用途：该技能面向 Microsoft Foundry（Azure AI Foundry）智能体的全生命周期管理，覆盖从项目创建、部署、调用到评估、追踪与排障的完整流程。
主要能力：包含多个子技能。deploy 负责容器化、构建、推送至 ACR，以及创建/更新/启动/停止/克隆智能体部署；invoke 用于向智能体发送单轮或多轮消息；observe 提供评估驱动的优化循环（评估→分析→优化→对比→迭代）；trace 查询追踪、分析延迟与失败，并通过 App Insights customEvents 将评估结果关联到具体响应；troubleshoot 查看容器日志、查询遥测、诊断故障；create 创建新的托管智能体应用，支持 Microsoft Agent Framework、LangGraph 或 Python/C# 自定义框架，并从 foundry-samples 仓库下载起始示例；eval-datasets 将生产追踪转化为评估数据集，管理版本与切分、跟踪指标、检测回归并维护血缘；project/create 创建 Azure AI Foundry 项目；resource/create 用 Azure CLI 创建 Azure AI Services 多服务资源；models/deploy-model 提供统一模型部署与智能路由；quota 管理配额与容量；rbac 管理权限、角色分配、托管标识与服务主体。
使用方式：调用任何 Foundry MCP 工具前必须先阅读该技能及相关子技能。典型生命周期为 create→deploy→invoke，已有代码则 deploy→invoke，排障为 invoke→troubleshoot，修复后 troubleshoot→fix→deploy→invoke。项目上下文解析优先从用户消息提取，其次检查 azure.yaml 并运行 azd env get-values，映射 AZURE_AI_PROJECT_ENDPOINT、AZURE_CONTAINER_REGISTRY_NAME、AZURE_SUBSCRIPTION_ID 等变量，仅对未解析值询问用户。每步操作后需验证输出，失败则用 troubleshoot 诊断后重试。智能体类型分 prompt（基于模型部署）与 hosted（基于容器运行自定义代码）；设置类型分 Basic、Standard、Standard+Private Network。
依赖与限制：子技能脚本需要 Azure CLI（az）≥2.0 与 jq；Python SDK 需 pip install azure-ai-projects azure-identity。标准设置需先阅读对应参考文档。资料未提供具体收费、价格或效果数据。