微软开源 18 节 Agent 课，我帮大家拆成一张四层地图

我先去核对这门课的官方仓库目录、课时结构和最新更新状态。

微软这 18 节 Agent 课，我拆成四层：从 “该不该用” 到 “敢不敢上线”

先说结论：这门课不是 18 个知识点平铺，而是四层递进 —— 判断层（这活该不该交给 Agent）、单体层（一个 Agent 怎么长出工具、知识、计划、记忆）、协作层（多个 Agent 怎么分工、怎么对话）、交付层（怎么部署、怎么监控、怎么防攻击）。把 18 节课按这四层归位，你会发现它的顺序其实很讲究：先教你 “什么时候别用 Agent”，再教你 “怎么造一个”，最后才教你 “怎么让它活着并且不出事”。这门课的真身是微软开源的 ai-agents-for-beginners，GitHub 上标着 “18 Lessons to Get Started Building AI Agents”，MIT 协议，截至 2026 年 11 月 5 日约 7.9 万星、2.58 万 fork，近 84 天涨了约 6900 星，最近一次提交在 11 月 2 日。代码栈已经不是早期版本了：现在默认跑在微软 Agent Framework（MAF）+ Microsoft Foundry Agent Service V2 上，要 Azure 账号；部分样例也支持 MiniMax 这类 OpenAI 兼容接口（最长 204K 上下文）。所以这张四层地图不仅是目录重排，也是帮你判断 “值不值得投入时间” 的决策图。Microsoft Open Source

一、先对齐三件事，不然一上手就踩坑

这门课最容易被误传的地方，是 “课时数” 和 “技术栈”。三个官方入口给的课时并不一致。

入口	标称课时	内容形态	适合谁
GitHub 仓库 / 文档站	18 课 + 00 课程配置	每课 README + Python 样例 + 多数配短视频	想系统学、要跑代码
Microsoft Learn 公开课	10 集	视频为主，从 “什么是 Agent” 讲到 “部署到生产”	只想先看懂概念
Learn 实验页	12 个练习	早期版，提 AutoGen / Semantic Kernel / LangGraph	想快速试水

所以 “18 节” 指的是仓库那一版，不是视频课。想跟着做练习，认 GitHub；想通勤时听，认 Learn。

技术栈这块也要提前知道：

默认路径需要 Azure 账号和 Foundry 项目，完全不想碰 Azure 的人会在第一课就卡住。
requirements.txt 锁的是 agent-framework-core==1.10.0，而 1.11.0 有破坏性 API 变更；不按 pin 装，样例大概率跑不起来。
仓库带 50 多种机器翻译，直接 clone 会很重，官方给了稀疏检出命令，跳过 translations 和 translated_images。
课是 “每课独立” 的，官方明说可以从任意一节开始，但按四层顺序走，认知负担最小。

二、四层地图总览

层	对应课程	回答的问题	学完的验收物
第一层判断层	L01 认识 Agent 与用例、L02 探索框架、L03 设计模式总览	这活到底该不该用 Agent？市面上有哪些套路？	一页纸：把你的业务场景判成 “该用 / 不该用”，并指出用哪种模式
第二层单体层	L04 工具使用、L05 Agentic RAG、L07 计划、L09 元认知、L12 上下文工程、L13 记忆	一个 Agent 怎么从 “会聊天” 变成 “会办事”？	一个能调工具、能查资料、能拆步骤、能自检的单 Agent
第三层协作层	L08 多 Agent、L11 协议（MCP / A2A / NLWeb）	一个不够用的时候，怎么分工、怎么互通？	一个两三个角色的最小协作流程，跑通一次交接
第四层交付层	L06 可信赖、L10 生产、L14 MAF、L15 计算机使用、L16 可扩展部署、L17 本地 Agent、L18 安全	怎么上线、怎么扩、怎么防、怎么留后手？	一份上线清单：监控项、审批点、回滚路径、密钥与权限边界

