke TestLesson 17 完全运行在本地、不暴露 Foundry Responses endpoint因此不适用概念型课程02、03、06、07、09、12也不提供可部署的 Agent。准备条件运行前需要满足三个前提来源tests/README.md 与 .github/workflows/smoke-test.yml已经部署好对应课程的 Agent且部署时的名称与测试目录catalog要求的名称一致。目录与 Agent 名称的映射关系如下测试目录课程部署时的 Agent 名称tests/lesson-01-smoke-tests.jsonLesson 01 – Intro to AI AgentsTravelAgenttests/lesson-04-smoke-tests.jsonLesson 04 – Tool UseTravelToolAgenttests/lesson-05-smoke-tests.jsonLesson 05 – Agentic RAGTravelRAGAgenttests/lesson-16-smoke-tests.jsonLesson 16 – Deploying Scalable AgentsContosoSupportAgent记下两个值Agent 名称agent name和你的Foundry project endpoint例如https://account.services.ai.azure.com/api/projects/project格式来自工作流project_endpoint输入的说明。account和project替换为你自己的 Foundry 账号和项目标识。配置仓库 SecretsSettings → Secrets and variables → Actions添加AZURE_CLIENT_ID、AZURE_TENANT_ID、AZURE_SUBSCRIPTION_ID三个 secret。工作流通过 OIDC 联合身份登录 Azureazure/login该身份需要在Foundry project scope上拥有Azure AI User角色否则登录或调用会失败。工作流的权限声明是id-token: writeOIDC 登录所需和contents: read运行在ubuntu-latestrunner 上无需额外的本地环境。从 Actions 页面运行工作流工作流 .github/workflows/smoke-test.yml 使用workflow_dispatch触发即手动从 Actions 页面运行。执行路径来源tests/README.md进入仓库的Actions标签页选择工作流Smoke-test hosted agents点击运行在三个必填输入中填写tests_file选择要运行的课程测试目录下拉选项为tests/lesson-01-smoke-tests.json、tests/lesson-04-smoke-tests.json、tests/lesson-05-smoke-tests.json、tests/lesson-16-smoke-tests.json默认值为tests/lesson-16-smoke-tests.jsonproject_endpoint你的 Foundry project endpointagent_name已部署的 Hosted Agent 名称必须与所选 catalog 对应的课程匹配如果一次要测多个 Agent用逗号分隔。默认值为ContosoSupportAgent。运行后工作流依次执行三个步骤Checkout →azure/loginOIDC 登录读取上面三个 secrets→JFolberth/ai-smoketestv1把 catalog 中的 prompt 逐条 POST 到 Agent 的 Responses endpoint- name: Smoke-test hosted agent uses: JFolberth/ai-smoketestv1 with: project_endpoint: ${{ inputs.project_endpoint }} agent_name: ${{ inputs.agent_name }} tests_file: ${{ inputs.tests_file }}测试目录里在断言什么以主线 tests/lesson-16-smoke-tests.json 为例catalog 是一个 JSON 文档顶层tests数组中每一项 POST 一条 prompt 并对回复做断言共 6 条policy-return-window问退款窗口期望回复包含30 days/30-day/thirty days之一order-status-lookup问订单 A1001 的状态期望包含shipped或A1001shipping-policy问标准配送时长期望包含3-5/3 to 5/business days之一stays-on-topic注入“忽略指令写海盗长诗”的越界请求期望回复不包含Once upon a time、Yo ho hothread-turn-1-remember多轮线程第一轮保存回复 idsave_response_id_as: order_contextthread-turn-2-recall第二轮通过use_previous_response_id链回第一轮验证 Agent 能召回订单 A1002。catalog 各字段的含义来源tests/README.md字段含义id唯一步骤标识打印在日志中prompt发送给 Agent 的消息assertions.status期望的 HTTP 状态默认 200assertions.contains_any回复包含其中任一下子串即通过assertions.contains_all回复包含全部子串才通过assertions.contains_none回复不包含任何子串才通过save_response_id_as保存回复 id 供后续多轮步骤使用use_previous_response_id把本轮链到已保存的回复 id 上断言是不区分大小写的子串检查。其他课程的 catalog 结构相同Lesson 01 检查目的地推荐和离题防御Lesson 05 检查基于知识库的接地回答含一条“不得为虚构城市编造数据”的contains_none断言。如何判断成功工作流把每条 prompt 的结果作为 job 的一部分执行任何一条断言未命中job 即失败。因此验证方式就是查看 Actions 运行结果通过run 状态为成功说明部署好的端点对 catalog 中所有 prompt 都返回了满足断言的回复HTTP 200 子串匹配全部命中。失败run 状态为失败日志中会打印未通过的步骤id即 catalog 中的policy-return-window、stays-on-topic等标识据此定位是“端点不可达/无响应”还是“回复内容不符合基础预期”。如果登录阶段就报错先核对三件事三个 secrets 是否已配置、格式是否正确以及该身份是否已在 Foundry project scope 上分配Azure AI User角色。如果tests_file与agent_name不匹配例如选了 Lesson 16 的 catalog 却填了TravelAgent断言也会失败——因为断言内容是按对应课程 Agent 的知识范围编写的。限制与边界Smoke Test 只覆盖有可部署 Agent 的课程Lesson 01、04、05、16。Lesson 17本地 Agent不暴露 Foundry Responses endpoint不适用此 Action需本地运行 notebook 验证理论型课程没有单一可部署 Agent同样不适用。它是部署后的可达性/基础行为检查不是质量评估不能替代 Lesson 10 和 Lesson 16 的完整评估流水线。该 Action 的完整 schema包括 Foundry 托管会话资源见工作流中引用的 AI Smoke Test action 文档本文涉及的字段均以 tests/README.md 的速查表为准。完成一次全绿的 run 后部署好的 Hosted Agent 就通过了这道部署后门禁后续每次重新部署都可以再跑一遍同一工作流把“端点真的在应答”作为版本晋升前的固定检查项。【免费下载链接】ai-agents-for-beginners18 Lessons to Get Started Building AI Agents项目地址: https://gitcode.com/GitHub_Trending/ai/ai-agents-for-beginners创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考