Claude Fable 5 登陆 Microsoft Foundry：自主 Agent 的新引擎

# 1. 登录 Azure
az login

# 2. 设置目标订阅（替换为你的订阅 ID）
az account set --subscription "your-subscription-id"

# 3. 创建 AI Services 资源（如果还没有）
az group create --name agent-rg --location eastus2

az cognitiveservices account create \
  --name fable5-ai-service \
  --resource-group agent-rg \
  --kind AIServices \
  --sku S0 \
  --location eastus2

# 4. 部署 Claude Fable 5 模型
az cognitiveservices account deployment create \
  --name fable5-ai-service \
  --resource-group agent-rg \
  --deployment-name claude-fable5 \
  --model-format Anthropic \
  --model-name claude-fable-5 \
  --model-version 1 \
  --sku-capacity 1 \
  --sku-name GlobalStandard

# pip install azure-ai-inference azure-identity

import os
from azure.ai.inference import ChatCompletionsClient
from azure.identity import DefaultAzureCredential
from azure.core.credentials import AccessToken

# 使用 Azure 身份认证（推荐），也可换成 API Key
credential = DefaultAzureCredential()

client = ChatCompletionsClient(
    endpoint="https://fable5-ai-service.services.ai.azure.com/openai/deployments/claude-fable5",
    credential=credential,
    api_version="2025-04-01-preview",  # 根据实际支持的版本调整
)

# 定义 Agent 的系统提示——强调自主执行
system_prompt = """你是一个自主执行 Agent。收到任务后：
1. 将任务拆解为可执行的子步骤
2. 对每个子步骤，说明执行动作和预期结果
3. 如果需要外部工具，明确声明工具名称和参数
4. 最后汇总所有步骤的结果

格式要求：每个步骤用 [Step N] 标记，结果用 [Result] 标记。"""

user_task = "分析一份 Python 项目的依赖树，找出存在安全漏洞的包，并给出升级建议。"

response = client.complete(
    messages=[
        {"role": "system", "content": system_prompt},
        {"role": "user", "content": user_task},
    ],
    max_tokens=4096,
    temperature=0.3,  # Agent 任务建议低温度，减少随机性
)

print(response.choices[0].message.content)

# agent-config.yaml
agent:
  name: dependency-security-agent
  description: "分析项目依赖安全漏洞并给出升级建议"
  model:
    provider: Anthropic
    name: claude-fable-5
    version: "1"

  # Agent 可使用的工具——这里声明两个内置工具
  tools:
    - name: run_shell_command
      type: builtin
      description: "执行 shell 命令并返回输出"
      parameters:
        command:
          type: string
          required: true
    - name: read_file
      type: builtin
      description: "读取项目文件内容"
      parameters:
        path:
          type: string
          required: true

  # Agent 行为约束
  instructions: |
    你是依赖安全分析 Agent。
    工作流程：
    1. 用 read_file 读取 requirements.txt 或 pyproject.toml
    2. 用 run_shell_command 运行 pip audit 或 safety check
    3. 分析漏洞报告，按严重程度排序
    4. 给出每个漏洞包的升级版本建议
    不要修改任何文件，只输出分析报告。

  # 运行策略
  execution:
    max_steps: 10          # 最多执行 10 个工具调用步骤
    timeout_seconds: 300   # 单次运行超时 5 分钟
    retry_on_failure: true # 工具调用失败时自动重试

# 触发 Agent 执行（替换为你的 Agent Service endpoint）
curl -X POST \
  "https://your-agent-service.azure.net/agents/dependency-security-agent/run" \
  -H "Authorization: Bearer $(az account get-access-token --query accessToken -o tsv)" \
  -H "Content-Type: application/json" \
  -d '{"task": "分析当前项目的依赖安全性"}'