用途：把 Microsoft Agent Framework（agent-framework）工作流按标准评分脚本模式（init()/run()）封装为 Azure 托管在线端点，可部署到独立 Azure Machine Learning 工作区，或 Azure AI Foundry 基于 hub 的项目（项目名即 az ml 命令中的工作区名）。两种目标生成相同文件并使用相同的 az ml CLI / azure-ai-ml Python SDK，区别在于工作区标识与 RBAC 范围。
主要能力：在项目根目录生成 online-deployment/ 目录，包含 score.py（init() 导入工作流工厂，run() 每次请求创建新实例以避免并发错误）、conda.yml（Python 3.11 + agent-framework + azureml-inference-server-http）、endpoint.yml、带 ${VAR} 占位符的 deployment.yml、deploy.sh 及 .gitignore。支持 Foundry LLM、OpenAI API key、RAG（AI Search）、函数工具等常见工作流模式，并可按需注入环境变量与 RBAC 角色。
使用方式：先收集订阅、资源组、工作区/项目名、工作流文件路径等变量；读取工作流文件检查导入与 os.environ/os.getenv 调用；从模板生成文件；用 az ml online-endpoint create 与 az ml online-deployment create 部署（需在项目根目录执行），再冒烟测试。Windows 上 deploy.sh 不可用，需在 PowerShell 中直接运行 az 命令。
限制：路径按 YAML 所在位置解析，需用 conda_file: conda.yml 与 code: ..，否则出现双重嵌套错误；request_timeout_ms 建议 60000，AML 默认 5 秒会超时；不要随意固定包版本；托管标识工作流需分配 Cognitive Services User 角色并等待 5–10 分钟传播；渲染后的 YAML 可能含明文密钥，须加入 .gitignore。具体收费、价格与平台细节暂未提供。