用途：该技能帮助开发者操作 Microsoft Foundry（Azure AI Foundry）资源，涵盖模型发现与部署、AI 智能体的完整开发生命周期、评估工作流以及故障排查。
主要能力：包含多个子技能，按工作流划分。deploy 用于容器化、构建、推送至 ACR，以及创建、更新、启动、停止、克隆智能体部署；invoke 用于向智能体发送消息，支持单轮与多轮对话；troubleshoot 用于查看容器日志、查询遥测、诊断失败；create/agent-framework 使用 Microsoft Agent Framework SDK 创建智能体与工作流，支持单智能体与多智能体模式；project/create 用于创建新的 Azure AI Foundry 项目；resource/create 使用 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，覆盖预设快速部署、完全自定义部署（版本/SKU/容量/RAI）及跨区域容量发现；quota 管理配额与容量；rbac 管理 RBAC 权限、角色分配、托管标识与服务主体。
使用方式：执行任何工作流前必须先阅读对应子技能文档，即使已知 MCP 工具参数也需遵循其中的步骤、预检查与校验逻辑；每条触发不同工作流的新用户消息都适用此规则。智能体开发生命周期按意图匹配：从零创建智能体为 create/agent-framework → deploy → invoke；部署已有代码为 deploy → invoke；更新重部署为 deploy → invoke；调用测试为 invoke；排查问题为 invoke → troubleshoot。配置解析时若缺少值，先检测 azd 项目（azure.yaml），运行 azd env get-values 加载环境变量，再匹配 AZURE_AI_PROJECT_ENDPOINT、AZURE_CONTAINER_REGISTRY_NAME、AZURE_SUBSCRIPTION_ID 等，仍缺失则用 ask_user 或 askQuestions 收集。智能体类型分 Prompt（基于模型部署）与 Hosted（容器运行自定义代码），可用 agent_get MCP 工具判断。工具约定：收集信息用 ask_user/askQuestions，长任务用 task/runSubagent 委派，优先使用 Azure MCP 工具而非直接 CLI，引用官方文档 URL 而非内嵌命令语法。
适用场景：Foundry 项目初始化、模型部署、智能体创建与部署、调用测试、故障诊断、配额与权限管理。
限制：资料未提供具体收费、价格、平台支持范围与效果数据；部分子技能文档路径与官方文档链接未在资料中完整给出。