AI Agents for Beginners 研究筆記¶
資料來源¶
| 項目 | 連結 |
|---|---|
| GitHub repo | https://github.com/microsoft/ai-agents-for-beginners |
| 官方課程入口 | https://aka.ms/ai-agents-beginners |
| 繁中翻譯 | https://github.com/microsoft/ai-agents-for-beginners/tree/main/translations/zh-TW |
| Microsoft Foundry Discord | https://aka.ms/ai-agents/discord |
| 配套技術 | Microsoft Agent Framework (MAF)、Azure AI Foundry Agent Service V2、MiniMax（替代 OpenAI-compatible） |
| 創建時間 | 2024-11-28 |
| 規模 | 61,394 stars / 20,790 forks / MIT / 主要語言 Jupyter Notebook（May 14 2026 抓取） |
專案概述¶
AI Agents for Beginners 是 Microsoft 官方推出的 Agent 入門課程，定位為「想開始造 Agent 必須知道的一切」。每堂課由短文 + 短影片 + Python 範例組成，範例放在 code_samples/ 資料夾，以 Microsoft Agent Framework (MAF) + Azure AI Foundry Agent Service V2 為主要實作堆疊，部分課程支援其他 OpenAI-compatible provider（README 點名 MiniMax，因其支援 204K context）。
這份教材是 Microsoft「for Beginners」系列的最新一員，跟 MCP for Beginners、Generative AI for Beginners、Edge AI for Beginners、AZD for Beginners 同屬一個生態系。短短一年多累積 61k stars，是目前 GitHub 上最受歡迎的 AI Agent 入門教材之一。
特別值得注意的是多語支援機制：repo 透過 Azure 自家的 co-op-translator GitHub Action 自動同步 50+ 種語言翻譯（含繁中-台灣 / 香港 / 澳門三版分支），但這也讓 clone size 暴增到近 3.7GB。README 提供 --filter=blob:none --sparse + sparse-checkout set --no-cone '/*' '!translations' '!translated_images' 的範例命令，是 ML/AI 教材中少見、值得學習的處理方式。
課程地圖¶
| # | 課名 | 核心概念 |
|---|---|---|
| 01 | Intro to AI Agents and Agent Use Cases | Agent 定義與適用場景 |
| 02 | Exploring AI Agentic Frameworks | 框架巡覽 |
| 03 | Understanding AI Agentic Design Patterns | 設計模式總覽 |
| 04 | Tool Use Design Pattern | 工具呼叫模式 |
| 05 | Agentic RAG | 帶決策的檢索 |
| 06 | Building Trustworthy AI Agents | 信任與安全 |
| 07 | Planning Design Pattern | 規劃 |
| 08 | Multi-Agent Design Pattern | 多 Agent 協作 |
| 09 | Metacognition Design Pattern | 反思 / 元認知 |
| 10 | AI Agents in Production | 上線實務 |
| 11 | Using Agentic Protocols (MCP, A2A and NLWeb) | 三種 agent 互通協定 |
| 12 | Context Engineering for AI Agents | context 工程 |
| 13 | Managing Agentic Memory | Agent 記憶管理 |
| 14 | Exploring Microsoft Agent Framework | MAF 深入 |
| 15 | Building Computer Use Agents (CUA) | 電腦操作 Agent（browser-use 範例） |
| 16 | Deploying Scalable Agents | （Coming Soon） |
| 17 | Creating Local AI Agents | （Coming Soon） |
| 18 | Securing AI Agents | 安全 |
→ 已公開 14 堂 + 1 堂 CUA + 1 堂 Security，2 堂未發布，實際課數已超過題目宣傳的 12 堂，內容仍在擴充。
技術選型重點¶
- Microsoft Agent Framework (MAF) 是 Microsoft 整合 AutoGen 與 Semantic Kernel 之後的新代 SDK（topics 仍標
autogen/semantic-kernel，反映歷史脈絡）。 - Azure AI Foundry Agent Service V2 為主要執行環境，需 Azure 帳號。
- MiniMax 被特別點名作為 OpenAI-compatible 替代 provider，主打 204K context window——對於只想學概念但不想開 Azure 的學員是現成解法。