18 节刚好是 3 + 6 + 2 + 7。下面逐层说清楚。

第一层：判断层 —— 先学会不造 Agent

这三节的价值被大多数人低估了，尤其是第一课。

L01 认识 Agent 与用例。 它先把 Agent 拆成 “环境 + 传感器 + 执行器” 三件套，再列出七种类型：简单反射、基于模型的反射、目标驱动、效用驱动、学习型、分层型、多 Agent 系统。然后给了一条很克制的判断线：开放式问题、多步流程、需要越用越好，才值得上 Agent；步骤能预先写死的，用普通工作流更划算。
L02 探索框架。 这节的主要作用是把 MAF 和 Foundry Agent Service 的分工讲明白：MAF 是写代码的 SDK（Agent、工具、Azure 身份），Foundry Agent Service 是托管与部署平台（模型接入、搜索、代码执行）。官方给的建议很直接 —— 先用 MAF 把逻辑跑通，要上线再交给 Foundry。
L03 设计模式总览。 这节是全课的目录树，工具使用、RAG、计划、多 Agent、元认知都在这里先露一次脸，后面每节再展开一个。

验收物很具体：拿你手上的一个真实需求，写三行 —— 它属于哪种 Agent 类型、为什么不用普通脚本、如果用错了会付出什么代价。写不出来，后面 15 节学了也用不上。

第二层：单体层 —— 六块能力，缺一块就瘸

这是全课最硬的一层，也是最该动手的一层。

课程	能力	解决什么	常见误区
L04 工具使用	手和脚	函数调用、工具定义、审批模式	工具给太多，模型乱调；没设审批，直接写库
L05 Agentic RAG	外部知识	让 Agent 自己决定何时检索、检索几轮	当成普通 RAG，只做一次向量查询
L07 计划	拆步骤	把模糊目标拆成可执行序列	计划写完不校验，一步错步步错
L09 元认知	自我检查	评估自己的推理、发现不确定、知道何时求助	以为 “多想一遍” 就等于反思
L12 上下文工程	喂什么	窗口管理、结构组织、压缩与取舍	把所有资料一股脑塞进去，注意力被稀释
L13 记忆	记住什么	短期会话状态、长期知识与偏好	只存不取，或存了过期信息不清理

这六节的关系不是并列，而是有依赖的：工具是执行的前提，RAG 和记忆是知识来源，计划决定顺序，元认知负责在跑偏时踩刹车，上下文工程是把前面所有东西装进有限窗口的手艺。

最值得先做的组合是 L04 + L05。一个能调 API、能查资料的单 Agent，已经能覆盖大部分真实需求；先跑通这两个，再谈计划和反思，否则容易陷进 “框架很美但没有产出” 的状态。

第三层：协作层 —— 两个 Agent 就开始有政治问题

L08 多 Agent。 这节讲角色分工和编排方式：顺序、并发、群聊、交接、以及更动态的 “管理者挑人”。核心不是 “多”，而是 “边界”—— 每个 Agent 的职责、能用的工具、能看的数据必须切干净，否则会出现两个 Agent 互相覆盖结果、或者谁都以为对方负责。
L11 协议。 三个协议对应三个层次：MCP 解决 “Agent 怎么接工具和数据源”，A2A 解决 “Agent 之间怎么互相调用”，NLWeb 解决 “网站怎么用自然语言对外暴露能力”。学这节最实用的收获，是能判断市面上的 “支持 MCP”，到底支持的是客户端还是服务端。

验收物：一个三角色最小流程（检索 → 分析 → 审核），跑通一次完整交接，并记录每次交接传了什么、丢了什么。这一步做过，你就知道多 Agent 的成本不在代码，在信息损耗。

第四层：交付层 —— 七节课，全在回答 “敢不敢上线”

这层是这门课区别于大多数 Agent 教程的地方：它真的讲运维。

课程	主题	关键收获
L06 可信赖	安全、隐私、人在环	系统消息框架（元提示 → 基础提示 → 迭代）、五类威胁与缓解、HITL 审批代码
L10 生产	可观测、评估、成本	上线要看的指标，不只是准确率
L14 MAF	框架落地	FoundryChatClient、Agent、工具、工作流、Azure 身份免密钥
L15 计算机使用	CUA	让 Agent 看屏幕、点鼠标，以及这类 Agent 的权限风险
L16 可扩展部署	部署与压测	部署流程、冒烟测试（仓库里就有 tests/lesson-01-smoke-tests.json）
L17 本地 Agent	端侧推理	不能上云或不能出数据时的退路
L18 安全	攻击面	提示注入、越权、密钥、沙箱边界

