Hospedagem de Agentes de IA Declarativos via Azure Functions

A popularização do desenvolvimento de agentes de IA baseados em configurações simples — utilizando arquivos AGENTS.md, definições de chamadas de skills e o Model Context Protocol (MCP) — transformou a produtividade do time de engenharia local, rodando diretamente no VS Code ou via Copilot CLI. Contudo, o desafio de viabilizar a colaboração e a escalabilidade desses agentes em produção é constante.

Recentemente, o time do Azure introduziu uma funcionalidade que permite hospedar esses projetos de agentes declarativos diretamente no Azure Functions. Esta abordagem é arquiteturalmente interessante porque mantém a consistência: o "código-fonte" que você valida no seu ambiente local (GitHub Copilot) é o mesmo que você promove para o ambiente de nuvem, reduzindo a fricção no ciclo de vida do desenvolvimento.

Do Desenvolvimento Local à Nuvem

A estrutura do projeto permanece familiar e centrada em arquivos de configuração:

Copiarsrc/
├── AGENTS.md             # Instruções e personalidade do agente
├── .github/skills/       # Skills reutilizáveis
├── .vscode/mcp.json      # Configurações do servidor MCP
└── tools/                # Scripts em Python personalizados

Essa estrutura, ao ser provisionada no Azure, é interpretada pelo GitHub Copilot SDK, que atua como um harness capaz de expor o agente como um serviço de API HTTP escalável e um servidor MCP compatível.

Deploy com um Único Comando

A experiência de deployment foi otimizada para o uso da Azure Developer CLI (azd). Ao executar azd up, o CLI automatiza o empacotamento do app do agente e aprovisiona os recursos necessários.

Um ponto de atenção para arquitetos FinOps: durante essa configuração, é fundamental selecionar o modelo de linguagem (LLM) adequado (via GitHub ou Microsoft Foundry), visto que o custo operacional e a latência dependerão diretamente da escolha desse serviço. O sistema também configura automaticamente um Azure File Share para persistir o histórico de chat, garantindo que o estado da sessão seja preservado em cenários de scale-out.

Endpoints e Integrações

Além da interface de chat embutida, o Azure Functions gera automaticamente dois pontos de entrada essenciais:

1. Chat Endpoint: Um HTTP trigger em /agent/chat para invocações REST, com suporte a streaming (SSE), facilitando a integração em aplicações front-end proprietárias.
2. MCP Server: Disponível em /runtime/webhooks/mcp, permite que seu editor local (VS Code) consuma o agente hospedado na nuvem, unificando o ambiente de desenvolvimento local com recursos de infraestrutura remota.

Extensibilidade: Python sem Framework

Uma facilidade para times de engenharia é a possibilidade de injetar ferramentas personalizadas simplesmente adicionando arquivos Python dentro de src/tools/. O runtime do Azure Functions encarrega-se do registro e execução da ferramenta. Se o agente exigir bibliotecas externas, basta declará-las no src/requirements.txt.

Agentes Orientados a Eventos

A transição para Azure Functions permite que os agentes transcendam o modelo simples de pergunta-resposta. É possível, por exemplo, utilizar triggers como temporizadores (timer) na configuração AGENTS.md:

Copiar---
functions:
  - name: morningBriefing
    trigger: timer
    schedule: "0 0 8 * * *"
    prompt: "Check the latest build status and summarize any new critical issues."
---

Isso transforma o agente em um worker autônomo, capaz de monitorar pipelines de CI/CD ou bases de conhecimento de forma proativa.

Embora estejamos tratando de uma feature em fase experimental, a proposta de unificar a definição de agentes com as ferramentas de orquestração do Azure é um passo importante para quem busca reduzir o tempo de latência entre a ideia (código) e o valor entregue (execução em nuvem).

Para instruções de implementação e testes, consulte o repositório oficial: https://github.com/Azure-Samples/functions-markdown-agent

---

Artigo originalmente publicado em Azure Updates - Latest from Azure Charts.