微软 Deep Research 实战：在 Azure AI Foundry 上快速构建可编程研究 Agent

随着 AI 自动化进入科研与合规领域，Azure AI Foundry 推出 Deep Research 工具预览，让开发者能在 Azure 平台上以可编程方式执行多步信息检索、分析推理并生成结构化报告。本文结合官方视频与文档，完整呈现从环境配置、Agent 创建，到管道整合与场景落地的全流程实战指南，帮助你快速上线企业级研究 Agent。

一、什么是 Deep Research in Azure AI Foundry？

2025 年 7 月，微软发布 Deep Research 服务预览，通过集成 o3-deep-research 模型和 Bing Grounding，实现网页信息检索、多轮步骤规划与结果审计。

核心优势

可编程：通过 SDK/API 创建并管理 Agent
多轮调研：自动规划 → 检索 → 分析 → 输出
透明审计：报告附带引用与推理日志
企业治理：与 Azure 安全、监控、合规模块无缝对接

二、关键视频资源回顾

Build your Deep Research agent in Azure AI Foundry：通过 SDK 快速创建并运行 Deep Research Agent。
Deep Research tool (preview) 文档：支持区域、模型配置与工具说明。

三、平台准备与环境配置

在 West US 或 Norway East 区域创建 Azure AI Foundry 项目。
部署模型：o3-deep-research 与 gpt-4o。
配置 Bing Grounding 资源。

安装预览版 SDK 并设置环境变量：

pip install --pre azure-ai-projects
export PROJECT_ENDPOINT="https:// < resource > .services.ai.azure.com/api/projects/ < project > "
export BING_RESOURCE_NAME=" < YourBingResource > "
export DEEP_RESEARCH_MODEL_DEPLOYMENT_NAME="o3-deep-research"
export MODEL_DEPLOYMENT_NAME="gpt-4o"

四、实战：创建 Deep Research Agent

from azure.ai.projects import AIProjectClient
from azure.ai.agents.models import DeepResearchTool
from azure.identity import DefaultAzureCredential

client = AIProjectClient(endpoint=os.getenv("PROJECT_ENDPOINT"), credential=DefaultAzureCredential())
tool = DeepResearchTool(
    bing_grounding_connection_id=os.getenv("BING_RESOURCE_NAME"),
    deep_research_model=os.getenv("DEEP_RESEARCH_MODEL_DEPLOYMENT_NAME")
)
agent = client.agents.create_agent(
    model=os.getenv("MODEL_DEPLOYMENT_NAME"),
    name="deep-research-agent",
    tools=[tool],
    instructions="Research the latest trends in electric vehicle battery technology."
)

启动会话并获取报告：

thread = client.agents.create_thread(agent.id)
thread.send_user_message("Who are the leading companies innovating in solid-state batteries in 2025?")
response = thread.get_latest_agent_message()
print(response.text_messages[0].text.value)

五、管道整合与自动化

将 Agent 嵌入 Azure Logic Apps 或 Azure Functions，实现：

定时触发：每日自动更新行业报告
通知分发：通过邮件或 Teams 推送给相关决策者
报告存储：将 Markdown 转 PDF 后上传至 Azure Blob

六、应用场景示例

跨国法规监测：持续跟踪并汇总各国碳中和政策
竞品动态分析：自动收集并对比竞争对手产品特性
科研文献综述：自动检索最新论文并生成摘要报告
高管简报自动化：生成幻灯片并通过邮件发送

七、性能与成本

响应时长：约 2–5 分钟／次调研
收费模式：包括搜索调用和模型推理费用
地域限制：目前仅支持 West US、Norway East

八、最佳实践

多 Agent 协同：结合报告生成与通知 Agent 构建完整工作流
Prompt 优化：使用清晰指令控制摘要深度与风格
安全治理：通过 Azure Key Vault 管理密钥，启用 RBAC
监控与日志：使用 Azure Monitor 跟踪执行情况和错误

九、与其他方案对比

特性	Azure Deep Research	ChatGPT Deep Research	Perplexity API
可编程性	✔	✕	✕
审计与引用跟踪	✔	✕	✕
企业级集成与治理	✔	✕	✕
多轮自动化调研	✔	✔	✕

🔚 总结

Azure AI Foundry 的 Deep Research 功具以“可编程 + 多轮自动化 + 审计报告”为核心，为研发、合规与决策提供强大支持。通过本文实战示例，从环境搭建、Agent 创建、管道整合到最佳实践，助你快速上线企业级研究 Agent。如需完整示例代码、流程图与 PPT 模板，欢迎留言获取！