- MCP / A2A / NLWeb 三協定：第 11 課把三個橫向互通 protocol 並列教學，反映 Microsoft 對「Agent 間通訊」標準的下注（NLWeb 是 Microsoft 自家提案）。
快速開始¶
# 不要拉 3.7GB 全部翻譯
git clone --filter=blob:none --sparse https://github.com/microsoft/ai-agents-for-beginners.git
cd ai-agents-for-beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
# 進入課程
cd 00-course-setup
# 依 README 設定 Azure AI Foundry 或 MiniMax API key
目前限制與注意事項¶
- 強烈綁定 Azure 生態系：預設範例需要 Azure 帳號 + Foundry 額度；雖然 MiniMax 是替代方案，但 14 課 MAF 深入課大概率只在 Azure 環境完整可跑。
- Repo 體積：3.7GB（含 50+ 語言 + translated_images）。沒用 sparse checkout 直接 clone 會卡很久。
- 主要語言被 GitHub 判定為 Jupyter Notebook：實際範例為 Python，但 ipynb 形式比例高，要看完整 source 須在 notebook 內 scroll。
- 2 堂課仍 Coming Soon：scaling deployment 與 local AI agents 都是熱門題，但目前缺貨。
- CLA 要求：所有 PR 需簽 Microsoft CLA。
- WT.mc_id tracking：所有外部連結帶
WT.mc_id=academic-105485-koreystquery string，是 Microsoft 內部歸因參數，並非追蹤學員行為。
研究價值與啟示¶
關鍵洞察¶
- 微軟把「教材」當作 SDK 採用率推進工具：MCP for Beginners、AI Agents for Beginners、Edge AI for Beginners 共用 co-op-translator 翻譯流水線、共用 Discord 社群、共用
WT.mc_id歸因系統。這條 for Beginners 系列已成微軟對抗 LangChain / LlamaIndex 等開源敘事的核心通路——值得對標研究「教材 → SDK 採用 → 雲端服務付費」的完整漏斗設計。 - 第 11 課 (MCP + A2A + NLWeb) 是少見的「三協議並列」教學：MCP 是 Anthropic 提的 Agent ↔ Tool 標準、A2A 是 Google 提的 Agent ↔ Agent 標準、NLWeb 是 Microsoft 提的 web ↔ agent 標準。一堂課把三者並排教，相當於 Microsoft 在說：這三個是 Agent 互通的「標準層」候選，全要學。值得對照 [[mcp-for-beginners]] 的深入版。
- Context Engineering 與 Agentic Memory 被獨立成兩課：呼應 [[why-your-ai-is-dumbing-down]] 的核心觀察——context 操作已從「prompt 工程的副題」升格為「Agent 工程的兩大支柱」。Microsoft 願意把這兩件事各給一整課，反映業界共識已經移動。
- MAF = AutoGen + Semantic Kernel 的整併：topics 同時保留
autogen與semantic-kernel，但教材以 MAF 為主。對長期關注 Microsoft Agent 棧的人，這是個明確訊號：之前學 AutoGen 或 Semantic Kernel 的人需要重新對齊到 MAF 的 API 表面。 - co-op-translator 是真正的隱藏寶藏：50+ 語言翻譯由 Azure 自家 LLM-based translator pipeline 維護，是其他 AI 教材罕見能達到的覆蓋率。對教育內容創作者來說，這個 pipeline 比課程本身更值得 fork 來用。
- sparse-checkout 寫進 README 是正確示範：絕大多數含翻譯的開源教材 README 不提這件事，新手 clone 直接卡爆。Microsoft 把命令寫進 quick start 是給其他多語 repo 的範本。
與其他研究的關聯¶
- 與 [[mcp-for-beginners]]：同系列、相鄰主題，11 課的 MCP 內容是這份的精華版，深入版要轉去 MCP for Beginners。
- 與 [[ai-agents]]（黃佳 / 動手做 AI Agent）：兩本都是入門書，但取向完全不同——黃佳走 LangChain 為主，Microsoft 這份綁 MAF + Azure Foundry。並排讀可看到「開源派 vs 雲端原生派」對同一概念的不同教法。
- 與 [[openai-practical-guide-building-agents]]、[[ly-corp-adk-agent]]、[[claude-agent-sdk]]：四個 vendor（Microsoft / OpenAI / Google ADK 經 LY / Anthropic）的官方 Agent 入門材料齊備，可做橫向比較研究：誰把 memory 講最清楚？誰把 multi-agent 講最清楚？誰把 tool use 講最清楚？
- 與 [[context-hub]]、[[why-your-ai-is-dumbing-down]]：第 12 課 context engineering、第 13 課 agentic memory，是業界主流敘事的官方版本；對照 Saki-tw 對 CHECKPOINT 的批判，可看到「平台說的 context engineering」與「平台實際做的 context replacement」之間的差距。