L06 给的威胁清单值得单独抄下来，因为它几乎就是企业评审会问的问题：任务与指令被篡改、访问关键系统、资源与服务被打爆、知识库投毒、级联错误。对应的缓解也很具体：输入校验、按需授权、限流限轮次、知识库定期校验、沙箱隔离 + 重试与降级。它甚至给了 HITL 的范式代码 —— 执行前审批、风险分级、审计日志。

三、三条学习路线，别按同一节奏走

你的角色	建议路线	大概投入	可以跳过
产品 / 业务负责人	L01 → L03 → L06 → L10，再挑 L12	3～4 个晚上	所有代码节
独立开发者 / 小团队	L01 → L04 → L05 → L07 → L14 → L16，按需补 L08	2～3 周	L15、L17 先放着
企业平台 / 架构	L03 → L06 → L10 → L11 → L18 → L16	3～4 周	可先不做 L09、L13

一条通用建议：每层结束时交一个东西，不要只勾选 “看完了”。判断层交一页纸判断，单体层交一个能跑的单 Agent，协作层交一次交接记录，交付层交一份上线清单。四份东西凑齐，才算把这 18 节真正用了一遍。

四、这张地图之外，课程没给你的三样东西

框架中立性。 全课默认 MAF + Foundry，LangChain、CrewAI、AutoGen 只在 “探索框架” 里被提到。想学通用方法，得自己把概念翻译过去。
评估体系。 课里讲了可观测和冒烟测试，但没有一套完整的评测集构建方法。真实项目里，“怎么证明它变好了” 往往比 “怎么让它跑起来” 更难。
成本模型。 多 Agent、长期记忆、计算机使用都会显著推高 token 和调用次数，课里点到为止，没有给你算账的模板。

还有一个现实问题：这门课迭代很快。MAF 1.0 已在 2026 年 4 月 GA，后续又加了 Agent Skills、Harness、编排模式 1.0、声明式工作流 1.0；样例代码跟着框架走，你今天 clone 的 notebook，几个月后可能就要改 import。把它当成 “跟着主线更新的活教材”，而不是 “买断的课程”。

写在最后

这 18 节最值钱的地方，是它把 “造 Agent” 拆成了一个有先后顺序的工程问题：先判断该不该造，再让单个 Agent 长出能力，然后处理多个 Agent 的协作损耗，最后回答上线才有人问的那些问题 —— 权限、审计、回滚、攻击面。四层地图的作用，就是让你在打开第一课之前就知道自己在哪一层、下一层要交什么。至于 7.9 万星、MIT 协议、50 多种翻译，这些只是它容易被获取的理由，不是它值得学的理由。真正值得学的理由只有一个：它把 “会写 demo” 和 “敢上线” 之间的那段距离，铺成了 18 级台阶。

相关 FAQ

问题 1：微软这门 18 节 Agent 课，四层地图是怎么分的？

回答 1：按 “决策顺序” 分，不是按章节顺序硬切。第一层判断层含 L01～L03，解决该不该用 Agent、有哪些框架和模式；第二层单体层含 L04、L05、L07、L09、L12、L13，解决工具、知识、计划、反思、上下文、记忆；第三层协作层含 L08、L11，解决多 Agent 分工与 MCP/A2A/NLWeb 协议；第四层交付层含 L06、L10、L14、L15、L16、L17、L18，解决可信、生产、部署、本地化与安全。这张四层地图的价值，是让你先知道每层的验收物，而不是一路看到底。

问题 2：微软 18 节 Agent 课，零基础能直接学吗？

回答 2：能学，但别把它当第一门课。官方自己在仓库里就建议，第一次用生成式模型的人先看 21 课的 Generative AI for Beginners；这门 18 节 Agent 课假设你能读 Python、能跑 notebook。四层地图里，判断层几乎零门槛，单体层开始要动手，交付层要 Azure 账号。完全没有编程基础的人，先补 Python 和 API 调用，再来上这 18 节会顺很多。

问题 3：四层地图里，哪一层最值得先学？

回答 3：看你的目标。要做产品决策，先学第一层判断层，它能帮你避免 “用 Agent 解决一个脚本就能搞定的问题”；要动手做东西，直接从第二层的 L04 工具使用和 L05 Agentic RAG 开始，这两节产出一个能调工具、能查资料的单 Agent，性价比最高。四层地图不是必须从下往上爬，它是让你知道缺哪块，而不是逼你按顺序走完微软这 18 节 Agent 课。

问题 4：学微软 18 节 Agent 课，必须用 Azure 吗？

回答 4：默认路径要，但不是唯一路径。课程代码默认跑在 Microsoft Agent Framework + Foundry Agent Service V2 上，需要 Azure 账号；仓库也说明部分样例支持 MiniMax 等 OpenAI 兼容接口（最长 204K 上下文），可以绕开 Foundry。另外 L17 专门讲本地 Agent，适合数据不能出内网的场景。所以四层地图里的交付层，你可以只取 “部署与安全的思路”，把具体平台换掉。

问题 5：这张四层地图能直接套到 LangChain 或 CrewAI 上吗？

回答 5：结构能套，细节要改。四层地图描述的是 “判断 → 单体 → 协作 → 交付” 的能力顺序，这个顺序和框架无关；但微软 18 节 Agent 课里的具体 API、MAF 的 FoundryChatClient、Foundry 的托管方式，换成 LangChain 或 CrewAI 都要重写。建议把四层地图当学习路径用，把每层的验收物当检查表用，框架只当实现手段。

参考资料

[2026-11-05]（AI Agents for Beginners 公开课（Microsoft Learn，10 集视频版））Microsoft Learn
[2026-11-05]（Microsoft AI Agents for Beginners Course Review: 18 Lessons, MAF, and Foundry，含 79,001 星、25,864 fork 快照）Hysen Labs
[2026-11-02]（仓库最近提交时间与维护状态、requirements 版本 pin 说明）GitHub microsoft/ai-agents-for-beginners
[2026-10-15]（AI Agents for Beginners - A Course（18 Lessons）课程主页）Microsoft Open Source
[2026-10-10]（AI 代理初学者课程（简体中文版，18 节课表））Microsoft Open Source
[2026-09-10]（第 02 课：探索 AI Agent 框架，MAF 与 Foundry Agent Service 对比）Microsoft Open Source
[2026-09-06]（第 01 课：AI Agent 与用例介绍，含七类 Agent 与冒烟测试说明）Microsoft Open Source
[2026-08-14]（Microsoft Agent 开发者资源：MAF 1.0 GA 与迁移指南）Microsoft Open Source
[2026-07-11]（AI Agents for Beginners 课程档案：18 课、MIT、约 72k 星）THE D*AI*LY BRIEF
[2026-07-10]（第 06 课：构建可信赖的 AI Agent，含五类威胁与 HITL 代码）Microsoft Open Source

免责声明

本文为公开课程内容的梳理与学习路径分析，不代表微软官方立场，也不构成任何采购、认证或职业规划建议。课时数量在不同官方入口存在差异（仓库为 18 课，Microsoft Learn 视频课为 10 集，实验页为 12 个练习），本文以 GitHub 仓库版为准并已标注差异；课程内容、依赖版本、框架 API 与云服务能力均可能随更新变化，动手前请以仓库当期 README、00-course-setup 与 requirements.txt 为准。文中星标与 fork 数据为第三方快照，仅反映取样时点。课程采用 MIT 协议，可自由使用与修改，但需保留版权与许可声明；涉及 Azure 计费、数据合规与生产部署的部分，请自行评估成本与合规风险。

本文来自作者[星矢流码]投稿，不代表乌兰科技网立场，如若转载，请注明出处：https://www.wlcbnews.com/rgzn/202611/437.html